Исправление речевых ошибок в тексте онлайн: Исправление речевых ошибок онлайн: обзор программ

«Приложение Google» из магазина Play. скачать

Я не могу найти свои сохраненные заметки.

SpeechTetxer для Android сохраняет все файлы в папке SpeechTexter в корневом каталоге вашего телефона. Если вы не можете их найти, попробуйте поискать в корневой папке карты памяти.

Могу ли я использовать SpeechTexter для Android в автономном режиме?

Да, можно, но точность будет ниже.

Список доступных языковых пакетов для автономного использования (необходимо сначала загрузить): китайский, голландский, английский, французский, немецкий, индонезийский, итальянский, японский, корейский, португальский, русский, испанский.

Для загрузки языкового пакета откройте приложение «Google». Нажмите: «Еще» → «Настройки» → «Голос» → «Распознавание речи офлайн» → «Все», а затем выберите язык, который вы хотите загрузить.

Распространенные проблемы в мобильном веб-приложении

Ошибка: «SpeechTexter не может получить доступ к вашему микрофону».

Пожалуйста, дайте разрешение на доступ к вашему микрофону.

Нажмите на значок «замок» рядом с адресной строкой, найдите опцию «микрофон» и выберите «разрешить».

Технология Google AI снижает ошибки распознавания речи на 29%

Распознавание речи в наши дни чертовски хорошо. Современные модели, такие как EdgeSpeechNet, подробно описанные в исследовательской работе в конце прошлого года, способны обеспечить точность около 97%.Но даже лучшие системы иногда натыкаются на необычные и редкие слова.

Чтобы сократить разрыв, ученые из Google и Калифорнийского университета предлагают подход, основанный на модели коррекции орфографии, обученной только текстовым данным. В статье, опубликованной на сервере препринтов Arxiv.org («Модель коррекции орфографии для сквозного распознавания речи»), они сообщают, что в экспериментах с набором данных LibriSpeech для моделирования языка на 800 слов и продолжительностью 960 часов их метод показывает относительное улучшение коэффициента ошибок по словам (WER) на 18,6% по сравнению с исходным уровнем.В некоторых случаях удалось снизить количество ошибок на 29%.

«Цель… состоит в том, чтобы включить модуль, обученный [текстовым] данным, в сквозную структуру с целью исправления ошибок, допущенных системой», — написали они. «В частности, мы исследуем использование непарных… данных для [генерации] аудиосигналов с использованием системы преобразования текста в речь (TTS), процесса, аналогичного обратному переводу в машинном переводе».

Как объясняют авторы статьи, большинство систем автоматического распознавания речи (ASR) совместно обучают три компонента: акустическую модель, которая изучает взаимосвязь между звуковыми сигналами и лингвистическими единицами, составляющими речь, языковую модель, которая присваивает вероятности последовательностям слов, и механизм, который выполняет выравнивание акустических рамок и распознанных символов.Все три используют единую нейронную сеть (многоуровневые математические функции, смоделированные на основе биологических нейронов) и расшифрованные пары аудио-текст, и в результате языковая модель обычно страдает ухудшенной производительностью, когда она встречает слова, которые нечасто встречаются в корпусе.

Затем исследователи намеревались включить вышеупомянутую модель исправления орфографии в структуру ASR — модель, которая декодирует входные и выходные предложения как единицы подслова, называемые «фрагментами слов», и которая использует вложения слов (т.е., функции, сопоставленные с векторами действительных чисел) и сопоставляет их с представлениями более высокого уровня. Они использовали только текстовые данные и соответствующие синтетические аудиосигналы, сгенерированные с помощью системы преобразования текста в речь (TTS) (параллельная сеть WaveNet) для обучения распознавателя речи LAS, сквозной модели, впервые описанной исследователями Google Brain в 2017 году. а затем создать набор пар TTS. Затем они «научили» корректор орфографии исправлять потенциальные ошибки, допущенные распознавателем, передавая ему эти пары.

Для проверки модели исследователи обучили языковую модель, сгенерировали набор данных TTS для обучения модели LAS и выдвинули гипотезы об ошибках для обучения модели коррекции орфографии с 40 миллионами текстовых последовательностей из набора данных LibriSpeech после фильтрации 500000 последовательностей. содержащие только однобуквенные слова и слова короче 90 слов. Они обнаружили, что, исправляя записи из LAS, модель коррекции речи может генерировать расширенный вывод с «значительно» более низкой частотой ошибок в словах.

VentureBeat

• актуальная информация по интересующим вас вопросам
• наши информационные бюллетени
• закрытого информационного лидера и доступ со скидкой к нашим призовым мероприятиям, таким как Transform 2021 : Подробнее
• сетевых функций и многое другое

Frontiers | Обнаружение самовоспроизводимых речевых ошибок до и после артикуляции: исследование ERP

Введение

Хотя создание речи кажется относительно простым, возникают речевые ошибки, которые часто могут привести к затруднению говорящего; например, обращение к сотруднику правоохранительных органов: «Ociffer», , а не «Officer». По оценкам, мы исправляем речевые ошибки примерно в 10% наших высказываний (Nooteboom, 1980). Большинство теорий языкового производства предлагают некоторую форму системы мониторинга, которая позволяет обнаруживать и окончательно исправлять речевые ошибки. Тем не менее, до сих пор остаются споры о точной природе механизма (ов) мониторинга самопроизвольных речевых ошибок (см. Обзор в Postma, 2000). Недавние открытия продемонстрировали, что электрофизиологический коррелят обработки ошибок, называемый негативностью, связанной с ошибками (ERN), обычно наблюдается при ошибках ручного действия (см. Holroyd and Coles, 2002; Botvinick et al., 2004) также возникает во время явных речевых ошибок в задачах называния картинок (Ganushchak, Schiller, 2008a; Riès et al., 2011). Этот вывод предполагает, что та же система мониторинга, которая участвует в обнаружении ошибок ручного действия, также участвует в обнаружении ошибок речи. Однако неясно, отслеживаются ли речевые ошибки до или только после завершения процессов формулирования речи. Первой целью настоящего исследования было определить, есть ли нейрофизиологические признаки мониторинга ошибок во время формулировки речи, а не после ее завершения.Вторая цель состояла в том, чтобы определить, распространяется ли ERN, наблюдаемый ранее во время именования изображений, на другие явные речевые задачи, такие как использованная здесь.

Модели воспроизводства речи имеют долгую историю, и обзор этих теорий выходит за рамки данной статьи (например, Levelt et al., 1999; Postma, 2000). Однако полезно вкратце обрисовать различные этапы, которые обычно предполагаются в основе формулировки и артикуляции речи. Теории производства речи предполагают, что формулировка речи проходит через сложный набор этапов.Обычно считается, что производство речи проходит через три стадии: первая — это концептуальная стадия, которая определяет значение и цель довербального сообщения, которое должно быть передано. Второй этап состоит из предартикуляционной (внутренней) речи, в ходе которой довербальное сообщение трансформируется в языковую структуру. Этот второй этап требует выбора леммы, синтаксического кадрирования и фонематической спецификации, чтобы фонематическое представление желаемого сообщения могло быть передано на третий этап, включающий артикуляцию, во время которой генерируются речевые моторные команды и производятся слова.

Ошибки произнесения речи могут принимать самые разные формы и могут возникать на любой стадии формулировки речи (Postma, 2000). Независимо от того, как и когда возникает речевая ошибка, ошибка должна быть обнаружена, прежде чем ее можно будет исправить. Однако неясно, когда именно обнаруживаются ошибки или какие процессы мониторинга способствуют этому обнаружению. Теория перцептивного цикла предполагает, что наши собственные речевые ошибки отслеживаются либо на уровне довербального сообщения (концептуальный цикл), фонематической репрезентации (внутренний цикл), либо после начала артикуляции (внешний, слуховой цикл).Утверждается, что последние два типа мониторинга проходят через систему понимания речи, которая также позволяет нам обнаруживать речевые ошибки других (например, Levelt, 1983; Levelt et al., 1999). С этой точки зрения отслеживаются только конечные продукты каждой стадии обработки. Другие теории, такие как теория структуры узлов и подходы, основанные на продукции, позволяют отслеживать ошибки на различных промежуточных этапах формулировки речи (например, Schlenck et al., 1987; MacKay, 1992). Недавний подход к исследованию природы процессов мониторинга ошибок речи заключается в использовании электроэнцефалографии (ЭЭГ), потому что эти методы широко используются для исследования обнаружения ошибок во время ручных действий.

