| Project/Area Number |
21K18365
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 2:Literature, linguistics, and related fields
|
|---|
| Research Institution | Aomori Chuo Gakuin University |
|---|
Principal Investigator |
Kato Sumi 青森中央学院大学, 経営法学部, 教授 (80311504)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
斉藤 まなぶ 弘前大学, 保健学研究科, 教授 (40568846)
田中 真寿美 青森中央学院大学, 経営法学部, 准教授 (90557795)
乙木 百合香 東北大学, 農学研究科, 助教 (90812834)
|
|---|
| Project Period (FY) |
2021-07-09 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2022: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ASD / NLP / machine learning / SFL / diagnostic assessment / lexicogrammar / 神経発達症 / neurocognitive functions / Autism Spectrum Disorder / Pragmatic Impairment / pragmatic impairment / 自閉症スペクトラム障害 / 自然言語処理 / コーパス言語学 / 語用論的障害 / 機械学習 |
|---|
| Outline of Research at the Start |
ASDの語用論的障害が特定の認知機能不全からきていて、認知神経学との関連で議論されなければならないことが、臨床分野では議論されてきている。そこで本研究では、言語学からの知見として、ASDの語用論的障害が、語彙-文法資源のどこに生じるのかを、コーパスを基にした大量のデータから、精緻なマッピングによって提示する。このマッピングを機械学習によって、ASDと定型発達の判別を試行させ、診断ツールとしての可能性をパイロット・スタディとしてまとめる。
|
| Outline of Final Research Achievements |
This study aimed to develop a novel diagnostic support model for adolescents and adults with autism spectrum disorder (ASD), taking into account the diversity of symptoms observed in this population and the limitations of existing diagnostic tools, including the ADOS-2. By applying machine learning to a corpus of ASD and non-ASD speech annotated based on systemic functional linguistics theory, the study demonstrated that a deep neural network (DNN) model achieved high classification performance (accuracy: 80%, precision: 82%, sensitivity: 73%, specificity: 87%). In particular, the pragmatic features observed in the interview task were found to play a decisive role in diagnostic classification.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、自然発話における語彙文法的選択に基づいてASDと非ASDを識別するという世界初の試みとして高い診断的有効性を示した。従来の表層的特徴や感情音声、話者情報に依拠する研究とは異なり、本研究は意味構造に着目した文法的特徴に基づく診断補助の枠組みを構築し、臨床言語学と機械学習の融合により、青年・成人期のASDにおける言語的特性の客観的・高精度な識別を実現した。これは診断の信頼性向上に貢献するのみならず、将来的な実用化によって医療・教育現場における早期支援や誤診防止にも寄与し、社会的インパクトも大きい。
|
