LeCoder:一个大型的自动编码器,用于编码文字制作任务中的编码错误

科学领域:

• 心理语言学 心理语言学
• 计算语言学 计算语言学
• 神经心理学 神经心理学

背景情况:

• 语音错误提供了关于语言生产机制和障碍的见解.
• 手动编码语音错误数据是耗时的,主观的,需要大量的数据集.
• 现有的方法缺乏客观性和可扩展性来分析语音错误模式.

研究的目的:

• 介绍LeCoder,这是第一个开源的,自动化错误编码器,用于英语单词和命名数据.
• 开发一种灵活,可扩展和可通用的工具,用数据驱动的方法量化语音错误关系.
• 在心理语言学和神经心理学研究中提高语音错误分析的客观性和可复制性.

主要方法:

• 开发了LeCoder,使用基于大规模英语公司的数据驱动方法.
• 在语音错误数据中量化了目标-响应关系.
• 通过机器学习和专家研究人员编码的数据集验证了LeCoder的准确性和通用性.

主要成果:

• 与专业的人类编码器相比,LeCoder表现出高准确度.
• 在某些情况下,LeCoder比人类编码器提供了更合乎逻辑的分类.
• 机器学习方法证实了LeCoder对新参与者和项目的概括性.

结论:

• LeCoder提供了一个客观而有效的方法来分析语音错误.
• 该工具的高精度和通用性鼓励其在研究实验室采用.
• 预计LeCoder的广泛使用将提高语音错误研究发现的可复制性.