В задачах, требующих ручных ответов, ошибки были связаны с определенным компонентом связанного с событием потенциала (ERP), характеризующимся большим отрицательным отклонением в ЭЭГ сразу после ошибок по сравнению с правильными ответами. Эта так называемая ERN наблюдается на участках лобно-центральных электродов, достигает пика между 50 и 100 мс после ответа и локализуется в передней поясной коре (ACC) медиальных лобных долей (для обзора см. Holroyd and Coles, 2002). .ERN наблюдался с использованием множества различных задач, включая фланкер, Саймона, Струпа, и другие задачи. Это также наблюдалось во время различных модальностей реакции, включая нажатие кнопок, движения рук и саккады. Вычислительные модели и эмпирические данные предполагают, что ERN, скорее всего, отражает обработку конфликта ответов, а не обнаружение ошибки как таковой (например, Botvinick et al., 2004; Yeung et al., 2004). Эта точка зрения подтверждается наблюдением за дополнительными блокированными стимулом компонентами ERP, связанными с конфликтом (например,g., N2 и N450) в Stroop (например, West, 2004), go / no-go (например, Nieuwenhuis et al., 2003) и фланкерных задачах (Yeung et al., 2004). Эти компоненты имеют такую ​​же топографию, что и ERN, а также локализованы в ACC. Вместе эти данные предполагают, что ACC служит центральным монитором конфликта стимулов и ответов (Botvinick et al., 2004). Таким образом, эти компоненты могут оказаться полезными показателями мониторинга конфликта во время производства речи. Важным моментом для данной статьи является то, что компоненты ERP с блокировкой стимула предоставляют свидетельства того, что ошибки действий или, более конкретно, возможность будущих ошибок могут отслеживаться до выполнения фактического ответа.

В речевых задачах анализ с блокировкой ответа показал, что ошибки, допущенные во время скрытых речевых задач, также приводят к форме волны, подобной ERN. Например, в одной парадигме участники тайно называли линейные рисунки при нажатии кнопок, если в имени присутствовала определенная фонема. Неправильное нажатие кнопок (то есть ложные срабатывания) в этой модифицированной задаче «годен / не годен» приводило к возникновению ERN (Ганущак и Шиллер, 2006, 2008b). Эти данные свидетельствуют о том, что обнаружение ошибок во время языковых задач происходит с помощью той же системы мониторинга конфликтов, которая участвует в ошибках действий.Однако локус ошибки в этих исследованиях неоднозначен, поскольку ERN наблюдался после нажатия кнопки, а не после голосовой ошибки. Остается неясным, связана ли обнаруженная ошибка в процессе формирования речи или на этапе выбора ответа вручную. Доказательства, согласующиеся с обнаружением ошибок во время голосовых ответов, наблюдались для речевых ошибок, выявленных в задаче Струпа (Masaki et al., 2001). Однако важно отметить, что активность ACC, связанная с мониторингом конфликта в задаче Струпа, также наблюдалась в соответствии с руководством в дополнение к голосовым ответам (см. Barch et al., 2001). Таким образом, трудно определить, отражает ли ERN, наблюдаемый Масаки и его коллегами, мониторинг самой голосовой ошибки или конфликта ответов, который присущ задаче. Аналогичные доказательства получены из исследования, в котором использовалось задание спуеризма (например, Möller et al., 2007). Участникам были показаны пары слов-индукторов, которые начинались с одних и тех же двух первых букв (например, DUCK BILL; DUST BIN), а затем звучали подсказки, чтобы они говорили вслух только для целевых пар (например, BARN DOOR).Испытания, в которых была допущена ошибка, привели к форме волны, подобной ERN. Эти результаты информативны, но, учитывая, что анализ был привязан к стимулу и подсказке вокализации, а не к ответу на ошибку, можно было бы задаться вопросом, может ли наблюдаемая ERN-подобная форма волны быть окончательно связана с мониторингом самой вокальной ошибки. Более того, задачу спуеризма можно рассматривать как модифицированную задачу «годен / не годен», которая может вызвать конфликт ответов из-за более низкой вероятности выполнения по сравнению с непроходными испытаниями.Ранее было показано, что изменение пропорции одобренных и запрещенных испытаний может модулировать связанные с конфликтом компоненты ERP (например, Nieuwenhuis et al., 2003). Таким образом, нельзя исключить, что связанная с ошибкой модуляция ERP, наблюдаемая Möller et al. (2007) могло быть связано с общим конфликтом, связанным с вероятностью, а не с ошибками речи. Тем не менее, эти исследования предоставляют важную поддержку гипотезе о том, что речевые ошибки отслеживаются с помощью центрального механизма мониторинга конфликтов. Однако более сильным доказательством может служить истинная ERN с блокировкой ответа, которая наблюдается после голосовых ошибок в задачах, которые не смешиваются с другими типами конфликта ответов.

Недавнее исследование предоставило такие убедительные доказательства. Два исследования показали, что голосовые ошибки, возникающие при задании именования картинок, приводят к возникновению ERN, аналогичному тому, который наблюдается после ошибок ручного действия (Ganushchak and Schiller, 2008a; Riès et al., 2011). В обоих исследованиях участникам показывали изображения штриховых рисунков и просили назвать их вслух. Ганущак и Шиллер (2008a) наблюдали максимум ERN над участками лобно-центральных электродов для ошибок, но не правильных ответов. Riès et al.(2011) также наблюдали ошибки следования ERN, но также и для правильных ответов. ERN для правильных ответов был меньше и демонстрировал более ранний пик, чем ERN для ошибок. Этот вывод согласуется с предыдущими наблюдениями ERN при правильных испытаниях во время ручных действий (например, Falkenstein et al., 2000; Vidal et al., 2000; Bartholow et al., 2005). ERN о правильных испытаниях использовался в качестве доказательства в поддержку интерпретации ERN мониторинга конфликта. Согласно этой интерпретации, ошибки представляют собой особый случай, когда конфликт ответов не разрешен, и центральный механизм мониторинга обнаруживает этот конфликт ответов.Идея о том, что ERN после речевых ошибок отражает мониторинг конфликта ответов, подтверждается недавним наблюдением, согласно которому ERN-подобный компонент чувствителен к той степени, в которой активируются множественные голосовые ответы во время задачи по присвоению имен картинкам (Acheson et al., 2012).

Эти исследования ясно подтверждают идею о том, что речевые ошибки отслеживаются той же системой мониторинга конфликтов, которая отслеживает неголосовые ошибки (Ganushchak and Schiller, 2008a; Riès et al., 2011). Более того, хронометраж ERN дает важное представление о конкретной стадии формулировки речи, во время которой происходит этот мониторинг.В обоих исследованиях пик ERN был примерно через 50–100 мс после начала голосового ответа. Это раннее определение времени указывает на то, что ERN не отражает обработку после ошибки через слуховую обратную связь во внешнем цикле. Скорее, ERN отражает отслеживание предартикуляционной ошибки в формулировке речи во время внутреннего цикла. Разумно предположить, что мониторинг происходит на последних этапах формулировки внутренней речи, возможно, даже во время подготовки речевых моторных команд.По крайней мере, кажется вероятным, что ERN отражает оценку конечных продуктов фонетического кодирования, как это было задумано недавними моделями производства речи (например, Levelt et al., 1999). Важный мотивирующий вопрос для текущего исследования заключается в том, можно ли отслеживать речевые ошибки на более раннем этапе процесса формулировки речи, например, во время фонологического кодирования, лексического отбора или даже формирования концепции.

Существует ряд исследований, которые предоставили поведенческие доказательства для мониторинга речи до стадии артикуляции.Например, Уилдон и Левелт (1995) попросили участников послушать английские слова и молча сгенерировать голландский перевод и отслеживать появление в этом переводе различных сегментов слова. Критическое сравнение проводится между испытаниями, в которых целевой сегмент был первым, по сравнению со вторым слогом в слове. Участникам требовалось больше времени, чтобы ответить, когда целью был второй слог по сравнению с первым. Наиболее важным выводом для текущего обсуждения было то, что масштаб этого сравнения не изменился, когда участников попросили одновременно считать вслух при выполнении задачи мониторинга.Это показывает, что даже если артикуляционный буфер занят, участники все равно могли выполнять задачу мониторинга таким же образом. Таким образом, участники, казалось, наблюдали за некоторым предартикуляционным представлением целевого слова. Сходные поведенческие свидетельства преартикуляционного мониторинга были описаны в других источниках, которые в значительной степени подтверждают предположение, что ошибки могут быть обнаружены и исправлены до артикуляции (см. Postma and Kolk, 1993 для обзора). Учитывая эти поведенческие данные, должно быть возможно найти нейрофизиологические доказательства мониторинга ошибок до артикуляции.Однако, насколько нам известно, очень мало исследований использовали этот подход, несмотря на тот факт, что анализ с блокировкой стимулов обеспечивает важный инструмент для понимания временной динамики преартикуляционных процессов производства речи (Riès et al., 2013). Из проведенных исследований Möller et al. (2007) обнаружили свидетельства повышенной негативности в исследованиях, в которых ложка была сделана между 400 и 600 мс после предъявления стимула, до артикуляции. Также, используя задачу спаризма, Severens et al.(2011) недавно сообщили, что в испытаниях с высокой степенью конфликтности и табуированности позитивность повышалась через 600 мс после предъявления стимула, хотя явной ошибки не было. Это открытие можно интерпретировать как свидетельство предварительного исправления ошибки.

