Download PDF
Sprache · Stimme · Gehör 2022; 46(01): 33-39
DOI: 10.1055/a-1706-9078
Schwerpunktthema

Einsatz von Sprachverarbeitungstechnologien in der Logopädie und Sprachtherapie

Use of Speech Processing Technologies in Speech and Language Therapy
Laura Tuschen
Das Projekt ISi-Speech (BMBF-Förderkennzeichen: 16SV737/3-7, 10/2015-09/2018) wurde gefördert vom Bundesministerium für Bildung und Forschung im Programm „Informations- und Kommunikationstechnologien 2020“
Das Projekt THERESIAH (BMBF-Förderkennzeichen: 13GW0209/A-E, 02/2018-05/2021) wurde gefördert vom Bundesministerium für Bildung und Forschung im Programm „Medizintechnische Lösungen für eine digitale Gesundheitsversorgung“.
› Further Information
Also available at
    Permissions and Reprints

Ansätze der Lernforschung zeigen, dass nutzer*innengerichtete Rückmeldungen innerhalb digitaler Übungsanwendungen notwendig sind, um die Therapiewirksamkeit zu steigern. In der logopädischen Versorgung wird dies in der Face-to-Face-Therapie von dem*der Therapeut*in übernommen. In digitalen Anwendungen kann die Analyse und Bewertung der Sprachproduktion durch Sprachverarbeitungstechnologien, z. B. automatischer Spracherkennung, umgesetzt werden.

Abstract

Approaches from learning research show that user-directed feedback within digital applications is necessary to increase therapy effectiveness. In face-to-face therapy context this is done by the therapist. In digital applications, assessment of speech production can be implemented through speech processing technologies. Automatic speech recognition is e. g. used in apps to assess speech intelligibility. Other acoustic methods enable the analysis of prosodic features. Particularly challenging is the variance of pathological speech production and the digital implementation of practice applications. This calls for interdisciplinary projects in order to use digital speech processing solutions for different target groups.

Schlüsselwörter

digitale Sprachverarbeitung - Sprachverarbeitungstechnologien - individuelles Feedback - maschinelles Lernen - digitale Logopädie

Keywords

digital speech processing - speech processing technologies - individual feedback - machine learning - digital speech and language therapy


Publication History

Article published online:
08 March 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Starke A, Mülhaus J. Evidenzanspruch in der Anwendung von Applikationen in der Sprachtherapie. In: Bilda K, Mülhaus J, Ritterfeld U. Neue Technologien in der Sprachtherapie. Stuttgart: Thieme; 2017: 110-116
    Search in Google Scholar
  • 2 Ritterfeld U. Psychologische Grundlagen. Bilda K, Mülhaus J, Ritterfeld U. Neue Technologien in der Sprachtherapie. Stuttgart: Thieme; 2017: 44-55
    Search in Google Scholar
  • 3 Hirsh-Pasek K, Zosh JM, Golinkoff RM. et al. Putting Education in “Educational” Apps: Lessons From the Science of Learning. Psychol Sci Public Interest 2015; 16: 3-34
    CrossrefPubMedSearch in Google Scholar
  • 4 Grund CK, Schelkle M. Visualisieren spielend erlernen – Ein Serious Game zur Verbesserung von Managementberichten. In: Strahringer S, Leyh C. Gamification und Serious Games. Wiesbaden: Springer; 2017: 167-181
    CrossrefSearch in Google Scholar
  • 5 Nakamura J, Csikszentmihalyi M. The Concept of Flow. In: Flow and the Foundations of Positive Psychology. Dordrecht: Springer; 2014: 239-263
    CrossrefSearch in Google Scholar
  • 6 Postma A. Detection of errors during speech production: a review of speech monitoring models. Cognition 2000; 77: 97-132
    CrossrefPubMedSearch in Google Scholar
  • 7 Mühlhaus J, Frieg H, Bilda K, Ritterfeld U. Game-Based Speech Rehabilitation for People with Parkinson’s Disease. In: Antona M, Stephanidis C. (eds) Universal Access in Human-Computer Interaction. Human and Technological Environments. UAHCI 2017. Lecture Notes in Computer Science, vol 10279. Cham: Springer; 2017: 76-85
    CrossrefSearch in Google Scholar
  • 8 Wahl M. Technische Grundlagen. In: Bilda K, Mülhaus J, Ritterfeld U. Neue Technologien in der Sprachtherapie. Stuttgart: Thieme; 2017: 56-64
    Thieme ConnectSearch in Google Scholar
  • 9 Latif S, Qadir J, Qayyum A. et al. Speech Technology for Healthcare: Opportunities, Challenges, and State of the Art. IEEE Rev Biomed Eng 2021; 14: 342-356
    CrossrefPubMedSearch in Google Scholar
  • 10 Keshet J. Automatic speech recognition: A primer for speech-language pathology researchers. Int J Speech Lang Pathol 2018; 20: 599-609
    CrossrefPubMedSearch in Google Scholar
  • 11 Frieg H, Mühlhaus J, Ritterfeld U. et al. ISi-Speech: A Digital Training System for Acquired Dysarthria. Stud Health Technol Inform 2017; 242: 330-334
    PubMedSearch in Google Scholar
  • 12 Shahin M, Zafar U, Ahmed B. The Automatic Detection of Speech Disorders in Children: Challenges, Opportunities, and Preliminary Results. IEEE J Select Topics Signal Proc 2020; 14: 400-412
    CrossrefPubMedSearch in Google Scholar
  • 13 Jacks A, Haley KL, Bishop G. et al. Automated Speech Recognition in Adult Stroke Survivors: Comparing Human and Computer Transcriptions. Folia Phoniatr Logop 2019; 71: 286-296
    CrossrefPubMedSearch in Google Scholar