In der Studie wurden 21 Teilnehmer rekrutiert, von denen 6 Männer und 13 Frauen waren, mit einem durchschnittlichen Alter von 22 Jahren. Die Teilnehmer hatten normales Hörvermögen und Niederländisch als Muttersprache. Personen mit Aufmerksamkeitsproblemen, Lernschwierigkeiten oder schweren Kopfverletzungen wurden ausgeschlossen. Eine Audiometrie wurde durchgeführt, um das Hörvermögen zu bewerten, wobei Personen mit einem Hörverlust von über 20 dB HL ausgeschlossen wurden. Die Teilnehmer hörten sich eine verständliche Geschichte auf Niederländisch, eine Liste von durcheinandergewürfelten Wörtern auf Niederländisch und eine unverständliche Geschichte auf Friesisch an, um die sprachliche Verarbeitung zu untersuchen.
Die Dauer der niederländischen, durcheinandergewürfelten niederländischen und friesischen Geschichten betrug jeweils 10, 9 und 7 Minuten. Für die verschiedenen Sprachbedingungen wurden unterschiedliche Vorgehensweisen angewandt, um die Aufmerksamkeit und Verarbeitung zu überprüfen. Zur Trainingsdatensatzvorbereitung wurde eine zusätzliche Datenbank von 60 gesunden jungen niederländischen Teilnehmern verwendet, die Audiobooks hörten. Die Studie untersucht 4 Eigenschaften von EEG-Signalen, insbesondere linguistische Merkmale im Vergleich zu lexikalischen Segmentierungsmerkmalen.
Cohort Entropy und Word Frequency wurden als linguistische Merkmale betrachtet, während Onset of Phoneme und Onset of Word als lexikalische Segmentierungsmerkmale betrachtet wurden. Durch die Verwendung multipler Merkmale in einem neuronalen Netzwerkmodell konnten Redundanzen und Korrelationen zwischen ihnen berücksichtigt werden. Durch den Match-Mismatch-Klassifikationstest wurden neuronale Reaktionen auf verschiedene sprachliche Merkmale gemessen. Das Modell wurde durch Feinabstimmung auf neue Datensätze ausgewertet und weiterentwickelt.
Schlussfolgernd wurde ein Support-Vector-Machine-Modell zur Klassifikation der Sprache verwendet, basierend auf der Genauigkeit des Match-Mismatch-Tests mit verschiedenen Modellen. Dies ermöglichte die Identifizierung der Sprache, die den Probanden präsentiert wurde. Durch die Anpassung und Feinabstimmung des neuronalen Netzwerkmodells konnten die Ergebnisse weiter verbessert und analysiert werden. Die Studie bietet Einblicke in die neurologische Verarbeitung von Sprache anhand von EEG-Signalen und unterschiedlichen sprachlichen Bedingungen.