В текущем исследовании мы использовали анализ с блокировкой стимулов для изучения ERP, связанных с ошибками в формулировке речи до артикуляции. Мы использовали задачу замены фонемы, которая, как известно, вызывает спонтанные вокальные ошибки (например,g., оговорки) в ~ 10% исследований (MacKay and James, 2004). Задача включает визуальное представление отдельных слов, содержащих целевые фонемы (например, / b / или / p /). При встрече со словом с целевой фонемой (например, RIPPED ) участники должны мысленно подставить альтернативную цель и озвучить получившееся слово (например, «RIBBED» ). Эта задача была выбрана потому, что она требует от участников сформулировать слово, быстро обмениваясь фонемами, и, таким образом, вероятно, вызывает конфликт, связанный с процессом формулировки речи.То есть задача, вероятно, вызывает конфликт между целевой фонемой, представленной в стимуле (например, / p / в RIPPED ), и фонемой, подлежащей замене (/ b / в RIBBED ), а не конфликт между два полностью подготовленных вокальных ответа (например, « RIPPED» против « RIBBED» ). Это отличается от таких задач, как задача Струпа, где кажется, что конфликт возникает между полностью подготовленными, конкурирующими ответами (см. Szücs et al., 2009). Этот аспект задачи позволяет нам исследовать ERP, связанные с ошибками, возникающими на ранних этапах формулировки речи, такими как фонологическое кодирование стадии внутренней речи, которые необходимы для выполнения замены фонемы.Настоящая задача также устраняет конфликт, связанный с вариабельностью вероятности ответа, требуя, чтобы участники озвучивали ответ при каждом испытании. Эксперимент также был спроектирован таким образом, чтобы направление замен между высокочастотными и низкочастотными словами было сбалансировано, чтобы устранить возможные затруднения, связанные с вероятностью стимула, доминантными ответами и частотой слов.

Исследования, рассмотренные выше, предоставляют важную информацию о природе как пре-, так и постартикуляционного мониторинга речевых ошибок, особенно в определении роли центральной системы мониторинга ошибок в обнаружении ошибок после того, как артикуляция была инициирована.Однако нейрофизиологическая основа мониторинга речевых ошибок до артикуляции посредством концептуальных и внутренних циклов (Postma, 2000) не исследована. Новый подход в текущем исследовании заключается в использовании ERP-анализа с блокировкой стимулов и ответов для изучения мониторинга ошибок до и после начала артикуляции в одном эксперименте. Речевые ошибки определялись как неправильное произношение целевых слов во время задачи замены фонемы. Анализы с блокировкой стимулов были изучены для доказательства того, что испытания, которые в конечном итоге приводят к ошибкам, можно отличить от тех, которые позже были безошибочными, и, таким образом, могут быть признаком ERP предартикуляционного мониторинга.Задача замены фонемы вызывает высокий уровень конфликта при каждой попытке между представленным словом и словом, которое должно быть произведено. Согласно теории мониторинга конфликтов (например, Yeung et al., 2004), испытания с высоким уровнем конфликтов, которые являются правильными, должны демонстрировать больший компонент N2, чем испытания с ошибками. Если речевые ошибки до артикуляции обнаруживаются таким же образом, как и другие ошибки действия, аналогичный образец эффектов N2 должен наблюдаться в текущем анализе с синхронизацией стимула. Был проведен анализ с блокировкой ответа, чтобы подтвердить наличие ERN, связанного с вокальными ошибками.Цель этого анализа состояла в том, чтобы изучить возможность обобщения ERN во время ошибок производства речи в задаче, отличной от задачи присвоения имен картинкам, которая использовалась ранее (Ganushchak and Schiller, 2008a; Riès et al., 2011). Чтобы подтвердить предыдущие доказательства того, что ERN следует за ошибками речи, мы сравнили амплитуду по фронто-центральным сайтам между правильными и неправильными испытаниями сразу после ответа, предсказывая, что ошибки речи будут вызывать ERN.

Методы

Участники

Шестнадцать студентов и аспирантов (14 правшей) из Университета Конкордия в Монреале, Квебек, Канада в возрасте от 19 до 35 лет ( M = 25.4, SD = 3.8) были набраны для участия в этом исследовании. Все участники были носителями английского языка, которые дали информированное согласие на участие в эксперименте. Комитет по этике исследований на людях Университета Конкордия одобрил это исследование.

Материалы и процедуры

План этого эксперимента был основан на модифицированной задаче замены слов, которая использовалась ранее для выявления голосовых ошибок (MacKay and James, 2004). В текущем эксперименте участники просматривали отдельные слова, отображаемые на экране, по одному в течение 80 мс.В этом задании участников просили следить за появлением либо a / b /, либо a / p / (например, RIPPED) , мысленно подставлять альтернативную фонему и озвучивать полученное слово (например, « RIBBED» ) как можно быстрее. Их также проинструктировали, что если они заметят слово, не содержащее целевых фонем, они должны вслух ответить словом «НИ ОДИН». Для текущих целей задача, использованная Маккеем и Джеймсом (2004), была изменена с целью увеличения количества экспериментальных испытаний путем включения дополнительных условий замены / d / и / t / (например,g., увидев слово TUSK и ответив «СУМЕРКИ» ).

Все стимулы состояли из суффикса (необязательно) и одного слога и отображались на мониторе компьютера черным шрифтом Tahoma с 34 пунктами. Были созданы четыре различных списка слов (см. Приложение): 88 пар слов для замены / b / и / p /, 90 пар слов для замены / d / и / t /, 50 слов для «только для чтения, »Базовое условие и 24 слова, используемые в качестве пробных слов (не содержащие целевую фонему) во время блоков замещения.Равное количество стимулирующих слов требуется замен / b / на / p / и / p / на / b /. Для стимулов замены / b / и / p / были выбраны слова, которые содержали / b / или / p / в начале, в середине или в конце слова. Слова включались только в том случае, если настоящее английское слово могло быть создано путем замены / b / на / p / и наоборот. Стимулы замещения / d / и / t / были выбраны таким же образом, за исключением фонем / d / и / t / в качестве целей. Слова, использованные для условия «только чтение» и попыток отлова, не содержали ни одной из целевых фонем (т.е., / b /, / p /, / d / или / t /). Все списки слов были сопоставлены по средней длине слова, частоте, а также по орфографическим и фонографическим соседям (Balota et al., 2007). В качестве дополнительного элемента управления равное количество элементов изменилось с высокой частоты на низкую (например, BIT на PIT ) и наоборот (например, LENT на LEND ) в условиях замещения. Наконец, аналогичная пропорция испытаний требовала замены звонкой согласной на глухую и наоборот.Для половины участников 52,5% экспериментальных испытаний требовали замены озвученный на незвученный, в то время как для других участников 47,5% всех испытаний требовали замену голосом на незвук. Также был создан практический список из 27 слов для каждого типа замены, состоящего из английских слов, которые после замены приводят к псевдословам. Участники увидели только одну из двух уравновешенных версий экспериментальных списков слов, которые были созданы следующим образом: правильно подставленные ответные слова в списке A использовались в качестве стимулирующих слов в списке B, и наоборот.

Все участники выполнили следующий порядок условий: первый блок из 50 испытаний использовался в качестве базовой меры, чтобы гарантировать, что участники могут правильно читать и обрабатывать слова во время краткой презентации. В этом блоке испытаний участников просто попросили как можно быстрее прочитать слова вслух. После голосового ответа был интервал 200 мс между испытаниями, прежде чем было представлено следующее слово. Экспериментальные испытания начались с 27 практических / b / и / p / замещающих стимулов.После короткого перерыва участники выполнили 88 замен / b / и / p / с 12 произвольно размещенными попытками улова, разделенными на два блока. Наконец, участники завершили 27 практических испытаний, используя правило замены / d / и / t /, за которыми следовали замены 90 / d / и / t / с 12 попытками случайного улова в двух экспериментальных блоках. Никакой обратной связи по производительности на любом этапе эксперимента не поступало.

Записи аппаратуры и электроэнцефалограммы (ЭЭГ)

Для текущего эксперимента мы использовали Inquisit 3.0.4.0 (Millisecond Sofware LLC. Сиэтл, Вашингтон) для отображения слов на экране и записи голосовых ответов в виде отдельных файлов .wav. Для записи этих голосовых ответов использовался стандартный микрофон гарнитуры. Второй микрофон использовался вместе со специально созданной системой голосового запуска, которая сигнализировала о начале голосовых ответов с использованием порогового значения амплитуды.

