Die Messung semantischer Ähnlichkeiten in Bilingualen und Sprachmodellen

Viele Studien zeigen, dass sich bilinguale Sprecher in einem breiten Spektrum kognitiver Phänomene systematisch von einsprachigen unterscheiden. Die spezifischen Muster sind dabei komplex: teilweise wirken sich diese bilingualen Anpassungen als Vorteil, teilweise aber auch als Nachteile aus. Die genauen Ursachen für diese Effekte sind noch unklar. In einer kürzlich durchgeführten Meta-Analyse konnten wir zeigen, dass die Ähnlichkeit der beiden Sprachen der Bilingualen diese bilingualen Anpassungen modulieren kann. Die derzeitigen Maße für Sprachähnlichkeit berücksichtigen jedoch nur die Ähnlichkeit des Lexikons oder morphosyntaktische Ähnlichkeiten. Eine entscheidende Komponente, die sprachenübergreifende semantische Ähnlichkeit, bleibt aktuell noch unberücksichtigt. Das vorliegende Projekt (MESSI) zielt darauf ab, ein solches Maß zu etablieren. Aufgrund ihrer Skalierbarkeit über viele verschiedene Sprachen hinweg wäre es wünschenswert, diese Messung mit Large Language Models (LLMs) zu automatisieren. Die Zuverlässigkeit und Validität von semantischen Ähnlichkeitsmaßen, die mit LLMs über verschiedene Sprachen hinweg gewonnen werden können, muss jedoch zunächst erst überprüft werden. Zu diesem Zweck werden wir die semantischen Ähnlichkeiten von LLMs innerhalb und zwischen verschiedenen Sprachen systematisch mit entsprechenden Ähnlichkeitsdaten vergleichen, die von einsprachigen und bilingualen menschlichen Sprechern aus acht verschiedenen Sprachen erhoben werden. In einem nächsten Schritt untersuchen wir dann, wie die erhaltenen sprachübergreifenden semantischen Ähnlichkeitsmaße bilinguale Anpassungen modulieren.