Využití metody aktivního učení pro percepční experimenty

Abstract

This thesis introduces AsTRiQue, a Python-based framework for applying active machine learning (AL) to two-alternative forced-choice perception experiments in phonetics. The system aims to model participant responses efficiently, reducing the number of required labeled trials without compromising accuracy. Performance was assessed using pre-existing data on adult perception of Czech children's sibilants using virtual agents. Results from experimental simulations indicate that AsTRiQue can meaningfully reduce participant workload while maintaining high predictive performance. Although currently limited to binary classification with logistic regression, the open source nature of the system allows integration of alternative learner models and extension to more complex paradigms. The findings suggest that AL can enable richer, more varied stimulus sets while keeping experiments manageable, offering a promising direction for enhancing efficiency and flexibility in phonetic research. Keywords: phonetics, perception experiment, active learning, machine learning

Práce popisuje Pythonový nástroj AsTRiQue, který umožňuje využít metodu ak- tivního strojového učení (AL) ve fonetických percepčních experimentech založených na nuceném výběru ze dvou možností. Tento nástroj v průběhu experimentu modeluje odpovědi respondentek a respondentů, čímž snižuje počet prezento- vaných stimulů. Nástroj byl s využitím virtuálních agentů otestován na sadě již existujících odpovědí z percepčního testu zaměřeného na percepci sykavek v řeči českých dětí dospělými posluchači. Výsledky simulací naznačují, že využití AsTRiQue může pomoci snížit zátěž respondentek a respondentů bez výrazného snížení přesnosti výsledků. Nástroj je ve své stávající podobě zaměřen pouze na binární klasifikaci s využitím logistické regrese, jeho stavba ovšem umožňuje i implementaci dalších modelů učení a lze ho tak rozšířit i na složitější experimen- tální schémata. Poznatky naznačují, že percepční testy využívající AL by mohly využívat rozmanitější sady stimulů bez výrazného vlivu na délku experimentu. AL tak představuje perspektivní směr pro zvýšení efektivity a flexibility fonetického výzkumu. Klíčová slova: fonetika, percepční experiment, aktivní učení, strojové učení