Программное обеспечение регистрации ЭЭГ приняло эти триггеры и имплантированные коды в поток данных ЭЭГ для синхронизации ответов. Непрерывная ЭЭГ регистрировалась с помощью системы ЭЭГ с активными электродами, ActiveTwo (BioSemi, Амстердам, Нидерланды), с использованием нейлонового колпачка с 64 электродами, выборка производилась с частотой 512 Гц в полосе пропускания от постоянного тока до 104 Гц.Все данные ЭЭГ были повторно привязаны в автономном режиме к связанным мочкам ушей, а также были отфильтрованы в автономном режиме для частот от 0,1 до 50 Гц. Горизонтальные и вертикальные электроокулограммы (HEOG и VEOG) использовались для мониторинга движений глаз, и испытания с активностью HEOG, превышающей +/- 50 мкВ, были отклонены. Любые чрезмерные артефакты VEOG (например, мигание глаз) были исправлены с использованием техники, эквивалентной анализу основных пространственных компонентов (PCA) без вращения компонентов (метод коррекции пространственного фильтра, метод 2, NeuroScan Edit 4.3 учебное пособие, 2003 г.). Испытания с активностью ЭЭГ и другими артефактами движения, превышающими +/- 100 мкВ, были отклонены.

Анализ данных

Пока участники выполняли задание, первый автор отслеживал их голосовые ответы на предмет ошибок, отмечая пробный номер для любого ответа, который звучал как ошибка. Все испытания были повторно проверены на наличие ошибок в автономном режиме с использованием индивидуальных файлов .wav, созданных для каждого ответа, и были классифицированы с использованием критериев, описанных Маккеем и Джеймсом (2004). Вкратце, были включены девять различных категорий ошибок (категории, примеры ошибок и относительные частоты см. В Таблице 1).Ошибками пропуска были любые слова, в которых сегмент был пропущен во время артикуляции (например, говоря pan , вместо pan ), тогда как добавления были словами, которые включали новый сегмент, который не должен был произноситься (например, сказать clups ). , вместо стаканов ). Участники также допускали ошибки замены, в которых была произведена замена фонемы, но неверно. Ошибки последовательной замены — это те ответы, в которых была вставлена ​​правильная фонема, но в неправильном месте в слове (например,g., говоря baps , вместо labs для стимула LAPS ). Ошибками непоследовательной замены были слова, в которых в слово была вставлена ​​неправильная фонема (например, слово puck вместо pug для стимула BUG ). Ошибки без замены — это испытания, в которых участник повторял прочитанное слово, а не делал замену. Ошибки неидентификации представляли собой испытания, в которых участники говорили « ни » экспериментальному слову, содержащему целевую фонему.Ошибки беглости включали заикание, фальстарт и « uh ». Множественные ошибки — это любые испытания, в которых сочетается более одной из вышеупомянутых ошибок. Наконец, исправления ошибок были испытаниями, в которых участник спонтанно исправлял первоначальную ошибку сразу. Время реакции рассчитывали от начала стимула до триггера голосового ответа.

Таблица 1. Типы ошибок с абсолютной и относительной частотами в экспериментальных исследованиях .

Важной проблемой для исследователей, изучающих компоненты ERP при воспроизведении открытой речи, является известное загрязнение сигнала ЭЭГ движениями речевой мускулатуры (например,г., Брукер и Дональд, 1980). Это загрязнение особенно проблематично для анализов с блокировкой ответа. Однако недавние эксперименты успешно исследовали компоненты ERP во время открытой речи (например, Ford et al., 2001; Heinks-Maldonado et al., 2005; Hawco et al., 2009), и некоторые исследователи использовали статистические методы удаления мышечных артефактов из сигнал ЭЭГ (например, de Vos et al., 2010). Такие методы не использовались в текущем исследовании, поскольку загрязняющие эффекты открытой речи были сведены к минимуму, требуя использования только коротких односложных слов, которые произносятся изолированно, а не в контексте предложения.Более того, любое потенциальное загрязнение в сигналах с синхронизацией отклика, полученных в этом исследовании, будет одинаковым как для ошибок, так и для правильных ответов, поскольку голосовая природа ответа одинакова в обоих случаях. Наконец, есть свидетельства того, что центральный участок электрода Cz, который больше всего связан с мониторингом ошибок, не загрязнен в той же степени связанными с речью мышечными движениями, как другие участки электродов (Brooker and Donald, 1980). В соответствии с этим выводом, мы не наблюдали какого-либо значительного загрязнения ЭЭГ на интересующих участках электродов средней линии в наших анализах.

ERP был проведен с использованием программы Scan (программное обеспечение Compumedics Neuroscan, Шарлотт, Северная Каролина, США). Эпохи синхронизации стимула продолжительностью 700 мс (от -100 до 600 мс) были получены для оценки разницы форм сигналов между стимулами, которые в конечном итоге привели к правильной вокализации, и теми, которые привели к вокальной ошибке. Мы сосредоточили наш анализ на центральных участках средней линии (FCz, Cz и CPz), поскольку обычно именно в этих местах компоненты ERP, связанные с конфликтом, наблюдаются во время анализа с привязкой к стимулам в ручных задачах.

Эпох с синхронизацией отклика 500 мс (от -300 до 200 мс) было получено для оценки различий формы сигнала между правильными и неправильными испытаниями сразу после инициирования ответа. Эта эпоха была разделена поровну на интервалы по 50 мс, и ERN оценивался по фронто-центральным сайтам FCz и CZ, между 50 и 100 мс после ответа (Holroyd and Coles, 2002). Этот интервал сравнивали с базовым интервалом 50 мс, предшествующим ответу. Средняя амплитуда для каждого интервала была усреднена по правильным и неправильным испытаниям и агрегирована по участникам.Для всех анализов средние значения были скорректированы до среднего значения 0 мкВ 100 мс до стимула или интервала до ответа. Один участник был исключен из анализа ERP, потому что только одна попытка ошибки пережила отклонение артефакта.

Результаты

Поправка на несферичность Greenhouse-Geisser (Greenhouse and Geisser, 1959) применялась ко всем ANOVA с повторными измерениями с более чем одной степенью свободы ( df ) в числителе. Для каждого статистического сравнения приводятся нескорректированные степени свободы, среднеквадратичная ошибка ( MSE ), частичный квадрат эта (η ² _p ) и скорректированные значения p .Также сообщается об анализе простых эффектов после всех значительных основных эффектов и взаимодействий с использованием метода Бонферрони. Все статистические сравнения считаются значимыми при уровне α = 0,05, если не указано иное.

Поведенческие результаты

Сначала мы проверили, что короткое время презентации было достаточным для участников, чтобы обработать слова в состоянии «только для чтения», и сравнили эти ответы с двумя условиями замены. Односторонний дисперсионный анализ, сравнивающий испытания на замену / b / и / p /, а также / d / и / t / в режиме «только чтение», выявил основной эффект для обеих частот ошибок: F _(14,2) = 20.5, MSE = 415,3, η ² _p = 0,59, p <0,001, и время реакции, F _(14,2) = 38,2, MSE = 364, 996,9 , η ² _p = 0,72, p <0,001. В среднем участники допускали ошибки только в 1,9% испытаний только для чтения ( SD = 0,42%) и имели среднее время реакции 272,0 мс ( SD = 39,2) для правильно прочитанных слов. Участники сделали значительно больше ошибок при заменах / b / и / p / [ M = 10.9%, SD = 7,6%, t ₍₁₅₎ = −5,3, p <0,001] и / d / и / t / замен [ M = 10,6%, SD = 5,6%, t ₍₁₅₎ = -6,9, p <0,001], по сравнению с испытаниями только для чтения. Кроме того, время реакции для / b / и / p / [ M = 471,0 мс, SD = 131,1 мс, t ₍₁₅₎ = −6,2, p <0,001] и / d / и / t / замен [ M = 472.7 мс, SD = 127,0 мс, t ₍₁₅₎ = -6,6, p <0,001], были значительно дольше, чем испытания только для чтения. Типы проб замещения не отличались друг от друга ни по частоте ошибок, t ₍₁₅₎ = 0,5, p = 0,62, либо по времени реакции, t ₍₁₅₎ = −0,2, p = 0,88. Таким образом, для всех последующих анализов типы испытаний замещения были сведены воедино. В целом участники допускали в среднем 10 ошибок.6% испытаний замены ( SD = 6,1%) со средним временем реакции 472,0 мс ( SD = 128,1 мс) для правильных испытаний. Хотя немного больше, среднее время реакции на ошибки в испытаниях замены ( M = 500,1 мс, SD = 127,0 мс) существенно не отличалось от правильных испытаний, t ₍₁₅₎ = -1,9, р = 0,07.

Учитывая, что речевые ошибки могут принимать различные формы, важно предоставить дополнительные сведения о типах ошибок, которые были выявлены в этом эксперименте.С этой целью мы классифицировали все ошибки по девяти категориям, разработанным ранее (например, MacKay and James, 2004). Относительные частоты ошибок в каждой из девяти категорий суммированы в Таблице 1. Наиболее распространенными ошибками, выявленными в текущем исследовании, были ошибки, которые включали комбинацию ошибок (т. Е. Множественные ошибки), исправления ошибок, ошибки беглости и не- ошибки последовательной подстановки. Эти четыре типа ошибок составили 75,5% всех выявленных ошибок. Настоящее исследование было сосредоточено на изучении электрофизиологических коррелятов преартикуляционного обнаружения ошибок речи (т.е., задолго до артикуляции). Категории, которые с наименьшей вероятностью представляют ошибки в процессах формулировки речи, — это ошибки отсутствия замены и ошибки неидентификации, поскольку эти две категории отражают ошибки при выполнении задачи, а не ошибки речи как таковые . Остальные семь категорий составляют 90,5% всех ошибок и представляют собой ошибки, при которых вероятно нарушение некоторых аспектов ранней формулировки речи, например фонологического кодирования. По этим причинам ошибки, связанные с преобразованием и идентификацией, были исключены из анализа ERP.К сожалению, поскольку в каждой из оставшихся категорий ошибок было проведено недостаточное количество попыток ошибок, детальный анализ ERP, сравнивающий различные типы ошибок, был невозможен. Таким образом, как это было сделано ранее, все типы ошибок были объединены для анализа ERP (например, Riès et al., 2011).

