The thesis is dedicated to the specifics of Paralinguistics. In the research there discussed the features of paralinguistic devices in different types of mixed texts in English and Chinese, their impact on the verbal communication in both oral and written language. The structure of the work consists of two chapters: theoretical and practical. The theoretical part examines the theoretical background of the research, the basic concepts and essence of Paralinguistics, classification of paralinguistic devices, concept and essence of mixed texts and their variety. In the second chapter, on the basis of practical materials, there determined and analyzed, cases, the use of certain paralinguistic devices, their functions, interaction with the verbal component of the text and results. The main resultss of the thesis are presented and published in the scientific article "Non-verbal Communication in Business Relations with China" at the International Scientific and Practical Conference "Discovery Science Research" (Petrozavodsk, Russia, 2020). Awarded by Diploma I. / Данное магистерское диссертационное исследование посвящено специфике науки «паралингвистика». В ходе исследования рассматриваются особенности паралингвистических средств в разных типах смешанных текстов на английском и китайском языках, их влияние на вербальную сторону коммуникации как в устной, так и в письменной речи. Структура работы состоит из двух глав: теоретической и практической. В теоретической части рассматриваются теоретические предпосылки изучения, основные понятия и сущность паралингвистики, классификация паралингвистических средств, понятие и сущность смешанных текстов, и их разновидность. Во второй главе на основе практических материалов определяются и анализируются ситуации, применение тех или иных паралингвистических средств, их функции, взаимодействие с вербальной составляющей текста и результаты. Основные положения диссертационного исследования представлены и опубликованы в научной статье «Невербальная коммуникация в деловых отношениях с Китаем» на Международной научно-практической конференции «Discovery Science Research» (г. Петрозаводск, 2020 г.). Диплом I степени.

This thesis is about the effectiveness of speech features for cognitive load assessment, with particular attention being paid to new perspectives of this research area. A new cognitive load database, called CoLoSS, is introduced containing speech recordings of users who performed a learning task. Various acoustic features from different categories including prosody, voice quality, and spectrum are investigated in terms of their relevance. Moreover, Teager energy parameters, which have proven highly successful in stress detection, are introduced for cognitive load assessment and it is demonstrated how automatic speech recognition technology can be used to extract potential indicators. The suitability of the extracted features is systematically evaluated by recognition experiments with speaker-independent systems designed for discriminating between three levels of load. Additionally, a novel approach to speech-based cognitive load modelling is introduced, whereby the load is represented as a continuous quantity and its prediction can thus be regarded as a regression problem. / Die vorliegende Arbeit befasst sich mit der automatischen Erkennung von kognitiver Belastung auf Basis menschlicher Sprachmerkmale. Der Schwerpunkt liegt auf der Effektivität von akustischen Parametern, wobei die aktuelle Forschung auf diesem Gebiet um neuartige Ansätze erweitert wird. Hierzu wird ein neuer Datensatz – als CoLoSS bezeichnet – vorgestellt, welcher Sprachaufzeichnungen von Nutzern enthält und speziell auf Lernprozesse fokussiert. Zahlreiche Parameter der Prosodie, Stimmqualität und des Spektrums werden im Hinblick auf deren Relevanz analysiert. Darüber hinaus werden die Eigenschaften des Teager Energy Operators, welche typischerweise bei der Stressdetektion Verwendung finden, im Rahmen dieser Arbeit berücksichtigt. Ebenso wird gezeigt, wie automatische Spracherkennungssysteme genutzt werden können, um potenzielle Indikatoren zu extrahieren. Die Eignung der extrahierten Merkmale wird systematisch evaluiert. Dabei kommen sprecherunabhängige Klassifikationssysteme zur Unterscheidung von drei Belastungsstufen zum Einsatz. Zusätzlich wird ein neuartiger Ansatz zur sprachbasierten Modellierung der kognitiven Belastung vorgestellt, bei dem die Belastung eine kontinuierliche Größe darstellt und eine Vorhersage folglich als ein Regressionsproblem betrachtet werden kann.