Die Rolle von sprachlicher und emotionaler Information bei der Erlernung und Repräsentation der Bedeutung abstrakter Wörter

• Antragstellerinnen: Dr. Laura Bartylla; Professorin Dr. Wiebke Petersen
• Fachliche Zuordnung: Biologische Psychologie und Kognitive Neurowissenschaften ; Angewandte Sprachwissenschaften, Computerlinguistik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 563106273

Dieses Projekt verbindet kognitive Psychologie und maschinelles Lernen, um zu untersuchen, wie Menschen und Sprachmodelle die Bedeutungen abstrakter Wörter repräsentieren. Im Rahmen der Theorie der verankerten Kognition wird die Rolle sprachlicher und emotionaler Erfahrungen bei der Bildung von Wortbedeutungen untersucht. Während konkrete Wörter eine sensomotorische Grundlage haben, hängen abstrakte Wörter wie „Liebe“ oder „Konflikt“ mehr von internen (z.B. emotionalen, interozeptiven) und sprachlichen Erfahrungen ab. Sprachmodelle kodieren statistische Muster im Text und erfassen dabei sprachliche und emotionale Nuancen. Trotz unterschiedlicher Mechanismen weisen menschliche und maschinelle Repräsentationen Parallelen auf, die eine Grundlage für einen systematischen Vergleich bieten. Das Projekt zielt darauf ab, herauszufinden, wie sprachliche und emotionale Informationen Bedeutungsrepräsentationen formen, und vergleicht dabei Menschen und Maschinen. Es wird erforschen, wie sprachliche und emotionale Eigenschaften die vom Menschen erzeugten semantischen Merkmale beeinflussen, welche neurophysiologischen Verarbeitungsstufen die Verankerung in Erfahrung widerspiegeln und ob Sprachmodelle, die emotionale Informationen erhalten, Wortbedeutungen menschen-ähnlicher repräsentieren. Dazu kombiniert das Projekt psychologische Experimente mit maschinellem Lernen in vier Arbeitspaketen. Zunächst werden menschliche Teilnehmende semantische Merkmale für reale abstrakte Wörter produzieren und ihre Gehirnaktivität mittels Elektroenzephalographie während der Wortverarbeitung aufgezeichnet. Verhaltensanalysen werden die Erfahrungsmerkmale klassifizieren, während neurophysiologische Analysen feststellen werden, wann eine sprachliche und emotionale Verankerung stattfindet. Zweitens werden Sprachmodelle in semantischer Merkmalserzeugung trainiert, wobei Standardmodelle mit emotionsbasierten Modellen verglichen werden. Multimodale Modelle, die EEG- und Sprachdaten kombinieren, werden untersuchen, wie neuronale und vektorbasierte Repräsentationen zueinander passen. Als Nächstes werden Teilnehmende neue abstrakte Wörter auf Basis kontrollierten linguistischen und emotionalen Inputs lernen, wodurch direkt getestet werden kann, wie diese Dimensionen die Wortbedeutungen formen. Schließlich werden Sprachmodelle mit denselben Inputs trainiert, was einen bisher beispiellosen Vergleich menschlicher und maschineller Repräsentationen ermöglicht, um (un-)gleiche Mechanismen aufzudecken. Unter der Leitung eines interdisziplinären PI-Teams aus Neurowissenschaften und Computerlinguistik wird das Projekt empirische Beweise für die Erfahrungsgrundlage abstrakter Konzepte liefern und aufzeigen, wie sprachliche und emotionale Dimensionen zu Bedeutungsrepräsentationen bei Menschen und Maschinen beitragen. Erkenntnisse aus der kognitiven Psychologie werden Modelle des maschinellen Lernens verbessern, während computergestützte Ansätze psychologische Theorien informieren werden.

• DFG-Verfahren: Sachbeihilfen