Mecanisme de corectare a erorilor în învățarea limbilor străine: modelarea indivizilor Partea 2

Sarcina de învățare a limbilor străine

Sarcina noastră simplificată de învățare a limbajului natural a fost inspirată de provocarea de a învăța acordul subiect-verb la timpul trecut plural în poloneză. În pastense, verbele sunt marcate pentru genul gramatical al subiectului în conformitate cu următoarele reguli:

1. Dacă unul dintre referenți este masculin personal (de exemplu, „bărbat”), atunci genul subiectului în ansamblu este –li, care este uneori denumit finalul personal masculin.

Învățarea limbajului natural este o capacitate care ne ajută să înțelegem și să aplicăm mai bine limbajul. Memoria este o abilitate la fel de importantă care ne ajută să stăpânim mai bine cunoștințele și abilitățile. Relația dintre cei doi este strânsă și se completează reciproc.

În primul rând, învățarea limbajului natural ne poate îmbunătăți memoria. Când învățăm vocabular și reguli gramaticale noi, trebuie să le exersăm și să le memorăm în mod repetat, ceea ce ne poate exercita capacitatea de memorie. Când putem construi un model de limbaj semnificativ și logic, ne putem aminti și înțelege mai ușor cunoștințele relevante.

În plus, memoria ne poate ajuta să învățăm mai bine limbajul natural. Când memorăm și stăpânim unele structuri și vocabular de bază ale limbajului, putem înțelege și aplica mai ușor limbajul, ceea ce ne va ajuta, de asemenea, să acumulăm mai multă experiență și abilități în procesul de îmbunătățire a abilităților de învățare a limbajului natural.

Pe scurt, învățarea limbajului natural și memoria sunt abilități foarte importante și trebuie să le exersăm și să le îmbunătățim continuu. Doar jucând pe deplin avantajele ambelor, putem învăța și stăpâni limba mai ușor, făcând astfel viața noastră mai bună și mai colorată. Se poate observa că trebuie să ne îmbunătățim memoria. Cistanche deserticola ne poate îmbunătăți semnificativ memoria, deoarece Cistanche deserticola poate regla și echilibrul neurotransmițătorilor, cum ar fi creșterea nivelului de acetilcolină și a factorilor de creștere. Aceste substanțe sunt foarte importante pentru memorie și învățare. În plus, carnea din carne poate îmbunătăți fluxul sanguin și poate promova livrarea de oxigen, ceea ce poate asigura că creierul primește suficiente nutrienți și energie, îmbunătățind astfel vitalitatea și rezistența creierului.

Faceți clic pe cunoașteți suplimentele pentru a îmbunătăți memoria

2. Dacă referenții sunt feminini animați (de exemplu, „răță”), feminini personali (de exemplu, „fată”) sau neutri (de ex., „copil”), atunci genul subiectului este –ły, care se referă uneori la ca finalul personal nonmasculin.

3. Gramaticile prescriptive și vorbitorii nativi de poloneză nu sunt de acord cu privire la ce formă ar trebui atribuită unui subiect care include mai mulți referenți masculini animați care nu sunt persoane (de exemplu, „câinele și pisica au plecat la plimbare”) sau amestecă referenți masculini animați și feminini. (de exemplu, „fata și câinele au plecat la plimbare”). Manualele de gramatică prescriu utilizarea lui –ły, în timp ce vorbitorii nativi par să favorizeze utilizarea lui –li, conform Kiełkiewicz-Janowiak și Pawelczyk (2014).

Pentru a proiecta sarcina noastră simplificată de învățare a limbajului natural, am implementat primele două reguli, dar am presupus că un subiect constând din referenți animați masculini ar trebui să fie folosit cu forma personală masculină, așa cum sugerează Kiełkiewicz-Janowiak și Pawelczyk (2014). Am făcut o astfel de concesiune pentru a îmbunătăți testabilitatea sarcinii noastre din perspectiva învățării, așa cum este explicat în proiectarea sarcinii de mai jos.

Stimuli

Fiecare eveniment din sarcina noastră de învățare a constat dintr-o scenă care a reprezentat o acțiune comună realizată de un grup de personaje umane și/sau animale, iar pentru fiecare eveniment de învățare, participanții au văzut o imagine care descrie scena (Figura 1), împreună cu o înregistrare audio a o clauză poloneză care o descrie. O nouă încercare a început cu un punct de fixare care a fost afișat în centrul ecranului timp de aproximativ 500 ms, urmat de afișarea simultană a imaginii scenei. Participanții au auzit înregistrarea audio a clauzei care descrie scena la 250 ms după debutul imaginii scenei, în timp ce imaginea a rămas afișată. O nouă încercare a fost apoi prezentată după aproximativ 1 s.