Анализ ERP с блокировкой стимулов

Важный вопрос о природе отслеживания ошибок во время произнесения речи заключается в том, обнаруживаются ли ошибки до артикуляции.Чтобы изучить эту возможность с текущими данными, мы сравнили усредненную амплитуду сигнала ERP после стимулов, которые в конечном итоге привели к правильной вокализации, а не к неправильной. Для анализа с блокировкой стимулов количество попыток ошибок, которые пережили отклонение артефактов, варьировалось от 5 до 30 ( M = 14,5, SD = 7,2), тогда как количество правильных испытаний, включенных в средние значения, варьировалось от 49 до 162. испытания ( M = 113,4, SD = 27,9). Это среднее значение намного выше недавнего отчета о минимальном количестве испытаний, необходимых для стабильной ERN (Pontifex et al., 2010). При визуальном осмотре формы волны с синхронизацией стимула (рис. 1) становится ясно, что есть ранние различия между стимулами, которые привели к правильным и неправильным ответам. Положительный пик, подобный P2, кажется больше для неправильных ответов по сравнению с правильными ответами. Чтобы изучить эту разницу, мы сравнили среднюю амплитуду сигнала между 200 и 275 мс после стимула, чтобы охарактеризовать P2. Это различие между правильными и неправильными ответами сравнивали с использованием 2 (тип ответа) × 3 (место электрода) ANOVA для интервала P2.Был значительный главный эффект типа ответа, F _(13,2) = 5,0, MSE = 8,4, η ² _p = 0,26, p <0,05, так что P2 был больше для стимулов, которые привели к ошибкам, по сравнению с теми, которые привели к правильным ответам. Не было эффекта от места установки электрода ( p > 0,76) и не было взаимодействия между типом ответа и местом электрода ( p > 0,57).

Рисунок 1.Синхронизированные по стимулу, большие усредненные формы сигналов для электродов: FCz, Cz и CPz. На рисунке показана средняя форма сигнала для правильного (пунктирная линия) и неправильного (сплошная линия) ответов (панели слева). Компонент P2 можно наблюдать между 200 и 275 мс после стимула. Панели справа показывают усредненные амплитуды в окне P2 со стандартными полосами погрешностей. N2 можно наблюдать между 275 и 375 мс после стимула.

В целом, ранняя обработка, связанная со стимулом, связанная с предстоящей ошибкой, подтверждается различиями формы сигнала P2 в местах расположения передних и центральных электродов.Предыдущая работа связала P2 с орфографической плотностью окрестностей (например, Taler and Phillips, 2007). Чтобы проверить, могут ли наблюдаемые различия амплитуд P2 в этом исследовании отражать эффекты орфографической плотности соседства, мы оценили орфографическую и фонологическую плотность соседства слов, которые привели к речевым ошибкам, по сравнению со словами, которые привели к правильным заменам. Интересно, что средняя орфографическая и фонологическая оценка плотности соседства слов, которая привела к ошибке ( M = 11.1, SD = 1,3 и M = 20,9, SD = 3,4 соответственно) были ниже, чем оценки слов, которые привели к правильным ответам ( M = 12,5, SD = 0,2 и M = 23.9, SD = 0.4 соответственно). Сравнение теста T между ошибками и правильными испытаниями показало, что эти различия были значительными для орфографических, t ₍₁₄₎ = 3,86, p <0,01, и фонологических оценок плотности соседства, t ₍₁₄₎ = 3.16, p <0,01. Этот вывод подтверждает предыдущую работу, связывающую P2 с орфографической и фонологической обработкой во время распознавания слов. Кроме того, слова, которые привели к речевым ошибкам, имели более низкий рейтинг частоты слов ( M = 51,7, SD = 84,6), чем слова, которые привели к правильным ответам ( M = 102,3, SD = 12,1). Эта разница была незначительной, t ₍₁₄₎ = 2,11, p = 0,053.

Учитывая, что слова, которые в конечном итоге привели к ошибке, различались по плотности соседства и частоте слов, различия амплитуд P2, наблюдаемые между неправильными и правильными ответами, могут отражать различия в процессах распознавания слов, а не в обработке ошибок.Чтобы проверить это возможное противоречие, мы провели разделение медианы по плотности соседства и частоте слов для слов, которые привели к правильным ответам (обратите внимание, что не было достаточного количества испытаний для проведения такого анализа ошибок). Если наблюдаемые нами различия P2 являются исключительно результатом эффектов плотности соседства или частотности слов, слова, которые имеют высокий рейтинг в любом из этих рейтингов, должны быть связаны с более крупным компонентом P2. С этой целью мы сравнили усредненную амплитуду сигналов от 200 до 275 мс после стимула для слов, которые были выше и ниже средней плотности соседства в рейтинге плотности (высокая vs.низкий) по месту электрода (FCz, Cz и CPz) ANOVA. Средняя амплитуда для слов с высокой плотностью соседства ( M = 1,38, SE = 0,87) не отличалась от слов с низкой плотностью соседства ( M = 1,27, SE = 0,91). Не было основных эффектов рейтинга плотности ( p = 0,79) или места электрода ( p = 0,66), а также взаимодействия ( p = 0,10). Мы также сравнили усредненную амплитуду сигналов между 200 и 275 мс после стимула для слов, которые были выше и ниже средней оценки частоты слова для правильных ответов в частотной оценке (высокая vs.низкий) по месту электрода (FCz, Cz и CPz) ANOVA. Опять же, не было различий в амплитуде P2 между высокими ( M = 1,36, SE = 0,90) и низкочастотными словами ( M = 1,48, SE = 0,89) на любом участке электрода. Не было основных эффектов частоты слов ( p = 0,74) или места электрода ( p = 0,74) и никакого взаимодействия ( p = 0,80). Таким образом, тот факт, что амплитуда P2 не модулировалась плотностью соседства или оценками частоты слов, предполагает, что связанное с ошибкой увеличение амплитуды P2 не может быть объяснено различиями в характеристиках стимула.Вместо этого увеличенная амплитуда P2 для ошибок, вероятно, отражает нейрофизиологическую подпись ошибки, возникшей до артикуляции.

Из визуального осмотра рисунка 1 также видно, что как правильные, так и неправильные ответы вызывают компонент N2 схожей амплитуды. Чтобы убедиться, что в этом эксперименте был выявлен устойчивый компонент N2, мы количественно оценили величину компонента N2, вычислив оценку разницы от пика до минимума. Мы рассчитали разницу между пиком P2 между 200 и 275 мс после стимула и пиком N2 между 275 и 375 мс после стимула для каждого человека и сравнили среднее значение этой величины N2 с нулем как для правильного, так и для неправильного. ответы в отдельных тестах t на каждом участке электродов средней линии (FCz, Cz и CPz).На всех трех участках электродов величина N2 была значительно больше нуля как для правильных, так и для неправильных ответов после использования поправки Бонферрони для множественных сравнений (таблица 2). Этот вывод указывает на то, что высокий уровень конфликта ответов был вызван во время всех испытаний в этой парадигме.

Таблица 2. Сравнение величины N2 с нулем для слов, которые привели к правильным и неправильным ответам .

Наша первоначальная гипотеза заключалась в том, что если ресурсы мониторинга конфликта задействованы для обнаружения предартикуляционных речевых ошибок, N2 должен различаться между правильными и неправильными ответами.Чтобы определить, было ли это так, мы провели ANOVA 3 (электрод) × 2 (тип ответа) для интервала 100 мс между 275 и 375 мс после стимула, чтобы охарактеризовать компонент N2. Основной эффект типа ответа был незначительным ( p > 0,60), что свидетельствует об отсутствии достоверных различий между стимулами, которые привели к правильным ответам, по сравнению с неправильными ответами на любом из участков электродов. Был значительный основной эффект электродной площадки, F _(13,2) = 5.0, MSE = 8,4, η ² _p = 0,44, p <0,05, так что амплитуда N2 была более отрицательной при FCz, чем Cz ( p <0,05) и CPz ( p <0,05). Также не было взаимодействия между местом расположения электрода и типом ответа ( p > 0,60). Отсутствие связанной с ошибкой разницы амплитуд N2 демонстрирует, что стимулы, которые в конечном итоге привели к неправильному ответу, не задействовали ресурсы мониторинга конфликта не больше, чем те, которые привели к правильному ответу.

