整合人工智能与自然语言处理技术探究自闭症学龄前儿童的词汇错误

《Research in Autism》:Integrating artificial intelligence and natural language processing to investigate lexical errors in autistic preschoolers

【字体: 大 中 小 】 时间:2025年12月06日 来源:Research in Autism

编辑推荐:

  表达性词汇一直被认为是自闭症群体中的一个优势,先前的大多数研究主要关注自闭症儿童在学习新词时所使用的线索。然而,目前关于自闭症群体中词汇网络组织方式的知识仍然较为匮乏。本研究旨在通过将人工编码与分布式语义学相结合,对60名希腊语自闭症学龄前儿童队列中的词汇提取

  
表达性词汇一直被认为是自闭症群体中的一个优势,先前的大多数研究主要关注自闭症儿童在学习新词时所使用的线索。然而,目前关于自闭症群体中词汇网络组织方式的知识仍然较为匮乏。本研究旨在通过将人工编码与分布式语义学相结合,对60名希腊语自闭症学龄前儿童队列中的词汇提取错误进行表征。儿童们完成了一项标准化的图片命名任务,共产生了745个错误,这些错误被分为四种类型:语义错误、视觉错误、语音错误和无关错误。为了量化每个错误与其预期目标词之间的接近程度,研究人员应用了一个预训练的词嵌入模型来得出连续的语义接近度得分。超过一半的儿童表现出的表达性词汇能力远低于其实际年龄水平,而在约三分之一的儿童中则观察到了相反的模式。在该样本中,语义错误占主导地位,且由词嵌入得出的距离验证了人工分类法:语义替换词与目标概念的接近度最高,其次依次为语音错误、视觉错误和无关错误。语义错误与词汇延迟没有显示出关联性,而无关错误和视觉错误则随着词汇延迟的增加而增多,这表明在词汇年龄等效量低于实际年龄的儿童中,其语义约束有所减弱。这些发现强调,自闭症儿童的命名错误并非随机发生,而是沿着分级语义关系进行组织的,从而为该群体的词汇网络计算建模铺平了道路。将分布式语义建模与传统错误分析相结合,为区分词汇错误类型提供了新的定量指标,并为研究自闭症群体中词汇网络的发展开辟了道路。
长期以来,表达性词汇一直被认为是孤独症谱系障碍群体的相对优势。以往的研究大多关注自闭症儿童学习新词的策略,却较少深入探究其心理词库中词汇网络的组织结构。现有文献表明,尽管自闭症儿童的词汇-语义能力通常相对保留,但其心理词典的底层组织往往表现出非典型性,呈现出语义整合程度降低和词汇联想特异性较强的特点。以往研究指出,自闭症儿童可能对感知特征或个人特有经验表现出过度依赖,而非依赖常规的、抽象的语义关联。然而,目前仍存在一个关键的研究空白:自闭症儿童的命名错误究竟是随机的孤立事件,还是根源于其词汇库内的系统结构?有必要开展相关研究,以揭示自闭症儿童命名错误的系统性特征及其与目标词之间的深层语义关联机制。研究人员对60名自闭症学龄前儿童的图片命名任务错误展开了研究。研究发现,自闭症儿童的命名错误是在可量化的语义空间中系统化组织的,且语义特征和感知特征在他们的概念组织中具有不同的权重。该结果表明整合分布式语义建模与传统错误分析方法能够提供区分词汇错误类型的定量指标,对于理解自闭症儿童的语义网络构建具有重要学术意义。本论文已发表在《Research in Autism》期刊上。

在本研究中,研究人员采用了以下关键技术方法:研究队列样本来源于希腊南北部的跨学科评估、咨询和支持中心(官方评估机构),共纳入60名高功能希腊语自闭症学龄前儿童。在材料与程序上,使用包含彩色照片的表达性词汇测试(图片命名任务)评估语言与认知技能,并依据标准数据计算实际年龄与表达性词汇年龄。在错误分类上,研究者采用人工编码将错误分为语义、视觉、语音和无关四类,并利用语义评分模型(基于Open Brain AI平台预训练的FastText模型)进行词嵌入计算,通过余弦相似度公式推导出错误与目标词之间的连续语义接近度得分。最后,利用Tukey HSD事后检验、线性回归模型及K均值聚类分析揭示了不同错误类型对语义相似度的预测作用及儿童群体的词汇特征差异。

研究结果部分具体如下:
关于ASD对学龄前儿童图片命名准确度及错误率的影响:通过标准化测试得分与年龄等价常模进行分析,发现超过一半的儿童实际年龄低于其预期年龄,表现出词汇发育迟缓现象,约三分之一的儿童表现优于常模预期,突显了该群体语言能力的显著异质性。

关于错误类型及表达性词汇能力对错误分布及语义相似度的影响:通过Tukey HSD事后检验和相关性分析得出结论,语义错误与目标词的语义相似度得分最高,而无关错误得分最低;且语言延迟(实际年龄与常规表达性词汇年龄之差)与无关错误及视觉错误呈正相关,即词汇延迟越严重,无关和视觉错误数量越多,这表明此类儿童的语义约束有所减弱。通过K均值进行的聚类分析识别出了三个不同的聚类簇:聚类簇1(28人)中儿童多产生语音错误且其词汇年龄高于实际年龄;聚类簇2(8人)语义错误比例较高;聚类簇3(24人)的儿童则表现出更显著的视觉与无关错误,且其词汇等价年龄明显低于其余聚类的儿童。

关于错误分类对语义接近度的影响:线性回归模型和线性混合效应模型的结果表明,错误类型对目标词与非目标反应之间的语义相似度具有显著的预测作用。语义错误和语音错误显著提高了语义接近度,视觉错误对语义相似度的提升作用极小,而无关错误(基线类别)表现出最低的语义相似度得分。

在讨论部分,研究人员总结了本项研究的核心结论。自闭症学龄前儿童的概念组织轨迹表现出非典型性,对语义和感知特征的赋予权重存在差异。具体而言,视觉和无关错误主要出现在实际年龄低于常规表达性词汇年龄的儿童中,这反映了他们词汇学习能力的延迟或受损;而语义错误在各水平儿童中均匀分布,可能反映了自闭症群体中词汇库存在较为稳定的、基于类别的组织形式。此外,语义错误和语音错误显著提升了错误词与目标词之间的语义相似度,这表明自闭症儿童的概念系统具有向成功词汇学习动态收敛的内在需求,以求减少语义的任意性并提升言语交际技能。由弱中央连贯理论(weak central coherence)视角可知,视觉错误率的增加反映了自闭症个体对细节过度关注而对整体语义整合能力薄弱的加工特征。研究者进一步提及,当前研究存在一定局限性,如未设置典型发育对照组或存在发展性语言障碍的临床对照组,这使得难以将特定模式完全归因为ASD所特有。未来研究应采用多组对照设计并引入纵向追踪,从而进一步阐明自闭症群体心理词典的结构组织以及词汇学习的发育轨迹。整合人工智能与自然语言处理(NLP)技术的方法超越了传统的描述性错误分类法,提供了一种高度可扩展且客观的替代方案,为建立客观的数字生物标志物和更精确的临床早期筛查工具奠定了技术基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号