Tools for Analyzing Language and Communication
-
Projektbeschreibung & Ziele
TALC ist ein Projekt der interdisziplinären, interfakultativen Forschungsinitiative “Leibniz Lab for Relational Communication Research“ (Prof. U. Lüdtke, Institut für Sonderpädagogik/Abteilung Sprach-Pädagogik und –Therapie; Prof. J. Ostermann & Prof. B. Rosenhahn, Institut für Informationsverarbeitung). Im Projekt wird ein digitales System (Hard- und Software) entwickelt, welches es ermöglicht Spontansprachproben aufzunehmen und sowohl automatisch zu transkribieren als auch automatisch sprachlich/linguistisch auszuwerten.
Weitere Informationen zum Projekt finden Sie auf den Seiten des Leibniz Lab for Relational Communication Research.
-
Leitung & Team
Leitung: Prof. Dr. habil. Ulrike Lüdtke (IfS), Prof. Dr.-Ing. Jörn Ostermann (Institut für Informationsverarbeitung)
Team: Dr. Hanna Ehlert (IfS), Edith Beaulac (IfS), Kristina Stelze (IfS), Julia Geffron (IfS), Lars Rumberg (Institut für Informationsverarbeitung), Christopher Gebauer (Institut für Informationsverarbeitung)
-
Laufzeit
2020 – 2030
-
Kooperationen
National
Prof. Dr. Ulrich Heid: Institut für Informationswissenschaft und Sprachtechnologie, Stiftung Universität Hildesheim
International
Prof. Dr. Juan Bornman: Center for Augmentative and Alternative Communication, University of Pretora, South Africa
Prof. Dr. Jeannie van der Linde: Department of Speech-Language Pathology and Audiology, University of Pretora, South Africa
Prof. Dr. Febe de Wet: Department of Electrical, Electronic and Computer Engineering, North-West University, South Africa
-
Informationen für Studierende
Im TALC Projekt können sowohl Bachelor- als auch Masterarbeiten verfasst werden. Aktuelle Themen wechseln je nach Projektfortschritt.
Bei Interesse wenden Sie sich gerne per Mail an: Hanna.Ehlert@ifs.uni-hannover.de
-
Publikationen
- Lüdtke, U. & Ehlert, H. (2022). Automation in child speech and language assessment. Linguistic Reports, 1. (in press)
- Rumberg, L., Ehlert, H., Lüdtke, U. & Ostermann, J. (2021). Age-Invariant Training for End-to-End Child Speech Recognition using Adversarial Multi-Task Learning. Proceedings INTERSPEECH -- 22th Annual Conference of the International Speech Communication Association, August 2021, 3850-3854.