兼得两全之利：利用人工智能生成的图像为神经典型个体的表现命名

《APHASIOLOGY》：Having the best of both worlds: naming performances of neurotypical individuals through AI-Generated images

　　人工智能图像生成在神经典型人群命名测试中的应用研究显示，不同年龄和教育水平对名词和动词命名速度及准确率存在显著差异，AI图像能有效评估命名能力，为语言治疗提供新工具。

　　

摘要

背景

近期研究表明，应鼓励研究人员和临床医生使用人工智能（AI）生成的图像。

目的

本研究旨在通过使用Bing Image Creator（BIC）生成的图像（该工具基于DALL-E 3系统）来考察神经典型个体的命名能力，并分析多种变量对命名表现的影响，包括人口统计特征、词类及心理语言学参数。为此，我们进行了两项相互关联但独立的研究。

方法与程序

在研究1中，研究人员在BIC中输入相关提示，生成了81个名词和52个动作的图像，并对这些图像进行了审查。团队最终确定了71个名词和48个动作的表示方式。随后，50名三年级或四年级的本科生根据命名一致性、图像一致性和视觉复杂性等参数对这些名词和动词进行了评分。学生们还回答了两个开放式问题，探讨了他们对AI生成图像的看法，这些问题通过主题分析进行了处理。整个研究过程通过Qualtrics^TM平台进行。在研究2中，最终确定的图像列表通过Qualtrics^TM平台发放给了152名神经典型个体。

结果与发现

研究1的结果表明，有4个名词和2个动词需要从列表中删除，更新后的列表包含67个名词和46个动作，用于研究2的测试。通过主题分析还生成了4个新的代码。研究2的结果显示：在人口统计群体方面，年轻组的名词和动词命名得分高于老年组；在反应时间方面，年轻成年人命名速度更快；研究生组的名词命名得分显著高于其他两组；研究生组的动词命名得分也显著高于持有副学士学位及以下学历的参与者。在反应时间方面，受教育程度较低的参与者在命名名词和动词时花费的时间更多。在词类方面，参与者在命名名词时比命名动词时表现更好，且名词的命名速度更快。命名准确性与反应时间之间存在显著相关性，同时这些结果也与心理语言学参数相关。研究表明，AI生成的图像能够有效评估参与者的命名能力。在言语和语言治疗领域，尤其是个性化治疗材料的制作中，AI在图像生成方面的应用具有很大潜力。