Am folosit verbul alegere („plimbare”), cu cele două forme posibile ale trecutului plural chodziły (formă plurală nemasculină) și choli (forma plurală masculină), ca acțiune comună în toate evenimentele de învățare. Un exemplu de clauză auzită de participanți este Chłopiec i kaczka chodzili („Băiatul și rata se plimbau”). Primele trei coloane din Tabelul 1 oferă o listă a tuturor caracterelor utilizate în experiment, împreună cu categoriile lor lingvistice în ceea ce privește genul și animația; ultimele două coloane se referă la proiectarea sarcinii și vor deveni relevante în secțiunea următoare.

Imaginile reprezentând diferitele personaje umane și animale au fost extrase din Adobe Stock (https://stock.adobe.com) și apoi editate folosind Adobe Photoshop CC 2018. Înregistrările audio atât ale etichetelor de caractere, cât și ale celor două forme verbale au fost pregătite folosind sintetizatorul de vorbire. softwareSpeech2Go (Harpo Software, 2018).

Ne-am structurat sarcina în acest fel pentru a crea efecte asemănătoare blocării, așa cum se vede de obicei în experimentele de învățare pavloviane. De exemplu, adăugarea de indicii FA3 și FP3 la compușii „FA1 + FA2” și respectiv „FP{1 + FP2,” în al doilea bloc ar trebui să reducă puterea de asociere care poate fi câștigată de FA3 și FP3 pentru rezultat np. De asemenea, antrenarea MP1 și MP2 cu outcomemp în primul bloc ar trebui să împiedice FA4 să obțină o asociere pozitivă cu mp. Pe lângă faptul că am prezis că FA4 s-ar putea bloca, am mai prezis că ar putea deveni inhibitor pentru mp, adică să câștige o asociere negativă pondere cu mp, așa cum se va vedea când vom prezenta rezultatele simulării modelului de potrivire.4

Prin urmare, ne referim la FA3 și FP3 ca indicii blocate și la FA4 ca un indiciu blocat inhibitor.

Am clasificat indiciile în șapte categorii diferite pe baza proprietăților lor lingvistice și a efectelor asemănătoare blocării pe care le prezic (a se vedea coloana din dreapta din Tabelul 1). Mai exact, cele șapte categorii s-au bazat pe faptul dacă indicii sunt masculin sau feminin, dacă este personal sau animat, dacă se prevede că va fi blocat sau deblocat și dacă se prevede că va fi un indiciu blocat inhibitor. Asemănarea dintre indicii din fiecare dintre aceste categorii este întărită de faptul că ele împărtășesc aceleași ponderi de asociere cu fiecare rezultat, conform teoriei R-W, așa cum va fi arătat în secțiunea Rezultate despre ponderile de asociere a formei substantiv-verb învățate.

Proiecta

În primul rând, participanții au fost învățați etichetele poloneze ale diferitelor personaje animale și umane utilizate în sarcina de învățare. Mai exact, participanților li s-au prezentat imaginile tuturor personajelor împreună cu etichetele lor corespunzătoare, mai întâi individual și apoi în combinație, așa cum apar mai târziu în sarcina de învățare (de exemplu, un câine, un băiat, un câine și o maimuță). Au existat opt ​​astfel de combinații de caractere și participanților li sa cerut să-și amintească cel puțin șapte dintre ele (adică să atingă o precizie de reținere de 87,5%) înainte de a putea trece la sarcina principală (a se vedea Anexa S2 în Informațiile de sprijin online pentru mai multe detalii). Participanților li sa permis până la 10 încercări pentru a atinge nivelul de precizie necesar.

