Der menschliche Spracherwerb ist ein komplexer und umfangreicher Vorgang, der sich über mehrere Jahre in der Entwicklung eines Kindes erstreckt. Hierbei können sich Störungen in der Sprachproduktion entwickeln. Diese Störung der Entwicklung kann großen Einfluss auf den sozialen und akademischen Fortschritt, sowie den generellen Umgang mit anderen Kindern und Erwachsenen im Alltag, haben.
Da eine professionelle Analyse, sowie die fortführende Behandlung, nur von einem ausgebildeten Sprachtherapeuten korrekt durchgeführt werden kann und ein zeitraubender Prozess ist, entsteht ein Flaschenhals im System. Im Rahmen des TALC Projektes erforschen wir die Möglichkeit des Einsatzes von Machine Learnings zur Automatisierung dieses Analyseprozesses, um so die Sprachtherapeuten bestmöglich zu unterstützten. Dies ermöglicht nicht nur das Analysieren von Kindern, denen nur limitierte Ressourcen zur Verfügung stehen, sondern auch das deutlich frühere Identifizieren von Kindern mit möglichen Tendenzen zu einer Sprachentwicklungsstörung. Durch das frühzeitige behandeln einer möglichen Verzögerung in dem Spracherwerb wird der Entwicklung weiterer Rückstände in anderen Gebieten vorgebeugt.
Die in diesem Projekt entwickelten Systeme sind in hohem Maße von der Menge und Qualität der Daten abhängig, die für ihr Training zur Verfügung stehen.
Zur Steigerung der Effizienz der manuellen Transkription von Sprachaufnahmen sollen Methoden des Active Learnings eingesetzt werden.
Im Rahmen der HiWi-Tätigkeit soll hierfür eine geeignete Benutzeroberfläche entwickelt werden.
Eine anschließende oder parallele Abschlussarbeit mit Fokus auf der Weiterentwicklung einer Methode des Active Learnings ist möglich.
Wenn du an dem Thema interessiert bist schick uns (Lars Rumberg, Christopher Gebauer) gerne eine kurze Email mit den wichtigsten Informationen zu dir.
Ansprechpartner: Lars Rumberg
