Wetenschappelijke basis

De analyse die door SelfCodex wordt toegepast, is verankerd in bestaande onderzoeksvelden binnen de studie van gesproken communicatie. Deze velden omvatten onder meer:

• spraakwetenschap

• prosodie

• linguïstiek

• computational linguistics

• spraak- en signaalverwerking

• statistische en neurale patroonherkenning

Deze disciplines richten zich op het systematisch beschrijven en analyseren van waarneembare kenmerken van gesproken taal.

De analyse richt zich op detecteerbare patronen in stem en taal, niet op psychologische interpretatie of intentietoekenning.

Onderzoeksdomeinen

Binnen de linguïstiek wordt taal bestudeerd als een gestructureerd systeem, waarin patronen optreden op verschillende niveaus, waaronder:

• lexicaal niveau (woordgebruik)

• syntactisch niveau (zinsstructuur)

• discursief niveau (opbouw en verloop van gesproken interactie)

De analyse van gesproken communicatie binnen dit onderzoeksveld richt zich op herhaalbare structuren en regelmatigheden in taalgebruik, los van individuele betekenisgeving.

Analyse van gesproken interactie

Linguïstiek en structurele analyse van taal

De methodes waarop deze analyse steunt, maken deel uit van een lange onderzoekscontinuïteit binnen spraakwetenschap, linguïstiek en computationele analyse van taal. Ze zijn geen recente ontwikkeling en vormen geen experimenteel onderzoeksdomein.

SelfCodex positioneert zich binnen deze bestaande wetenschappelijke traditie door deze analysekaders toe te passen op volledige gesprekken, waarbij taal-, stem- en interactiekenmerken in samenhang worden bekeken.

Naast individuele spraakkenmerken onderzoekt een deel van dit wetenschappelijke veld gesproken communicatie op het niveau van interactie. Hierbij wordt gekeken naar:

• beurtwisseling

• timing van reacties

• overlap en onderbreking

• structurele dynamiek binnen gesprekken

Deze benaderingen maken deel uit van onderzoek naar discourse, conversation analysis en interactional linguistics, en richten zich op waarneembare patronen in gespreksverloop.

Deze observaties worden structureel beschreven en niet semantisch ingevuld.

Continuïteit en positionering

Integratie van methodes

Naast de detectie van patronen in taal, stem en interactie maakt SelfCodex gebruik van Large Language Models (LLM's) voor de integratie en ordening van geanalyseerde observaties.

In deze context worden LLM's niet ingezet voor primaire analyse of patroonherkenning, maar als een syntheselaag boven op reeds vastgestelde observaties.

De functie van deze modellen bestaat uit:

• het samenbrengen van waargenomen patronen over verschillende momenten in het gesprek

• het expliciteren van samenhang tussen taal-, stem- en interactiekenmerken

• het ordenen van observaties in een leesbare en consistente representatie

Deze toepassing sluit aan bij onderzoekspraktijken binnen computational linguistics en discourse analysis, waarin taalmodellen worden gebruikt voor structurering, samenhang en representatie van complexe taalinformatie.

De inzet van LLM's betreft daarmee geen interpretatieve of verklarende stap, maar een structurele en relationele verwerking van reeds gedetecteerde kenmerken. De modellen voegen geen nieuwe empirische observaties toe en functioneren niet als autonome analytische of beoordelende instantie, maar als hulpmiddel voor coherente synthese binnen bestaande analysekader.