• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2024/2025

Экспериментальная лингвистика и искусственный интеллект

Статус: Маго-лего
Когда читается: 1, 2 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 6

Программа дисциплины

Аннотация

Курс освещает вопросы применения методов искусственного интеллекта для решения задач экспериментальной (психо-/нейро-/клинической) лингвистики. Слушатели узнают, какие практические проблемы стоят перед современной экспериментальной лингвистикой: диагностика речевых расстройств и нарушений чтения, предсказание потенциала восстановления речи после инсульта, генерация речи на основе электрической активности мозга и т.д. Далее, будет дан обзор основных подходов к машинному обучению, используемых для решения этих проблем. Наконец, слушатели получат возможность применить указанные методы к реальным экспериментальным данным, собранным в Центре языка и мозга НИУ ВШЭ.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знакомство с предметной областью психо- и нейролингвистики
  • Понимание особенностей моделирования психо- и нейролингвистических исследований, сбора данных и проверки гипотез
  • Знание основных методов для сбора поведенческих и нейровизуляционных данных
  • Знание основных теорий о нейрональных основах речевых патологий
  • Понимание принципов разработки метрик для оценки речевых функций и нейроанатомических изменений, а также связи между ними
  • Знание основных инструментов дескриптивной статистики, линейных моделей и моделей машинного обучения, применяемых в психо- и нейролингвистических исследованиях
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать нейрональные основы языковых/речевых процессов в мозге, функции языковых/речевых регионов, их анатомию.
  • Имеет представление о предметных областях психо- и нейролингвистики
  • Понимает основные принципы проведения психо- и нейролингвистических исследований
  • Умеет критически оценивать возможности и ограничения применяемых методов
  • Понимает основные принципы постановки цели, задач и гипотезы исследования.
  • Имеет представление о методах разработки парадигмы и сбора данных
  • Умеет определять цели, задачи, гипотезу и методы исследования при чтении литературы
  • Уметь сравнивать и оценивать необходимость применения различных инструментов дескриптивной статистики для анализа экспериментальных данных
  • Уметь интерпретировать полученные результаты на основе применяемых метрик.
  • Уметь проводить анализ межгрупповых различий и корреляционный анализ, а также интерпретировать полученные результаты
  • Иметь представление, как могут применяться линейные модели в психо- и нейролингвистических исследованиях с учетом используемых поведенческих и нейровизуляционных метрик
  • Уметь ставить гипотезу, определять зависимую и независимую переменные, интерпретировать результаты моделей, получить опыт использования линейных моделей на практике
  • Знать основные принципы построения модели функциональной активности мозга методом фМРТ
  • Иметь представление о возможностях, достоинствах и ограничениях индивидуальных и групповых функциональных карт активации
  • Получить практический опыт обработки данных фМРТ и построения индивидуальных карт
  • Знать основные этапы получения МРТ-изображений серого и белого вещества и их использования в исследованиях
  • Знать основные виды артефактов трактографии
  • Знать классификацию атласов и наиболее используемые атласы серого и белого вещества
  • Понимать, как извлекаются метрики на основе атласов и уметь их интерпретировать
  • Иметь представление об афазии как о специфическом нарушении речевой функции, возникающем вследствие структурных изменений
  • Знать типы афазий и причины их возникновения
  • Уметь в Python строить модели регрессии и понимать основные различия с моделью регрессии
  • На основе полученных данных получить результат для моделей регрессии
  • Получить и закрепить опыт применения моделей регрессии и классификации на материале данных нейролингвистического исследования
  • Повторить и закрепить данные, полученные по итогам курса
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в психо- и нейролингвистику
  • Моделирование эксперимента
  • Предварительный анализ данных с применением описательной статистики при проведении исследования
  • Статистика для сравнения групп и состояний. Корреляционный анализ
  • Использование линейных моделей в психо- и нейролингвистических исследованиях
  • Нейрональная основа языковых/речевых процессов в мозге человека: критически важные регионы и взаимодействие между ними
  • Методы нейровизуализации и их различия - использование функциональной магнитно-резонансной томографии
  • Методы нейровизуализации и их различия – использование трактографии и структурных изображений
  • Атласы серого и белого вещества – их использование для извлечения анализа
  • Афазия и связь речевых функций со структурными изменениями
  • Построение моделей регрессии в машинном обучении
  • Интерпретация результатов применения инструментов машинного обучения в психо- и нейролингвистических исследованиях
Элементы контроля

Элементы контроля

  • неблокирующий Экзамен
  • неблокирующий Домашние задания
    В первом модуле домашние задания будут включать в себя (1) задания на чтение статей и подготовку мини-докладов и (2) практические задания. Во втором модуле домашние задания будут включать в себя практические задания.
  • неблокирующий Контрольные работы
    В модуле проводится 2 контрольные работы по пройденному материалу. Задания будут включать в себя задания с выбором ответа, задания с кратким ответом.
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    0.4 * Домашние задания + 0.3 * Контрольные работы + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Aphasia and related neurogenic language disorders, , 2011
  • Introduction to psycholinguistics : understanding language science, Traxler, M. J., 2012

Рекомендуемая дополнительная литература

  • Atlas of human brain connections, Catani, M., 2015
  • Poldrack, R. A., Mumford, J. A., & Nichols, T. E. (2011). Handbook of Functional MRI Data Analysis. New York: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=399310
  • The Oxford handbook of neurolinguistics, , 2019

Авторы

  • Клышинский Эдуард Станиславович
  • Журавлева Анна Алексеевна