Seminar für Sprachwissenschaft

Wir haben gerade unseren öffentlichkeitswirksamen Artikel im führenden Fachmagazin "Scientia" veröffentlicht:

Baayen, R. H. (2019). Are You Listening? Teaching a Machine to Understand Speech. Scientia, 2019, 1-5. doi

 

Meine aktuellen zentralen Forschungsinteressen beinhalten das Folgende.

Rechnergestützte Modellierung von lexikalischer Verarbeitung.

Finanziert durch den Europäischen Forschungsgsrat, untersuchen wir das Potential von „Wide Learning“ (Modellierung mit großen linearen Netzwerken), um Prozesse während der lexikalischen Verarbeitung beim Lesen, Hören und Sprechen zu verstehen. Kürzlich haben wir den Wirksamkeitsnachweis erbracht, dass die Verarbeitung von sowohl einfachen, als auch morphologisch komplexen Wörtern, mit hoher Genauigkeit erreicht werden kann, ohne dass es dabei theoretischer Konstrukte wie Morphemen, Stämmen, Exponenten, Inflektionsklassen oder Ausnahmen bedarf.

Unser neues Modell, das „Linear Discriminative Learning“, ist eine Formalisierung von Wort- und Paradigmamorphologie (Blevins, 2016, CUP) die auf diskriminativem Lernern beruht. Eine detaillierte Studie von englischer flektierender und abgeleiteter Morphologie wird in Baayen, Chuang, Shafaei-Bajestan and Blevins (2018, Complexity) bereitgestellt und eine kleine Fallstudie zum Lateinischen steht in Baayen, Chuang und Belvins (2018, The Mental Lexicon) zur Verfügung. Ich bin sowohl angeregt als auch verblüfft darüber, dass die einfachen linearen Mappings, die „Linear Discriminative Learning“ zugrunde liegen, so gut funktionieren.

Phonetik.

In meinem Labor verwenden wir elektromagnetische Artikulographie und Ultraschall, um zu verdeutlichen, wie Sprechende ihren Kiefer und ihre Zunge während der Artikulation verwenden. Wir untersuchten Dialekt geschuldete Unterschiede (Sprecher im Nord-Osten der Niederlande sprechen mit ihrer Zunge im weiter hinteren Teil ihres Mundes, verglichen mit Sprechern im zentralen Osten, Wieling etal. 2016, Journal of Phonetics) und wir haben kürzlich den Nachweis erhalten, dass Übung den Meister macht, auch in Sachen Artikulation (Tomaschek et al., 2018, Linguistic Vanguard). Wir modellieren auch die verschiedenen akustischen Zeitdauern von homophonen Suffixen (z.B. das Englische -s, das an Substantive angehängt den Plural, oder den Genitiv formt und an Verben angehängt die dritte Person Singular ausdrückt) unter Anwendung von „Discriminative Learning“. Statistische Methoden.

Ich hege ein langjähriges Interesse für statistische Methoden, einschließlich „Linear Mixed Effects Models“, „Random Forests“, „Generalized Additive Models“, „Quantile Regression“ und Ereigniszeitanalyse. Besonders beeindruckt bin ich von der Kombination aus „Quantile Regression“ und „Generalized additive Modeling“ als Werkzeug im „qgam package“ für R von Matteo Fasiolo (Universität Bristol). Ich liebe explorative Datenanalyse und habe von den Experimenten am meisten gelernt, die in klarem Widerspruch zu meinen Prognosen standen und unerwartete, neue Trends in meinen Daten offenbarten.

 

Lehre

SS 2019
Computational Models of Morphological Processing

SS 2019
Introduction to Regression and Data Analysis

WS 2018/2019
Linguisticts for Cognitive Science

SS 2018
Advanced Regression Modeling

SS 2018
Introduction to Regression Modeling

SS 2018
Introduction Linguistics for Cognitive Science

Veröffentlichungen (Auswahl)

Baayen R.H., Chuang Y., Shafaei-Bajestan E., Blevins J.P. (2019). The discriminative lexicon: A unified computational model for the lexicon and lexical processing in comprehension and production grounded not in (de)composition but in linear discriminative learning. Complexity, 1-39. pdf

Sering K., Milin P., Baayen R. H., (2018). Language comprehension as a multi-label classification problem. Statistica Neerlandica, 72, 339–353. pdf

Tomaschek F., Tucker B.V., Fasiolo M., and Baayen R.H. (2018). Practice makes perfect: The consequences of lexical proficiency for articulation. Linguistics Vanguard, 4, 1-13. pdf

Baayen R.H., Vasishth S., Kliegl R., Bates D. (2017). The cave of shadows. Addressing the human factor with generalized additive mixed models. Journal of Memory and Language, 94:206-234. BaayenEtAlJML2017.pdf

Linke M., Bröker F., Ramscar M., Baayen R.H. (2017). Are baboons learning "orthographic" representations? Probably not. PLoS ONE 12(8): e0183876. pdf

Baayen R.H., Shaoul C., Willits J., Ramscar M. (2015). Comprehension without segmentation: A proof of concept with naive discriminative learning. Language, Cognition, and Neuroscience, 31:106–128. pdf

Ramscar M., Baayen R.H. (2014). The myth of cognitive decline: why our minds improve as we age. New Scientist, 221(2961):28–29. pdf

Baayen R.H., Milin P., Durdević D. F., Hendrix P., Marelli M. (2011). An amorphous model for morphological processing in visual comprehension based on naive discriminative learning. Psychological Review, 118:438–482. pdf

Baayen R.H. (2008). Analyzing linguistic data: A practical introduction to statics using R. Cambridge University Press. pdf

Baayen, R.H. (2001). Word Frequency Distributions, Kluwer Academic Publishers. pdf

Präsentation der letzten 2 Jahre

2019

Baayen, R. H., Wide learning in language modeling, Colloquium ICCLS - Interdisciplinary Centre for cognitive Language Studies, München, Germany, June 17, 2019 (invited).