Sarcina principală a constat într-o fază de pregătire și o fază de testare. Proiectarea părții de instruire a sarcinii este rezumată în Tabelul 2. Sarcina conținea 12 indicii și două rezultate. Semnul „+” indică faptul că indiciile au fost prezentate în compus, iar simbolul săgeată „→” indică faptul că rezultatul din partea dreaptă a urmat indicii. Astfel, de exemplu, „FP1 + FP2 + FP3 → np”reprezintă o clauză precum Dziewczyna, kobieta i babcia chodziły („Fata, femeia și bunica mergeau”), unde subiectul clauzei este alcătuit din trei caractere feminine, iar verbul este în forma trecută nemasculin plural(np), spre deosebire de forma trecută masculin plural (mp). Au fost două blocuri de antrenament, fiecare conținând patru evenimente care au fost repetate de 15 ori fiecare. Ordinea evenimentelor a fost complet randomizată în cadrul fiecărui bloc. Evenimentele din primul bloc au fost compuse din perechi de tac, în timp ce cele din al doilea bloc au fost compuse din triple de tac.

După antrenament, participantul a trecut la faza de testare. Testul a constat din două componente. Folosind un indiciu generat aleatoriu din fiecare categorie, am testat învățarea o dată pe toate perechile posibile, amestecând fie indicii din aceeași categorie de indicii (de exemplu, FP1 + FP2 din grupul uFP), fie indicii din diferite categorii (de exemplu, MA{ {2}} FP3 din grupurile uMA și bFP). Am inclus, de asemenea, cele patru combinații constând din triple indicative prezentate în faza de antrenament ca verificare a stării de spirit pentru reamintirea participanților (aceste combinații au fost excluse din analizele noastre principale). În general, în faza de testare, fiecare cursant a întâlnit în total 29 de combinații de indicii, care au fost selectate aleatoriu dintr-un total de 70 de combinații de indicii posibile. (Formatul exact și instrucțiunile utilizate în timpul administrării sarcinii sunt furnizate în Anexa S2 din Informațiile de sprijin online, iar lista tuturor combinațiilor de indicii de testare este furnizată în Anexa S3.)

În sfârșit, să revenim la întrebarea de ce am adoptat regula lui KiełkiewiczJanowiak și Pawelczyk (2014), prin care orice combinație de subiecte care conține un referent masculin ia forma personală masculină de plural. În primul rând, combinația „MA1 + MA2 + MA3” asociată cu „mp” în loc de „np” a făcut posibilă existența unui număr echilibrat de evenimente mp și np atât în ​​cadrul sarcinii complete, cât și în cadrul fiecărui bloc . Acest lucru a redus probabilitatea de apariție a oricărei înclinații față de np doar datorită designului. În al doilea rând, acest lucru ne-a permis să avem combinații mai provocatoare care să analizeze mai bine învățarea participanților, în special combinații care amestecă indicii feminine și masculine.

Analiză

Din sarcina de învățare, datele de la trei participanți au fost eliminate deoarece au ales în mod persistent același răspuns pe parcursul fazei de testare (27 sau mai mult din 29 de răspunsuri; adică, rata > 93%).5 Pentru a analiza opțiunile și timpii de răspuns ale participanților, am folosit mixt generalizat. -modelarea efectelor. Datele au conținut măsurători repetate de la aceiași participanți și articole din mai multe studii, prin urmare am adăugat efecte aleatorii atât pentru participanți, cât și pentru itemi (adică, combinații de indicii în faza de testare). Am selectat structura efectelor aleatoare a modelelor utilizând o strategie de sus în jos, începând cu toate interceptările și pantele aleatoare și apoi eliminând efectele aleatoare de ordin superior pas cu pas pe baza scorurilor criteriului de informații Akaike. Am rulat modelele cu efecte mixte inR (R Core Team, 2019) folosind pachetul lme4; valorile p au fost obținute folosind cel mai mare pachet bazat pe aproximațiile lui Satterthwaite, iar tabelele rezumative ale modelului au fost generate folosind pachetul sjPlot. Pentru a determina semnificația statistică, am folosit un nivel alfa de .05. În analiza timpilor de răspuns, am folosit metoda Box-Cox implementată în pachetul de mașini pentru a transforma distribuția la normalitate și a facilita modelarea statistică.