Анализ ERP с блокировкой ответа

Чтобы подтвердить предыдущие наблюдения о том, что речевые ошибки вызывают ERN, подобную ERN, наблюдаемую для других типов ошибок действий, мы также провели анализ с блокировкой ответа. Чтобы охарактеризовать ERN, мы сравнили усредненную амплитуду в интервале 50–100 мс после ответа между правильными и неправильными ответами в испытаниях по замене по участкам лобно-центральных электродов: FCz и Cz (например, Holroyd and Coles, 2002; Yeung et al. al., 2004). В качестве базового сравнения сравнивалась усредненная амплитуда в интервале 50 мс непосредственно перед ответом между правильными и неправильными ответами. Для анализов с блокировкой ответов количество испытаний с ошибками, которые пережили отклонение артефакта, варьировалось от 5 до 32 испытаний ( M = 14,0, SD = 7,7), тогда как количество правильных испытаний, включенных в средние значения, варьировалось от 61 до 166. испытания ( M = 122,0, SD = 35,9). Эти данные были подвергнуты отдельным 2 (место электродов) × 2 (тип ответа) ANOVA.В интервале 50–100 мс был значительный основной эффект точности ответа, F _(14,1) = 9,9, MSE = 11,1, η ² _p = 0,41, p <0,05, так что отрицательная форма волны для неправильных ответов была больше по сравнению с правильными ответами на обоих участках электродов (рис. 2). Сравнение правильных и неправильных ответов не было значимым в течение интервала 50 мс перед ответом [ F _(14,1) = 1.0, MSE = 0,008, η ² _p = 0,07, p = 0,34]. Этот вывод подтверждает предположение, что ERN с типичной топографией и задержкой будут связаны с самопроизвольными речевыми ошибками.

Рис. 2. Формы большого усредненного сигнала с синхронизацией отклика для лобно-центральных электродов: FCz и Cz. На рисунке показана средняя форма сигнала для правильного (пунктирная линия) и неправильного (сплошная линия) ответов (панели с левой стороны).ERN можно наблюдать после ответа, достигая пика примерно через 75 мс после ответа на ошибку. На панелях с правой стороны показаны усредненные амплитуды в интервале 50–100 мс после ответа со стандартными планками ошибок.

Обсуждение

Целью настоящего исследования было изучить электрофизиологические корреляты как пре-, так и постартикуляционного мониторинга ошибок во время произнесения речи. С этой целью мы использовали задачу замены фонем, которая, как известно, вызывает самопроизвольные речевые ошибки (MacKay and James, 2004), и проанализировали ERP-волны с синхронизацией стимулов и ответов после правильных и неправильных голосовых ответов.Анализ с блокировкой стимулов показал, что стимулы, для которых участники не смогли правильно заменить требуемую фонему, не вызвали повышенного привлечения общих ресурсов мониторинга конфликта, по крайней мере, если измерять с помощью компонента N2. N2 не отличался между стимулами, которые привели к ошибкам, по сравнению с правильными ответами. Однако ERP, вызванные представлением слов во время испытаний замены, которые привели к речевым ошибкам, отличались от тех, которые не приводили к речевым ошибкам, более крупным компонентом P2.Это наблюдение предполагает, что P2 представляет собой нейрофизиологическую подпись ошибок, которые возникают во время формулировки речи до артикуляции. Анализ с синхронизацией отклика подтвердил нашу гипотезу о том, что за речевыми ошибками последует ERN по участкам лобно-центральных электродов. Эти результаты подтверждают и расширяют предыдущие исследования, которые постулируют роль ACC в самопроизвольном мониторинге речи и обсуждаются ниже с точки зрения текущих моделей воспроизведения речи.

Наша первоначальная гипотеза заключалась в том, что если речевые ошибки отслеживаются до артикуляции, в нашем анализе с синхронизацией по стимулу должен наблюдаться нейрофизиологический признак мониторинга ошибок.В парадигмах, требующих ручных действий, именно компонент N2 обычно связан с процессами мониторинга конфликта, которые задействуются до явных действий (например, Yeung et al., 2004; Carter and van Veen, 2007; Randall and Smith, 2011 ; Смит, 2011). Теории производства речи предполагают, что речевые ошибки обнаруживаются теми же центральными механизмами мониторинга конфликтов, которые используются для ручных действий (Ganushchak and Schiller, 2008a; Riès et al., 2011). Исходя из этого, мы предсказали, что стимулам, которые в конечном итоге привели к правильному ответу, будет предшествовать больший N2, чем стимулам, которые привели к ошибке.Текущие результаты не подтверждают эту гипотезу. Вместо этого как правильные, так и неправильные ответы были связаны с компонентом N2 равной амплитуды, что свидетельствует о том, что участники всегда отслеживали наличие конфликта на ранних стадиях процесса формулирования речи. Задание на замену вводит высокий уровень конфликта между визуально представленным словом и словом, которое должно быть произведено. В этом смысле вполне вероятно, что процессы мониторинга конфликта задействуются при каждом судебном разбирательстве. Этот вывод может быть истолкован как свидетельство того, что ресурсы мониторинга конфликта привлекаются во время речевых задач, связанных с конфликтом ответов.Примечательно, что компонент N2 наблюдался в различных экспериментальных условиях, многие из которых не связаны с конфликтом реакции (см. Folstein and van Petten, 2008). Компонент N2 можно разделить на множество подкомпонентов в зависимости от топографии и условий выявления. N2 в текущих данных больше всего на передних участках, чем в задних. Передний N2 был связан, в частности, с обработкой новизны и визуальным несоответствием в задачах, таких как парадигма чудаков, и с процессами когнитивного контроля в таких задачах, как задача фланкера и задача «годен / не годен».Кажется маловероятным, что текущий N2 отражает новизну стимула или визуальное несоответствие, поскольку стимулы были тщательно сопоставлены по длине слова, частоте и плотности соседства, а также требовалось такое же количество испытаний / b /, / p /, / d / и / t / замен. Более вероятная интерпретация состоит в том, что задача замены фонемы требует задействования процессов когнитивного контроля, таких как мониторинг производительности при каждом испытании. Однако потребуются дальнейшие исследования, чтобы определить роль процессов мониторинга конфликтов во время формулировки речи до артикуляции.

Хотя наблюдение за компонентом N2 во всех испытаниях предполагает, что общие ресурсы мониторинга конфликта задействованы во время задачи, N2, по-видимому, не отражает конкретно раннее обнаружение ошибок речи. Однако анализ с блокировкой стимулов действительно отличал слова, которые приводили к правильным ответам, от тех, которые приводили к неправильным ответам. В частности, наблюдалось увеличение амплитуды сигнала P2 после стимулов, которые приводили к неправильному, по сравнению с правильным ответом.Это наблюдение согласуется с идеей, что ошибки можно отслеживать до артикуляции. Учитывая синхронизацию компонента P2, ясно, что этот мониторинг происходит на ранней стадии формулировки речи. Предыдущие исследования связали P2 с ранней орфографической обработкой во время распознавания слов. Например, было показано, что амплитуда P2 больше, когда участники распознают слова с высоким рейтингом плотности соседства по сравнению с низким (например, Taler and Phillips, 2007).Компонент P2 также похож на потенциал распознавания, компонент ERP, связанный с просмотром распознаваемых стимулов, таких как изображения и слова (см. Обзор в Martín-Loeches, 2007). Этот компонент чувствителен к орфографическим характеристикам словесных стимулов (например, Martín-Loeches et al., 1999) и в значительной степени связан с процессами лексического отбора (например, Hinojosa et al., 2001a, b). Эти данные предполагают, что P2 может отражать первоначальный доступ или активацию лексических кандидатов, разделяющих орфографические особенности с представленным словом.В контексте моделей производства речи (см. Postma, 2000), более крупный компонент P2 для проверки ошибок поместит процесс мониторинга на стадию внутренней речи, потенциально во время формирования фонематического представления произносимого слова.

Учитывая, что компонент P2 чувствителен к орфографической плотности соседства слова-стимула, можно утверждать, что большее значение P2 для ошибок в текущих данных конкретно связано с эффектами плотности соседства, а не с контролем ошибок как таковым .При распознавании слов ранняя визуальная обработка приводит к активации подмножества совместимых лексических статей в ментальном лексиконе. Во время лексического выбора соответствующий кандидат должен быть выбран из этого пула активированных совместимых лексических статей. Таким образом, фонологические и орфографические соседи, вероятно, активируются при встрече с визуальным словесным стимулом. В задаче замены фонемы, использованной в данном исследовании, целевое слово, которое должно быть произведено, является одним из этих активированных орфографических соседей.Таким образом, можно было предсказать, что слова с высокой плотностью соседства должны привести к усилению конкуренции между множеством активированных лексических кандидатов, что приведет к большему P2 и приведет к более высокому уровню ошибок. Текущие данные не подтверждают этот прогноз. Вместо этого слова, которые привели к ошибке, имели более низкий рейтинг плотности соседства, но больший компонент P2, в то время как слова, которые привели к правильным ответам, имели более высокий рейтинг плотности соседства и меньший P2. Этот образец не согласуется с интерпретацией плотности соседства различий P2 между правильными и неправильными испытаниями.Фактически, наши данные предполагают, что активация многих орфографических соседей представленных слов способствует окончательному производству соседа, содержащего соответствующую замену фонемы. Эта интерпретация согласуется с поведенческими доказательствами того, что лексические решения и наименование слов быстрее для слов с высокой плотностью соседства по сравнению со словами с низкой плотностью соседства (например, Sears et al., 1995; Forster and Shen, 1996; Carreiras et al., 1997).

