113 年 國立臺北護理健康大學語言治療與聽力學系碩士班語言治療組《溝通障礙學導論》

這題主要在探討非口語兒童的溝通方式，重點在於理解「非口語」不代表「無法溝通」，而是需要透過其他非語言的途徑來表達。

非口語兒童（nonverbal children）是指那些無法透過口語進行有效溝通的兒童。這並不代表他們沒有溝通的意圖或能力，而是需要仰賴其他多元的溝通策略。以下提供至少三種非口語兒童的溝通方式：

1. 運用輔助及替代溝通系統 (Augmentative and Alternative Communication, AAC)：
   AAC 系統包含各種工具和策略，旨在輔助或替代口語溝通。對於非口語兒童，AAC 尤為重要。
   • 圖像交換溝通系統 (Picture Exchange Communication System, PECS)：這是一種結構化的教學方法，讓兒童透過交換圖片來表達需求、想法或感受。例如，一個孩子想要喝水，他可以將一張「水」的圖片遞給照顧者，以此來溝通。
   • 溝通輔具 (Communication Devices)：這些可以是低科技的溝通版（例如有圖片或符號的板子），或是高科技的電子溝通設備（例如平板電腦上的溝通 App），使用者可以透過點選圖示、文字或語音合成器來表達訊息。例如，一個孩子可以透過平板上的溝通 App，選擇「想玩球」的圖示，設備就會發出語音「我想玩球」。
   • 手語或肢體語言：對某些非口語兒童，學習和使用手語（如美國手語 ASL 的簡化版或特定手勢）或設計一套個人化的肢體語言和表情，也能有效傳達訊息。例如，孩子可能用特定的手勢表示「肚子餓」或「想睡覺」。

本題旨在釐清語音學（phonetics）與語音學（phonology）的區別，並探討中文注音符號（ㄅㄆㄇㄈ）與這兩者的關聯。

語音學 (Phonetics) 與語音學 (Phonology) 的區別

語音學和語音學都研究語音，但它們的研究層面和關注點不同：

• 語音學 (Phonetics)：

  • 定義：研究語音的物理屬性、發音方式、聽覺感知以及語音的實際產出。它關注的是「語音本身」（speech sounds）的普遍性特徵，不論這些語音在特定語言中是否具有區別意義。
  • 關注點：語音的發音（articulatory phonetics）、聲學特性（acoustic phonetics）和聽覺感知（auditory phonetics）。
  • 研究對象：所有可能的語音，以及它們如何被產生、傳播和接收。
  • 範例：研究英語中 /p/ 聲（如 in "pin"）和 /pʰ/ 聲（如 in "pin" 的開頭，有送氣）在物理上的差異；分析中文的聲調（如 mā, má, mǎ, mà）的聲學特徵（頻率、持續時間等）。

• 語音學 (Phonology)：

  • 定義：研究特定語言中語音的組織、組合和有意義的區別方式。它關注的是「語音系統」（sound system）如何運作，即哪些語音在該語言中具有區別意義（即音位, phonemes）。
  • 關注點：音位（phonemes）、語音規則（phonological rules）、音節結構、語音的組合限制（phonotactics）、語音的相互作用（coarticulation）以及語音在詞語中的功能。
  • 研究對象：特定語言中的語音系統及其規則。
  • 範例：在英語中，/p/ 和 /pʰ/ 在詞首位置能區別詞義（如 "pin" vs. "pin" 的送氣版本），因此它們是不同的音位。但在某些語言（如某些中文方言），它們可能不區別詞義，屬於同一音位的變體。

兩者的關係：語音學為語音學提供了基礎。語音學描述了語音的物理性質，而語音學則利用這些語音，研究它們在特定語言中如何被用來傳達意義。

至少 2 個範例說明區別：

1. 範例一：英語的 /p/ 和 /pʰ/
   • 語音學角度：英語單詞 "pin" 的開頭 /p/ 聲在發音時帶有明顯的氣流（送氣, aspiration），而單詞 "spin" 的 /p/ 聲則不送氣。語音學可以詳細描述這兩種語音的發音部位、發音方法（如聲門裂大小、氣流強度）以及聲學上的差異。
   • 語音學角度：在英語中，開頭帶送氣的 /pʰ/ 和不帶送氣的 /p/ 在詞首位置能區別詞義。例如，如果你發音 "pin" 時不送氣，聽者可能會覺得奇怪，但通常仍能理解。然而，在某些情況下，送氣與否是音位區別的關鍵。語音學研究的是，在英語的語音系統中，/pʰ/ 和 /p/ 是否為獨立的音位。

本題旨在探討三種常見的語言及溝通障礙：失語症（aphasia）、失智症相關語言問題（dementia related language problems）及構音障礙（dysarthria），並要求區分它們的特徵及舉例。

這三種狀況雖然都可能影響個體的溝通能力，但它們的病因、受損的腦部區域、語言能力的表現形式、以及非語言能力的影響程度都不同。

1. 失語症 (Aphasia)

