論文の概要: Digitally Supported Analysis of Spontaneous Speech (DigiSpon): Benchmarking NLP-Supported Language Sample Analysis of Swiss Children's Speech

• arxiv url: http://arxiv.org/abs/2504.00780v1
• Date: Tue, 01 Apr 2025 13:32:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:07.765666
• Title: Digitally Supported Analysis of Spontaneous Speech (DigiSpon): Benchmarking NLP-Supported Language Sample Analysis of Swiss Children's Speech
• Title（参考訳）: 自発音声(DigiSpon)のディジタル支援分析 : スイスの幼児音声のNLP対応言語サンプル分析のベンチマーク
• Authors: Anja Ryser, Yingqiang Gao, Sarah Ebling,
• Abstract要約: 商用大規模言語モデル(LLM)をベースとしない自然言語処理(NLP)手法を活用するアプローチを提案する。 本研究の目的は,言語障害をより効率的に診断する上で,言語病理医を支援するための最適な手法を見出すことである。
• 参考スコア（独自算出の注目度）: 3.006342003043875
• License:
• Abstract: Language sample analysis (LSA) is a process that complements standardized psychometric tests for diagnosing, for example, developmental language disorder (DLD) in children. However, its labor-intensive nature has limited its use in speech-language pathology practice. We introduce an approach that leverages natural language processing (NLP) methods not based on commercial large language models (LLMs) applied to transcribed speech data from 119 children in the German speaking part of Switzerland with typical and atypical language development. The study aims to identify optimal practices that support speech-language pathologists in diagnosing DLD more efficiently within a human-in-the-loop framework, without relying on potentially unethical implementations that leverage commercial LLMs. Preliminary findings underscore the potential of integrating locally deployed NLP methods into the process of semi-automatic LSA.
• Abstract（参考訳）: 言語サンプル分析(Language sample analysis、LSA)は、発達言語障害(DLD)を診断するための標準化された心理測定テストを補完するプロセスである。 しかし、その労働集約性は、言語病理学の実践における使用を制限している。 本研究では,スイスのドイツ語圏における119人の子どもの音声データに応用された商業的大規模言語モデル(LLM)をベースとしない自然言語処理(NLP)手法を提案する。 本研究の目的は,DLDをより効率的に診断するための言語病理医を支援するための最適な実践を,商用のLCMを活用する非倫理的な実装に頼ることなく,同定することである。 予備的な知見は、局所的に展開されたNLP法を半自動LSAのプロセスに統合する可能性を示している。

関連論文リスト

• Script-centric behavior understanding for assisted autism spectrum disorder diagnosis [6.198128116862245]
  本研究は,コンピュータビジョン技術と大規模言語モデル(LLM)を用いて,自閉症スペクトラム障害(ASD)を自動的に検出することに焦点を当てる。 我々のパイプラインは、動画コンテンツを文字の振る舞いを記述したスクリプトに変換し、大きな言語モデルの一般化性を活用してゼロショットまたは少数ショットでSDを検出する。 平均年齢24か月の小児におけるASDの診断精度は92.00%であり,教師あり学習法の性能は3.58%以上である。
  論文  参考訳（メタデータ） (2024-11-14T13:07:19Z)
• Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
  言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。 パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。 得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• Language-Specific Neurons: The Key to Multilingual Capabilities in Large Language Models [117.20416338476856]
  大規模言語モデル(LLM)は、特別にキュレートされた多言語並列コーパスで事前訓練されることなく、顕著な多言語機能を示す。 LLM内の言語特異的ニューロンを識別するための新しい検出手法である言語アクティベーション確率エントロピー(LAPE)を提案する。 以上の結果から,LLMが特定の言語を処理できる能力は,神経細胞のサブセットが少なすぎるためであることが示唆された。
  論文  参考訳（メタデータ） (2024-02-26T09:36:05Z)
• Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
  最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。 この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。 方言データセットにおけるNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
  論文  参考訳（メタデータ） (2024-01-11T03:04:38Z)
• Evaluating Neural Language Models as Cognitive Models of Language Acquisition [4.779196219827507]
  我々は、ニューラルネットワークモデルの構文能力を評価するための最も顕著なベンチマークは、十分に厳密でないかもしれないと論じる。 小規模データモデリングによる子言語習得を訓練すると、LMは単純なベースラインモデルで容易にマッチングできる。 子どもの言語習得に関する実証的研究と、LMをよりよく結びつけるための提案をまとめて締めくくった。
  論文  参考訳（メタデータ） (2023-10-31T00:16:17Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• Understanding Spoken Language Development of Children with ASD Using Pre-trained Speech Embeddings [26.703275678213135]
  自然言語サンプル(NLS)分析は,従来の手法を補完する有望な手法として注目されている。 本稿では,子どもの音声言語発達の自動評価を支援するために,音声処理技術の応用を提案する。
  論文  参考訳（メタデータ） (2023-05-23T14:39:49Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• Zero-Shot Cross-lingual Aphasia Detection using Automatic Speech Recognition [3.2631198264090746]
  失語症(英: Aphasia)は、一般的には脳損傷や脳卒中によって引き起こされる言語障害であり、世界中の何百万人もの人々に影響を及ぼす。 本稿では,言語間音声表現を共用する事前学習型自動音声認識(ASR)モデルを用いたエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-04-01T14:05:02Z)
• Automatically Identifying Language Family from Acoustic Examples in Low Resource Scenarios [48.57072884674938]
  ディープラーニングを用いて言語類似性を解析する手法を提案する。 すなわち、Willernessデータセットのモデルをトレーニングし、その潜在空間が古典的な言語家族の発見とどのように比較されるかを調べる。
  論文  参考訳（メタデータ） (2020-12-01T22:44:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。