Dekker

Peter

Ik doe onderzoek naar taalverandering met behulp van computersimulaties, specifiek zogeheten agent-gebaseerde modellen. Ik vind het interessant hierbij te kijken naar taalverandering in specifieke talen, zo doe ik onderzoek naar een case study van de versimpeling van morfologie van een taal in Oost-Indonesië en taalverandering door herhaling in conversaties in Litouwse dialecten. In de agent-gebaseerde modellen gebruik ik ook verschillende technieken uit de artificiële intelligentie, zoals neurale netwerken, ik gebruik deze om cognitieve hypotheses over taalverwerking te testen. Tenslotte zie ik in de toekomst eventueel mogelijkheden voor het gebruik van agent-gebaseerde modellen voor het beschermen van bedreigde talen, bijvoorbeeld door het effect van bepaalde interventies door middel van een computermodel te evalueren.

Contact

Trefwoorden
Taalkunde
Computerwetenschappen
Artificiële intelligentie

Talenkennis

Moedertaal
Nederlands
Spreek je nog andere talen?
Duits
Engels
Frans

Achtergrond

Studie(s) en diploma's

BSc Kunstmatige Intelligentie, Universiteit Utrecht (2011-2014)
MSc Artificial Intelligence, Universiteit van Amsterdam (2014-2018)

Huidige functieomschrijving

Doctoraatsstudent agent-gebaseerde computersimulaties van taalverandering, AI Lab, VUB (promotor: prof. Bart de Boer).
Mijn onderzoek wordt gefinancierd door een FWO pre-doctoraal mandaat 'Identifying drivers of language change using neural agent-based models'.

Ervaring

Systeemontwikkelaar bij Instituut voor de Nederlandse Taal, Leiden, Nederland (ontwikkelen van software voor woordenboeken e.d.)

Relevante Publicaties

Dekker, P., & Zuidema, W. (2021). Word prediction in computational historical linguistics. Journal of Language Modelling, 8(2), 295–336. https://doi.org/10.15398/jlm.v8i2.268
Creten, S., Dekker, P., & Vandeghinste, V. (2020). Linguistic Enrichment of Historical Dutch using Deep Learning. Computational Linguistics in the Netherlands Journal, 10, 57-72.
Dekker, P. & Schoonheim, T. (2018). Crowdsourcing Language Resources for Dutch using PYBOSSA: Case Studies on Blends, Neologisms and Language Variation. In Proceedings of the enetCollect WG3&WG5 Meeting, 24-25 October 2018, Leiden, Netherlands.

Relevante presentaties:
Dekker, P. & Gipper, S. (2021). Do repetitional responses boost the transmission of linguistic innovations? Evidence from agent-based modelling. Workshop “Conversational Priming in Language Change”, Universität zu Köln. 3-4 December 2021.
Dekker, P., Klamer, M. & de Boer, B. (2021). Analysing contact–induced simplification in Alorese using agent–based models. 54th Annual Meeting of the Societas Linguistica Europaea, 30 August – 3 September 2021.
Dekker, P. & de Boer, B. (2020). Neural Agent-based Models To Study Language Contact Using Linguistic Data. 4th NeurIPS Workshop on Emergent Communication.

Mijn media ervaring

Wetenschapsblog op Eos Wetenschap, mei 2021:
Computersimulaties laten zien hoe taal versimpelt
https://www.eoswetenschap.eu/technologie/computersimulaties-laten-zien-…

Bijdrage in artikel Nederlandse krant De Volkskrant, feb 2021:
Ronald Veldhuizen. Gaat een steenoud sterrenbeeldverhaal helemaal terug naar de prehistorie?
https://www.volkskrant.nl/wetenschap/gaat-een-steenoud-sterrenbeeldverh…