面向多语言听者的语音回忆语言无关化、自动化评估

老年人常见言语理解困难。标准言语测试未能完全捕捉此类困难，因为测试 poorly 类似于ongoing conversation中充满情境、类故事的性质，且通常仅以国家主导/官方语言（如英语）提供，导致其他语言母语者得分不准确。针对自然、类故事言语的多语言评估需要准确、高效的评分方法。当前研究利用现代大型语言模型（LLM）在英语母语者及10种其他语言的母语者中，自动化生成高质量口述故事并对言语回忆进行评分。参与者在原生语言下（在安静/清晰及嗡嗡声噪声中）聆听并自由回忆短篇故事。LLM文本嵌入与LLM提示工程结合语义相似性分析用于评分，结果显示对时间顺序、原位/尾部效应以及背景噪声已知效应具有敏感性，且不同语言间的回忆得分高度相似。该工作克服了简单言语材料和封闭母语者群体测试的局限性，因为回忆数据长度和细节可在高准确性下跨语言映射。言语生成与回忆评分的完全自动化为自然言语理解评估的临床应用提供了重要一步。