Wanneer we naar gesproken taal luisteren, herkennen we woorden zeer snel, ook al is spraak een continu en voortdurend veranderend geluidssignaal. Dit proefschrift onderzoekt hoe mensen dit bereiken, met een bijzondere focus op woorden die uit meerdere betekenisvolle delen bestaan, zoals un-happi-ness of re-view. Hoewel het algemeen bekend is dat een dergelijke interne woordstructuur een rol speelt bij het lezen, is het lange tijd onduidelijk gebleven of en hoe deze ook van invloed is op de herkenning van gesproken woorden. Aan de hand van grootschalige experimentele gegevens en computationele modellen onderzoekt dit proefschrift hoe luisteraars gebruikmaken van de interne structuur van gesproken woorden. De resultaten suggereren dat woordherkenning niet uitsluitend wordt bepaald door hele woorden, noch uitsluitend door hun samenstellende delen. In plaats daarvan weerspiegelt herkenning een geleidelijke interactie waarin zowel het volledige woord als de delen ervan een bijdrage kunnen leveren. Bovendien worden woorden sneller herkend wanneer ze behoren tot een grotere “woordfamilie” van verwante woorden, vooral wanneer deze verwante woorden zowel qua klank als qua betekenis vergelijkbaar zijn. Deze bevindingen suggereren dat de herkenning van gesproken woorden een dynamisch en probabilistisch proces is, waarbij de woordstructuur op subtiele wijze bepalend is voor de manier waarop bewijsmateriaal wordt verzameld. Het proefschrift laat ook zien hoe computationele modellering kan helpen bij het verduidelijken en toetsen van theorieën over hoe het menselijk brein gesproken taal herkent.
Hanno Müller is AI-ingenieur bij het AI Service Centre Berlin-Brandenburg van het Hasso-Plattner Instituut, waar hij open-source, on-premise AI-infrastructuren ontwikkelt, met een focus op natuurlijke taalverwerking en spraaktechnologieën voor de publieke sector, de industrie en onderzoekscontexten. Hij werkt nauw samen met overheidsinstanties, start-ups, bedrijven en academische partners om onderzoeksinzichten te vertalen naar robuuste en reproduceerbare systemen. Hij deed zijn promotieonderzoek in computationele taalkunde en psycholinguïstiek aan de Radboud Universiteit Nijmegen en de Heinrich-Heine-Universität Düsseldorf. Zijn onderzoek richt zich op gesproken woordherkenning en morfologische verwerking, waarbij hij grootschalige gedragsexperimenten combineert met computationele modellering. Voorafgaand aan zijn doctoraatsonderzoek behaalde Hanno masterdiploma's in cognitiewetenschappen (MSc) en Duitse taalkunde (MA). Hij is actief betrokken bij initiatieven op het gebied van open wetenschap en digitale geesteswetenschappen en levert regelmatig bijdragen aan workshops, conferentiepapers en gemeenschapsprojecten. In zijn werk legt hij de nadruk op digitale soevereiniteit en de duurzame inzet van AI in de samenleving.