Еще одно свидетельство против объяснения плотности соседства текущих эффектов P2 происходит из прямого сравнения форм сигналов, вызванных словами с высоким vs.низкая плотность соседства. Для всех испытаний, которые привели к правильному ответу, мы провели разделение медианы на основе рейтингов орфографической плотности соседства, чтобы определить, чувствительна ли амплитуда компонента P2 к плотности соседства в задаче замены фонемы. Данные показали, что размер компонента P2 не менялся в зависимости от плотности окрестностей. Более того, аналогичное сравнение слов с высокой и низкой частотой не выявило различий в амплитуде компонента P2.Амплитуда P2 была чувствительна только к речевым ошибкам в текущем эксперименте, обеспечивая дополнительную поддержку объяснения мониторинга ошибок увеличения амплитуды P2.

Тем не менее, кажется вероятным, что плотность соседства играет роль в определении того, будет ли слово произнесено правильно или нет. Низкая плотность соседства может служить прогностической информацией для системы мониторинга, чтобы сигнализировать о вероятности предстоящей ошибки. В этом смысле разница амплитуд P2 может отражать прогнозирующий нейрофизиологический маркер последующего производства ошибок.Преимущество такого механизма прогнозирования будет заключаться в том, чтобы инициировать корректировки в управлении вниманием, направленные на предотвращение или исправление ошибки до того, как артикуляция будет полностью запланирована. Однако этот скрытый ремонт приведет к правильным ответам из-за раннего ожидания предстоящей ошибки (Гарнси и Делл, 1984; Постма и Колк, 1993; Постма, 2000). Текущие данные не могут конкретно подтвердить эту теорию, так как более низкая плотность орфографических окрестностей была связана с большей амплитудой P2 и повышенным уровнем ошибок при воспроизведении речи.По-прежнему возможно, что некоторые испытания, содержащие слова с низкой плотностью соседства, действительно привели к успешному исправлению до артикуляции в текущем исследовании, но будущие эксперименты должны быть спланированы для дальнейшего изучения этой потенциальной связи.

Текущий анализ с блокировкой ответов выявил ERN типичной топографии и латентности после самопроизвольных речевых ошибок, что согласуется с предыдущими нейрофизиологическими данными во время задач по мониторингу речи (Masaki et al., 2001; Ganushchak and Schiller, 2006, 2008b; Sebastian- Gallés et al., 2006; Möller et al., 2007). Настоящее исследование также подтверждает предыдущие наблюдения ERN после явных вокальных ошибок (Ganushchak and Schiller, 2008a; Riès et al., 2011), и расширяет эти результаты на задачу, отличную от задачи называния изображений. Таким образом, результаты, представленные здесь, вносят вклад в текущие модели производства речи, демонстрируя обобщаемость набора процессов мониторинга ошибок / конфликтов, поддерживаемых ACC.

В целом, наши данные подтверждают предыдущие предположения о том, что ошибки речи обнаруживаются с помощью общего механизма мониторинга конфликтов, поддерживаемого ACC, который задействован во время ручных действий (Ganushchak and Schiller, 2008a).Хотя нейронный генератор ERN, наблюдаемый в задачах по производству речи, еще не определен, нейронный генератор ERN неоднократно локализовался в ACC медиальных лобных долей в различных задачах ручного реагирования (см. Holroyd and Coles, 2002 для обзора). Учитывая, что ERN, наблюдаемые в текущем исследовании, были типичными по времени и топографии для тех, которые наблюдались при выполнении ручных задач, разумно предположить, что ACC также играет роль в отслеживании речевых ошибок.В текущем исследовании ERN достиг пика примерно через 75 мс после инициирования ответа. Таким образом, разумно предположить, что ошибки произошли на каком-то этапе формулировки речи до начала артикуляции. Согласно модели производства речи, представленной на рисунке 1 в Postma (2000), вполне вероятно, что ошибки в текущем исследовании произошли либо во время внутренней речи, на стадии фонологического кодирования, либо во время формулирования фонетического плана после завершения фонологического кодирования. В любом случае ясно, что через слуховую петлю ошибок не обнаружено.Таким образом, данные согласуются с теорией петли восприятия (Levelt, 1983; Levelt et al., 1999) только в том случае, если ошибки произошли во время внутренней речи (для обнаружения через внутренний цикл), но не в том случае, если ошибки произошли во время фонетического планирования. . Планирование экспериментов для дальнейшего определения времени ошибки будет иметь решающее значение для дополнительного уточнения моделей мониторинга ошибок речи.

Таким образом, текущие данные подтверждают, что речевые ошибки могут быть обнаружены во время ранних процессов формулирования речи, до артикуляции.Возникновению речевых ошибок предшествовало увеличение амплитуды связанного со стимулом компонента P2. Текущие данные также подтверждают идею о том, что ошибки речи отслеживаются центральной системой мониторинга ошибок, отвечающей за обнаружение других типов ошибок действий. Как правильные, так и неправильные ответы свидетельствовали о предартикуляционном мониторинге конфликта в форме компонента N2, а речевые ошибки были связаны с ERN над участками лобно-центральных электродов. Хотя текущие результаты не могут обеспечить окончательную поддержку конкретной функциональной роли обработки ошибок во время формулировки речи, они дают мотивацию для дальнейшего изучения потенциала прогнозирующих и корректирующих предартикуляционных механизмов в производстве речи.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы хотели бы поблагодарить сотрудников лаборатории когнитивной психофизиологии за их помощь в наборе участников и сборе данных, особенно докторов. Шанна Кусаи и Аксель Виннеке. Работа поддержана грантом № 203751 Совета по естественным наукам и инженерным исследованиям Канады (NSERC) Натали А.Филлипс. Кевин М. Трюарта был поддержан докторской исследовательской премией от Fonds québécois de la recherche sur la nature et les technologies (FQRNT) и грантом на обучение от Канадского института исследований в области здравоохранения (CIHR) Стратегическая учебная инициатива в области исследований в области здравоохранения, «Коммуникация и социальное взаимодействие в здоровом старении ».

Сноски

Список литературы

Ачесон, Д. Л., Ганущак, Л. Ю., Кристоффельс, И. К., и Хагоорт, П. (2012). Мониторинг конфликтов в производстве речи: физиологические доказательства от двуязычного именования изображений. Мозговой язык . 123, 131–136. DOI: 10.1016 / j.bandl.2012.08.008

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Балота Д. А., Яп М. Дж., Кортезе М. Дж., Хатчисон К. А., Кесслер Б., Лофтус Б. и др. (2007). Проект английской лексики. Behav. Res. Методы 39, 445–459. DOI: 10.3758 / BF03193014

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Барч, Д. М., Бравер, Т. С., Акбудак, Э., Контуро, Т., Оллингер, Дж., и Synder, A. (2001). Передняя поясная кора и конфликт ответа: эффекты модальности ответа и области обработки. Cereb. Cortex 11, 837–848. DOI: 10.1093 / cercor / 11.9.837

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Бартолоу, Б. Д., Пирсон, М. А., Диктер, К. Л., Шер, К. Дж., Фабиани, М., и Граттон, Г. (2005). Стратегический контроль и медиальная фронтальная негативность: за пределами ошибок и конфликта ответов. Психофизиология 42, 33–42.DOI: 10.1111 / j.1469-8986.2005.00258.x

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Ботвиник М., Бравер Т. С., Йунг Н., Ульспергер М., Картер С. С. и Коэн Дж. Д. (2004). «Мониторинг конфликтов: вычислительные и эмпирические исследования», Cognitive Neuroscience of Attention , ed M. I. Posner (New York, NY: Guilford Press), 91–102.

Брукер Б. Х. и Дональд М. У. (1980). Вклад речевой мускулатуры в очевидную асимметрию ЭЭГ человека до вокализации. Мозговой язык . 9, 226–245. DOI: 10.1016 / 0093-934X (80)

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Каррейрас М., Переа М. и Грейнджер Дж. (1997). Эффекты орфографического соседства в визуальном распознавании слов: сравнения между задачами. J. Exp. Psychol. Учиться. Mem.Cogn . 23, 857–871. DOI: 10.1037 / 0278-7393.23.4.857

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Картер, К. С., и ван Вин, В.(2007). Передняя поясная кора и обнаружение конфликтов: обновление теории и данных. Cogn. Оказывать воздействие. Behav. Neurosci . 7, 367–379. DOI: 10.3758 / CABN.7.4.367

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

de Vos, M., Riès, S., Vanderperren, K., Vanrumste, B., Alario, F-X., Van Huffel, S., et al. (2010). Удаление мышечных артефактов из записей ЭЭГ при производстве разговорной речи. Нейроинформ 8, 135–150.