Chestionar de cunoştinţe explicite şi demografice

După finalizarea sarcinii de învățare a limbilor străine, participanții au completat un chestionar care i-a întrebat dacă au folosit reguli explicite pentru a decide când folosesc fiecare dintre cele două forme verbale și, dacă au făcut-o, care sunt aceste reguli. Chestionarul a colectat, de asemenea, informații despre sexul participanților, vârsta lor, limbile pe care le vorbeau (altele decât engleza) și cel mai înalt nivel de educație al acestora. Lista completă a întrebărilor utilizate în chestionar este furnizată în Anexa S4 din Informațiile justificative online. Ne concentrăm în mod special asupra rolului vârstei și sexului în explicarea oricăror diferențe individuale observate atunci când adaptăm modelul R-W la date. Acest lucru se datorează faptului că s-a demonstrat că vârsta și sexul afectează atât învățarea asociativă, cât și dobândirea unei a doua limbi. De exemplu, Mutter et al. (2012) au arătat că asociațiile indiciu-rezultat sunt mai puțin susceptibile de a fi obținute de adulții mai în vârstă decât de adulții tineri. Este, de asemenea, bine stabilit că adulții în vârstă sunt mai puțin eficienți în învățarea unei a doua limbi decât adulții tineri (pentru o analiză, a se vedea Muñoz și Singleton, 2011) și întâmpină mai multe dificultăți cu producerea limbii (Burke & Shafto, 2004). Mai multe studii au raportat, de asemenea, că femeile prezintă niveluri mai mari de condiționare în sarcinile de învățare asociativă (Lonsdorf și colab., 2015; Merz și colab., 2018) și dobândesc limbajul mai eficient (Adani și Cepanec, 2019; van der Slik și colab., 2015) decât bărbații .

Alături de sarcina principală de învățare, am inclus o sarcină standard de capacitate de învățare implicită și una de memorie de lucru (WM). Am selectat aceste două sarcini deoarece surprind proprietățile importante ale configurației de învățare: (a) faptul că nu au fost date instrucțiuni explicite; și (b) faptul că fenomenul lingvistic poate fi considerat discontinuu prin faptul că proprietățile (constelațiilor) agentului, care este menționat mai întâi, determină ce terminație trecută va fi folosită pe verb, care este menționat al doilea, astfel încât o oarecare menținere a agentului -se solicita informatii aferente din memorie. Deoarece măsurarea capacității noastre implicite de învățare nu este standard și nu a jucat un rol semnificativ în modelele noastre, raportăm această sarcină în Anexa S5 în Informațiile de sprijin online.

Sarcina de memorie de lucru

Stimuli

Pentru a măsura capacitatea WM a participanților, am folosit o versiune ușor modificată a testului de funcționare (Turner & Engle, 1989) utilizat de Medimorec și colab. (2021). În fiecare studiu, participanții au fost rugați să păstreze o listă de cifre (între 1 și 9) prezentate pe rând. Prezentarea fiecărei cifre a durat 1 s și a fost urmată de o operație matematică simplă care putea fi fie corectă, fie incorectă (50% din operațiile matematice au fost corecte). Participanții trebuiau să verifice veridicitatea operației matematice înainte ca următoarea cifră să poată fi afișată. La sfârșitul fiecărei încercări, ei trebuiau să introducă cifrele în aceeași ordine în care le-au fost prezentate. Lungimea listei de cifre a crescut treptat de la două la opt, fiecare lungime repetată de trei ori. Sarcina, astfel, a constat din 21 de încercări.

Analiză

Am calculat intervalul WM al fiecărui participant prin însumarea mai întâi a numărului de elemente corecte pe care le-au amintit în ordinea corectă și apoi transformând în z scorul obținut. Am exclus un participant al cărui scor WM a fost discontinuu din restul eșantionului (scorul WM a fost de -4,3 abateri standard de la medie, în timp ce al doilea cel mai îndepărtat scor WM a fost de -1,8 abateri standard de la medie).

Modelare computațională

Ecuațiile Rescorla-Wagner

Modelul R–W (Rescorla & Wagner, 1972) descrie computațional modul în care sunt stabilite asocierile dintre indicii și rezultate. În contextul experimentului nostru, un indiciu este eticheta și imaginea poloneză a unuia dintre personajele umane sau animale care apar în scena unui proces dat, iar rezultatul este forma verbului care descrie acțiunea lor comună. De exemplu, clauza Chłopiec,m ˛ezczyzna i małpa chodzili ˙ („Băiatul, bărbatul și maimuța mergeau”) are ca repere chłopiec, m ˛ezczyzna ˙ și małpa și ca rezultat chodzili. În cazul nostru, ponderea asocierii (sau puterea) măsoară tendința unei forme verbale de a apărea în prezența unui anumit substantiv.