Baayen, R. H., Throwing off the shackles of the morpheme with simple linear transformations, Colloquium for Computational Linguistics and Linguistics in Stuttgart, Stuttgart, Germany, April 29, 2019 (invited).

Baayen, R. H., Wide learning in language modeling, Vienna University of Economics and Business, Vienna, Austria, March 15, 2019 (invited).

Chuang, Y. Y., Baayen, R. H., Making sense of auditory nonwords, Workshop - "Models of Computational Morpho(phono)logy", Cambridge, UK, February 15, 2019 (invited).

Baayen, R. H., Linear discriminative learning and the bilingual lexicon, A Language Learning Roundtable, Fribourg, Switzerland, February 11, 2019 (invited). 

2018

Baayen, R. H., Throwing off the shackles of the morpheme with simple linear mappings, Annual Meeting of the Society for Computers in Psychology (SCiP), New Orleans, USA, November 15, 2018 (keynote).

Baayen, R. H., Speech Production in the Discriminative Lexicon, Eleventh International Conference on the Mental Lexicon, Edmonton, Canada, September 26, 2018 (poster presentation, invited).

Baayen, R. H., Word and Paradigm Morphology with Linear Discriminative Learning, University of Sheffield, Sheffield, UK, September 12, 2018 (invited).

Baayen, R. H., Participant in a discussion on the lifespan development of the mental lexicon, Symposium on the Aging Lexicon, Basel, Switzerland, June 7-9, 2018 (invited).

Baayen, R. H., and E. Shafaei, A discriminative perspective on lexical access in auditory comprehension, Basque Center for Applied Mathematics, Bilbao, Spain, April 10, 2018 (invited).

Baayen, R. H., and E. Shafaei, A discriminative perspective on lexical access in auditory comprehension and speech production, Basque Center on Cognition, Brain and Language, San Sebastian, Spain, April 9, 2018 (invited).

Baayen, R. H., Tibus, M., Mock, P., Gerjets, P., Assessing Within-Experiment Subject Variability with Generalized Additive Mixed Models, Psychoco2018Tübingen, Tübingen, Germany, February 16, 2018 (invited).

Baayen, R. H., Using quantile regression and dynamic survival analysis to study the time course of the lexical processing of complex words, Cambridge Linguistics Forum, Cambridge, UK, February 1, 2018 (invited).

2017

Baayen R. H., Tomaschek, F., Ernestus, M., and Plag, I., Explaining the acoustic durations of s in conversational English with naive discriminative learning, Workshop Current Approaches to Morphology, Edmonton, Canada, December 20, 2017 (invited).

Baayen, R. H., Trial-by-trial discrimination learning in the lexical decision task, CLiPS (Computational Linguistics and Psycholinguistics) Colloquium, Antwerp, Belgium, October 16, 2017 (invited).

Baayen, R. H., Regression modeling strategies for confirmatory and exploratory data analysis in the language sciences, Workshop Statistical standards for scientific discovery in linguistics: a practical introduction, Zurich, Switzerland, October 4, 2017 (invited).

Baayen, R. H., The generalized additive mixed model by example, 20th Conference of the European Society for Cognitive Psychology (ESCoP 2017), Potsdam, Germany, September 5, 2017 (invited).

Baayen, R. H., Sering, T., Shaoul, C., Milin, P., Language comprehension as a multiple label classification problem, International Workshop on Statistical Modelling 2017 (IWSM 2017), Groningen, Netherlands, July 7, 2017 (keynote).

Feldman, L., Adams, C., Pastizzio, M., Blanche, P., and Baayen, R. H., The time course of BOAT-FLOAT facilitation and its implication for morphological processing, International Morphological Processing Conference (MoProc 2017), Trieste, Italy, June 23, 2017 (invited).

Baayen, R. H., Novel insights in morphological processing from Dynamic Survival Analysis and Quantile Regression, International Morphological Processing Conference (MoProc 2017), Trieste, Italy, June 23, 2017 (invited).

Baayen, R. H., Linke, M., Bröker, F., and Ramscar, M., Are baboons learning "orthographic" representations? Probably not, International Morphological Processing Conference (MoProc 2017), Trieste, Italy, June 23, 2017 (invited).

Baayen, R. H., Integrating acoustic and visual information with discriminative learning, ICMC2017, Osnabrück, Germany, June 10, 2017 (invited).

Baayen, R. H., Introduction to quantile regression and dynamic survival analysis, Workshop on statistical analysis of linguistic data, Konstanz, Germany, April 5, 2017 (invited).

Gahl, S., and Baayen, R. H., Twenty-eight years of vowels: An investigation of changes in vowel formants and vowel duration in the Up corpus, Corpora for Language and Aging Research (CLARe3), Berlin, Germany, March 7, 2017 (keynote).

Baayen, R. H., How do French baboons distinguish between English words and pseudo-words? A comparison of deep learning with wide learning, Alfa-Informatica is 30!, Groningen, Netherlands, January 27, 2017 (invited).