计算机辅助的连续语音音节分析作为儿童语音障碍的衡量标准)

科学领域:

• 语音语言病理学 语言病理学
• 计算语言学计算语言学
• 发育儿科 发育儿科

背景情况:

• 儿童语言障碍 (SD) 的传统评估依赖于劳动密集型的语音转录.
• 语音不可知,计算机驱动的方法为分析语音模式提供了一个潜在的更有效的替代方案.

研究的目的:

• 评估一种计算机驱动的,语音不可知的方法,用于评估学龄前儿童的言语障碍 (SD).
• 确定自动语法集群 (SC) 分析是否可以作为SDs的生物标志物.

主要方法:

• 使用SpeechMark®自动语法集群 (SC) 分析分析了1952年60名学龄前儿童 (16名SD,44名没有) 的美国英语发言.
• 采用四因素回归和通用线性模型来评估七个自动化措施及其与SD状态和年龄的相互作用.

主要成果:

• 在SpeechMark® SC分析中,显著预测SD状态 (p < 0.001).
• 患有SD的儿童产生较少的形成良好的SCs (IRR = 0.8116,p ≤ 0.0137).
• 在患有SD的儿童中,年龄对SC产生的影响更为明显 (IRR = 1.0451,p = 0.0251).

结论:

• 语音状态显著影响学龄前儿童在声学上形成良好的SCs的产生.
• 自动SC分析显示了作为识别幼儿SD的语言生物标志物的潜力.
• 这种语音不可知的方法为有效和客观的SD评估提供了一个有希望的途径.