.png){kind=icon}
返回
LeCoder: A large-scale automated coder for coding errors in word-production tasks
.png){kind=icon}
OA
AI
DOI：10.3758/s13428-026-02948-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
言语错误在推动我们理解语言产生系统的架构、表征本质及其障碍方面发挥了关键作用。为了获得最有价值的信息，研究者通常需要大量数据。手工编码此类数据可能既繁琐又主观。本文介绍了LeCoder，这是首款开源的自动化错误编码工具，用于英语单词和命名数据，它采用基于大规模语料库的数据驱动方法来量化目标-反应关系，使其具备灵活性、可扩展性和跨新数据集的通用性。通过在两个由训练有素的研究助理精心编码的失语症实验室数据集上测试该编码工具，我们首先证实LeCoder与专家编码器相比具有高准确性，并且在某些情况下，其分类比人工编码者更具逻辑性。随后，我们使用稳健的机器学习方法证明，LeCoder的性能可泛化至其从未遇到的新参与者和新项目。总体而言，这些发现鼓励各实验室使用LeCoder对言语错误进行更客观的编码，这将进而提高所有使用言语错误分析的子领域（包括神经心理学研究）中研究发现的再现性。
Keyword:
Speech errors
Automated coding
Semantic similarity
Phonological similarity
Aphasia
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
719
被引数:
3.6W
机构
引用论文
Similarity-induced interference or facilitation in language production reflects representation, not selection语言产生中的相似性诱发的干扰或促进反映的是表征，而非选择。.png)
CognitionOAAI
CognitionIF0
OAAI分享收藏Gaining insight into the representational unit for spoken words with a naming task通过命名任务深入了解口语单词的表征单位
PREAI
分享收藏Understanding semantic and phonological processing deficits in adults with aphasia: effects of category and typicalityAphasiologyOAAI
AphasiologyIF0
OAAI分享收藏A SPREADING-ACTIVATION THEORY OF RETRIEVAL IN SENTENCE PRODUCTION句子产生中检索的扩散激活理论PSYCHOLOGICAL REVIEW
PSYCHOLOGICAL REVIEWIF5.8
PREAI
分享收藏
查看更多内容