• 核心問題：由腦部損傷（通常是中風、創傷性腦損傷）引起，主要影響語言的理解、表達、閱讀和書寫能力。它是一種「語言」的失用症，而不是單純的發音問題。
• 受損區域：通常是大腦的語言區域，如布羅卡區（Broca's area，負責語言產生）或威尼克區（Wernicke's area，負責語言理解）。
• 主要表現：
  • 流暢性：分為流暢型失語症（如威尼克式失語症）和非流暢型失語症（如布羅卡式失語症）。
    • 非流暢型（Broca's aphasia）：說話困難、斷斷續續、語句簡短（電報語），語法錯誤多，但理解能力相對較好。
    • 流暢型（Wernicke's aphasia）：說話流暢，語句長，但內容空泛、語無倫次，常出現錯語（paraphasias，如詞語替換、音節替換）和新語症（neologisms），理解能力嚴重受損。
  • 命名困難 (Anomia)：找詞困難是所有類型失語症的共同特徵，患者難以說出或寫出正確的詞語。
  • 理解困難：聽懂他人說話或閱讀文字有困難。
  • 重複困難：無法正確重複聽到的詞語或句子。
  • 閱讀與書寫困難：可能出現失讀症（alexia）和失寫症（agraphia）。
• 非語言能力：通常相對保留，但可能因整體認知功能受損而間接影響。構音器官本身的功能（發音、咬字）通常是正常的，只是大腦無法正確組織和執行語言指令。
• 範例：
  • 一位中風患者（布羅卡氏失語症）想表達「我想吃蘋果」，但他只能說：「蘋果…吃…我…難。」（語句簡短，語法混亂）。
  • 另一位患者（威尼克氏失語症）被問到「你今天感覺如何？」，他可能回答：「我今天感覺很奇怪，因為我看到桌子上有一隻貓在飛，牠們的翅膀是藍色的，我需要一些東西來做這個，你知道的，就是那個東西。」（說話流暢但內容混亂，夾雜錯語）。

2. 失智症相關語言問題 (Dementia Related Language Problems)

• 核心問題：由腦部退化性疾病（如阿茲海默症、血管型失智症）引起，語言問題是整體認知退化的一部分。語言能力下降與記憶力、注意力、執行功能、空間感等多方面認知功能同步惡化。
• 受損區域：退化範圍廣泛，可能影響多個腦區，包括語言區，但更多是全局性的神經元損失。
• 主要表現：
  • 詞彙貧乏與抽象思考困難：語言變得簡單、重複，難以找到確切的詞語，組織複雜句子和抽象概念有困難。
  • 理解力下降：對話跟不上，難以理解複雜的句子或長篇大論。
  • 記憶力影響：忘記剛才說過的話，重複提問。
  • 尋詞困難 (Anomia)：與失語症一樣，但通常是伴隨整體記憶和認知衰退的表現。
  • 語法可能受影響：句子結構可能變得簡單，但通常不像布羅卡氏失語症那樣有明顯的「電報語」現象。
  • 語用能力下降：社交溝通的技巧可能退化，例如無法理解言外之意、開玩笑或諷刺。
• 構音能力：構音器官本身的功能通常在早期是保留的，但隨著疾病進展，整體精細動作控制可能受影響，導致構音模糊。
• 範例：
  • 一位失智症患者被問及家人姓名，他可能想不起來，或說出一個錯誤的名字。
  • 在談話中，他可能不斷重複同一個句子或故事，因為他忘記自己剛剛說過。
  • 他可能無法理解複雜的指令，例如：「請你把桌上的報紙拿來，然後放在沙發旁邊。」

3. 構音障礙 (Dysarthria)

• 核心問題：由神經系統損傷（如中風、帕金森氏症、肌萎縮側索硬化症 ALS、腦性麻痺 CP）影響控制發音器官（唇、舌、顎、咽、喉）的肌肉所致。問題在於發音器官的運動控制，而非語言的組織或理解。

本題旨在探討人工智慧（AI）在溝通障礙領域的應用，要求至少舉出兩個具體範例。

人工智慧，特別是機器學習（Machine Learning）和深度學習（Deep Learning），在溝通障礙的診斷、治療、輔助以及研究方面展現出巨大的潛力。AI 的核心能力在於從大量數據中學習模式、進行預測、識別特徵，並能處理複雜的資訊。

以下是 AI 在溝通障礙領域的兩個主要應用範例：

1. AI 輔助的診斷與評估

• 核心應用：AI 可以分析大量的臨床數據（如語音樣本、影像資料、行為觀察記錄、評估問卷結果），以協助語言治療師進行更精確、更客觀的診斷和評估。
• 具體說明：
  • 語音分析：AI 演算法（如聲學分析、語音辨識模型）可以被訓練來識別特定溝通障礙的語音特徵。例如：
    • 構音障礙 (Dysarthria) / 語音障礙 (Voice Disorders)：AI 可以分析語音的音高、響度、音質（如嘶啞程度）、發音精確度、語速、停頓模式等，以量化評估疾病的嚴重程度，甚至區分不同的病因（如帕金森氏症 vs. 腦血管疾病引起的構音障礙）。
    • 自閉症譜系障礙 (ASD)：研究顯示，AI 可以分析自閉症兒童的語音特徵（如語調的變化、語速、詞彙使用），幫助早期識別和區分。
    • 失語症 (Aphasia)：AI 可以分析失語症患者的語言樣本，識別其在詞彙選擇、語法結構、流暢度等方面的異常模式，輔助診斷失語症的類型和嚴重程度。
  • 影像分析：AI 可以分析吞嚥視頻（如鋇餐吞嚥攝影 Videofluoroscopic Swallowing Study, VFSS 或內視鏡吞嚥檢查 Fiberoptic Endoscopic Evaluation of Swallowing, FEES）中的影像，自動識別吞嚥過程中是否存在異常（如閉合不全、食物殘留、吸入），輔助吞嚥障礙（Dysphagia）的診斷。
  • 行為模式識別：AI 可用於分析兒童的互動行為、眼動追蹤數據，以協助診斷和評估發展性語言障礙（Developmental Language Disorder, DLD）或注意力缺陷過動症（ADHD）等。