Pubmed Реферат | Pubmed Полный текст

Фалькенштейн, М., Hoormann, J., Christ, S., and Hohnsbein, J. (2000). Компоненты ERP по реагированию на ошибки и их функциональное значение: учебное пособие. Biol. Психол . 51, 87–107. DOI: 10.1016 / S0301-0511 (99) 00031-9

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Форд, Дж. М., Маталон, Д. Х., Калба, С., Уитфилд, С., Фаустман, В. О. и Рот, В. Т. (2001). Корковая реакция во время разговора и слушания при шизофрении: исследование потенциала мозга, связанное с событием. Biol. Психиатрия 50, 540–549. DOI: 10.1016 / S0006-3223 (01) 01166-0

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Фолштейн, Дж. Р., и ван Петтен, К. (2008). Влияние когнитивного контроля и несоответствия на компонент N2 ERP: обзор. Психофизиология 45, 152–170. DOI: 10.1111 / j.1469.2007.00602

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Форстер, К. И., и Шен, Д. (1996). Нет врагов поблизости: отсутствие тормозящих эффектов соседства в лексическом решении и семантической категоризации. J. Exp. Psychol. Учиться. Mem. Cogn . 22, 696–713. DOI: 10.1037 / 0278-7393.22.3.696

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Ганущак Л. Ю., Шиллер Н. О. (2008a). Мотивация и семантический контекст влияют на деятельность мозга по мониторингу ошибок: исследование потенциалов мозга, связанных с событиями. Нейроизображение 39, 395–405. DOI: 10.1016 / j.neuroimage.2007.09.001

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Ганущак, Л.Ю., Шиллер Н. О. (2008b). На деятельность по мониторингу ошибок мозга влияет семантическая взаимосвязь: исследование потенциалов мозга, связанных с событиями. J. Cogn. Neurosci . 20, 927–940. DOI: 10.1162 / jocn.2008.20514

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Greenhouse, S. W. и Geisser, S. (1959). О методах анализа профильных данных. Психометрика 24, 95–112. DOI: 10.1007 / BF02289823

CrossRef Полный текст

Hawco, C.С., Джонс, Дж. А., Ферретти, Т. Р., Кео, Д. (2009). ERP корреляты онлайн-мониторинга слуховой обратной связи во время вокализации. Психофизиология 46, 1216–1225. DOI: 10.1111 / j.1469-8986.2009.00875.x

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Хейнкс-Мальдонадо, Т. Х., Маталон, Д. Х., Грей, М., и Форд, Дж. М. (2005). Тонкая настройка слуховой коры во время производства речи. Психофизиология 42, 180–190. DOI: 10.1111 / j.1469-8986.2005.00272.x

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Инохоса, Дж. А., Мартин-Лоечес, М., Касадо, П., Муньос, Ф., Фернандес-Фриас, К., и Посо, М. А. (2001a). Изучение семантики в мозге: парадигма быстрой потоковой стимуляции. Brain Res. Протокол . 8, 199–207. DOI: 10.1016 / S1385-299X (01) 00117-9

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Инохоса, Дж. А., Мартин-Лоечес, М., и Рубиа, Ф. Дж. (2001b).Связанные с событием потенциалы и семантика: обзор и комплексное предложение. Мозговой язык . 78, 128–139. DOI: 10.1006 / brln.2001.2455

CrossRef Полный текст

Холройд, К. Б., и Коулз, М. Г. Х. (2002). Нейронная основа обработки человеческих ошибок: обучение с подкреплением, дофамин и связанный с ошибкой негатив. Psychol. Ред. . 109, 679–709. DOI: 10.1037 / 0033-295X.109.4.679

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Маккей Д.Г. (1992). Осведомленность и обнаружение ошибок: новые теории и исследовательские парадигмы. Сознательное. Cogn . 1, 199–225. DOI: 10.1016 / 1053-8100 (92)

CrossRef Полный текст

Маккей, Д. Г., и Джеймс, Л. Е. (2004). Последовательность, производство речи и избирательное влияние старения на фонологические и морфологические ошибки речи. Psychol. Старение 19, 93–107. DOI: 10.1037 / 0882-7974.19.1.93

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Мартин-Лоеш, М., Инохоса, Дж. А., Гомес-Харабо, Г., и Рубиа, Ф. Дж. (1999). Потенциал распознавания: индекс лексического доступа ERP. Мозговой язык . 70, 364–384. DOI: 10.1006 / brln.1999.2178

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Nieuwenhuis, S., Yeung, N., van den Wildenberg, W., and Ridderinkhof, K. R. (2003). Электрофизиологические корреляты функции передней поясной извилины в задаче «годен / не годен»: эффекты конфликта ответов и частоты типа проб. Cogn.Оказывать воздействие. Behav. Neurosci . 3, 17–26. DOI: 10.3758 / CABN.3.1.17

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Ноотебум, С. Г. (1980). «Разговор и неразговор: обнаружение и исправление фонологических и лексических ошибок в спонтанной речи», в Ошибки в лингвистическом исполнении: промахи языка, уха, пера и руки , под ред. В.А. Фромкина (Нью-Йорк, Нью-Йорк: Academic Press), 87–96.

Понтифик, М. Б., Скаддер, М. Р., Браун, М. Л., О’Лири, К.C., Wu, C.-T., Themanson, J. R., et al. (2010). О количестве испытаний, необходимых для стабилизации связанной с ошибкой мозговой активности на протяжении всей жизни. Психофизиология 47, 767–773. DOI: 10.1111 / j.1469-8986.2010.00974.x

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Постма, А., и Колк, Х. (1993). Гипотеза скрытой репарации: процессы преартикуляционной репарации при нормальной и заикающейся дисфункции. J. Speech Hear. Res . 36, 472–487.

Pubmed Реферат | Pubmed Полный текст

Риес, С., Янссен, Н., Дюфау, С., Аларио, Ф.-Х. и Бурл, Б. (2011). Универсальный мониторинг во время производства речи. J. Cogn. Neurosci . 23, 1419–1436. DOI: 10.1162 / jocn.2010.21467

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Шленк К. Дж., Хубер В. и Уиллмс К. (1987). «Подготовка» и ремонт: различные функции мониторинга при афазии. Мозговой язык .30, 226–244. DOI: 10.1016 / 0093-934X (87)

-3

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Сирс, К. Р., Хино, Ю., и Лупкер, С. Дж. (1995). Влияние размера и частоты соседства при распознавании слов. J. Exp. Psychol. Гм. Восприятие. Выполните . 21, 876–900. DOI: 10.1037 / 0096-1523.21.4.876

CrossRef Полный текст

Себастьян-Галлес, Н., Родригес-Форнеллс, А., Диего-Балагер, Р., и Диас, Б. (2006). Фонологические представления первого и второго языков в ментальном лексиконе. J. Cogn. Neurosci . 18, 1277–1291. DOI: 10.1162 / jocn.2006.18.8.1277

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Severens, E., Janssens, I., Kühn, S., Brass, M., and Hartsuiker, R.J. (2011). Когда мозг приручает язык: скрытое редактирование ненормативной лексики. Психофизиология 48, 1252–1257. DOI: 10.1111 / j.1469-8986.2011.01190.x

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Смит, Дж.Л. (2011). Идти или не идти, вот в чем вопрос: отражают ли N2 и P3 конфликт, связанный со стимулом или реакцией? Внутр. J. Психофизиол . 82, 143–152. DOI: 10.1016 / j.ijpsycho.2011.07.019

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Szücs, D., Soltész, F., and White, S. (2009). Моторный конфликт в задачах Струпа: прямые доказательства однократной электромиографии и электроэнцефалографии. NeuroImage 47, 1960–1973. DOI: 10.1016 / j.нейровизуализация.2009.05.048

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Талер В. и Филлипс Н. А. (2007). Связанные с событием данные о потенциале мозга для ранних эффектов плотности соседства при распознавании слов. Нейроотчет 18, 1957–1961. DOI: 10.1097 / WNR.0b013e3282f202f5

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Уилдон, Л. Р., и Левелт, В. Дж. М. (1995). Контроль хода фонологического кодирования. J. Mem. Lang . 34, 311–334. DOI: 10.1006 / jmla.1995.1014

CrossRef Полный текст

Йунг, Н., Ботвиник, М. М., и Коэн, Дж. Д. (2004). Нейронная основа обнаружения ошибок: мониторинг конфликтов и негативность, связанная с ошибками. Psychol. Ред. . 111, 931–959. DOI: 10.1037 / 0033-295X.111.4.931

Pubmed Реферат | Pubmed Полный текст | CrossRef Полный текст

Приложение 1