Analiza signalov za jezikoslovce

Cilji in kompetence

Cilj je študentom predstaviti osnovo analize signalov, da bi lahko lažje razumeli in interpretirali rezultate kvantitativnih meritev različnih tipov jezikovnih signalov v obliki časovnih serij, pri čemer bi se osredotočali na določene označevalce časovnih serij, za katere se je pokazalo, da imajo jezikovni pomen. Predmet študente pripravi za potencialno sodelovanje v eksperimentalnih raziskavah jezika, pri katerih se uporablja napredna tehnologija za slikanje možganov, kot so funkcionalna MRI, evocirani potenciali (EEG, MEG) itd.

Pridobljene kompetence:
• Sposobnost interpretacije različnih analiz signalov, ki so pomembne za psiho- in nevrolingvistiko.
• Zmožnost razumevanja in kritičnega ocenjevanja sodobne literature iz eksperimentalne psiholingvistike in nevroznanosti jezika.
• Zmožnost kritičnega ocenjevanja rezultatov eksperimentalnih raziskav jezika ob hkratnem poznavanju zmožnosti in omejitev sodobnih metod analize jezikovnega signala.

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti

Uvod v glasoslovje, Uvod v psiholingvistiko, Uvod v kognitivne znanosti

Vsebina

Predmet se bo osredotočil na vsaj dva od spodaj naštetih tipov analize signala:
• analiza akustičnega signala (kot je potrebna za eksperimentalno fonetiko);
• analiza elektrofiziološkega signala v elektroencefalogramu (EEG), zlasti v okviru paradigme evociranih potencialov (ERP) ;
• analiza signalov v magnetnem encefalogramu (MEG);
• analiza vizualno-prostorskih signalov, ki se uporablja v možganskem slikanju s funkcionalno magnetno resonanco (fMRI) za preučevanje jezika.

Predvideni študijski rezultati

-Poznavanje nevroloških označevalcev posebnih vrst jezikovnega obnašanja (povezanega s slovnico).
- Poznavanje specifičnih področij v eksperimentalnem jezikoslovju, ki se nanašajo na analizo signalov.

Temeljna literatura in viri

  • Tohyama M., and T. Koike. 1998. Fundamentals of Acoustic Signal Processing. Elsevier. E-gradivo
  • Allefeld, C., P. beim Graben und J. Kurths. 2008. Advanced Methods of Electrophysiological Signal Analysis and Symbol Grounding: Dynamical Systems Approaches to Language. Nova Science Publishers Inc. Katalog
  • Russell A. Poldrack, Jeanette A. Mumford und Thomas E. Nichols. 2011. Handbook of Functional MRI Data Analysis. Cambridge: Cambridge University Press. Katalog
  • Vezana na konkretno vsebino predmeta (članki iz znanstvenih revij v okviru nevrolingvistike in psiholingvistike)

Načini ocenjevanja

• Aktivna udeležba na predavanjih (50%) • seminarska naloga, vezana na tematiko predmeta (50%).

Reference nosilca

Redni profesor za področje jezikovnih ved na Univerzi v Readingu.

Bibliografija:

  1. Schmid S, Saddy D, Franck J. 2023. Finding Hierarchical Structure in Binary Sequences: Evidence from Lindenmayer Grammar Learning. Cognitive Science 47(1):e13242. doi: 10.1111/cogs.13242. PMID: 36655988.
  2. Saddy, D. 2020. Syntax and uncertainty. In: Gallego, Á. and Martin, R. , (eds.) Language, Syntax, and the Natural Sciences. Cambridge University Press , Cambridge. pp. 316-332.
  3. Vender, M., Krivochen, D. G., Compstella, A., Phillips, B., Delfitto, D. and Saddy, D. (2020) Disentangling sequential from hierarchical learning in artificial grammar learning: evidence from a modified Simon task. PLoS ONE, 15 (5). e0232687. ISSN 1932-6203 doi: https://doi.org/10.1371/journal.pone.0232687
  4. Alswaihli, J., Potthast, R., Bojak, I., Saddy, D. and Hutt, A. (2018) Kernel reconstruction for delayed neural field equations. The Journal of Mathematical Neuroscience, 8(3). https://doi.org/10.1186/s13408-018-0058-8.
  5. Williams, N, Nasuto, S.J., Saddy, J.D. (2015) Method for exploratory cluster analysis and visualisation of single-trial ERP ensembles, Journal of Neuroscience Methods (2015), http://dx.doi.org/10.1016/j.jneumeth.2015.02.007