După ce întâlnește o clauză, cursantul actualizează ponderea asocierii dintre un indiciu ci și un rezultat o, în funcție de faptul dacă indiciu și rezultatul apar în propoziție, folosind o regulă de corecție de tip delta:

Indicele t se referă la studiul de față, astfel wt (ci, o) este puterea de asociere dintre ci și o la încercarea t. și notează ratele de învățare pentru problema ci și respectiv rezultatul o. λ se referă la asociabilitatea maximă cu un rezultat și este aproape întotdeauna setat la 1.

Pe baza ecuației, trei cazuri determină modul în care o pondere de asociere este ajustată:

1. Dacă tacul este absent, nu ajustăm greutatea.

2. Dacă sunt prezente atât indiciul, cât și rezultatul, atunci aceasta oferă dovezi pozitive care ar trebui să întărească ponderea asocierii, iar suma ponderilor indicii prezente în evenimentul curent este ajustată la valoarea maximă a asociabilității.3. Dacă indiciul este prezent, dar rezultatul nu este observat, atunci aceasta oferă dovezi negative care ar trebui să slăbească ponderea asocierii, iar suma ponderilor este ajustată spre 0.

Pentru implementarea modelului, am folosit pachetul care a fost dezvoltat ca parte a studiului de Milin et al. (2020).

Predicția alegerilor din model

Pentru a genera o alegere a formei verbului (sau în terminologia modelului, un rezultat) din modelul dat un anumit set de indicii, mai întâi calculăm activarea fiecărei forme prin însumarea greutăților de asociere dintre formă și fiecare dintre indicii relevante. Răspunsul prezis din model este apoi forma care are cea mai mare activare. De exemplu, dacă la o anumită încercare în faza de testare, ascensiunea care conține o fată și o maimuță, atunci activările formelor masculin plural (mp; chodzili) și plural nonmasculin (np; chodziły) sunt calculate după cum urmează:

unde pentru formule, am folosit ponderile finale obținute la sfârșitul fazei de antrenament și, prin urmare, am omis indicele de încercare (nu are loc nicio învățare în faza de testare). Dacă activ (np) > activ (mp), modelul ar prezice forma np, iar în caz contrar, ar prezice forma mp.

Procedura de montare a modelului

În simulările noastre, am presupus că λ=1 și=1 și am considerat rata de învățare ca un parametru liber de estimat pentru fiecare participant (de acum înainte, de fiecare dată când ne referim la rata de învățare, ne vom referi întotdeauna la Mai exact, am rulat 50 de simulări pe computer pentru fiecare participant folosind căutarea în grilă, de la .01 la .50. În fiecare simulare, am programat un agent virtual să se comporte conform modelului R–W și l-am prezentat cu aceleași încercări de antrenament ca și participantul al cărui istoric de învățare am urmărit să modelăm. Din modelul antrenat, am generat apoi opțiuni de formular pentru aceleași încercări pe care participant întâlnit în faza de testare. În cele din urmă, am selectat rata de învățare (și, prin urmare, modelul) care a maximizat rata de potrivire între răspunsurile observate ale participantului și răspunsurile prezise ale modelului (adică, proporția de itemi de test pentru care modelul a produs același răspuns ca și cel care învață). Datorită neidentificării modelului cel mai potrivit, unde în unele cazuri mai mult de o valoare a ratei de învățare a maximizat rata de potrivire, am selectat rata de învățare mediană ca cel mai bun parametru.

Evaluarea modelului

Pentru a explica datele comportamentale ale participanților, am derivat o măsură bazată pe activare din modelul R-W adaptat, pe care îl numim suport de activare pentru un rezultat. Măsura își propune să explice opțiunile de formă și timpii de răspuns ale participanților și este definită ca diferența dintre activarea rezultatului interesului și activarea rezultatului rămas. De exemplu, suportul de activare pentru forma de plural nonmasculină (np) este dat de următoarele:

suport de activare (np)=activ (np) − activ (mp)

Am emis ipoteza că, cu cât este mai mare suportul de activare pentru o formă verbală (adică, cu cât este mai puternică dovezile din modelul care susțin forma verbală în raport cu cealaltă formă posibilă), cu atât este mai mare probabilitatea ca acea formă să fie selectată de către participanți. De asemenea, ne așteptam ca amploarea suportului de activare să se coreleze negativ cu timpul de răspuns al participanților. Cu alte cuvinte, cu cât este mai mare magnitudinea acestei măsuri, cu atât răspunsul participantului ar fi mai rapid. Acest lucru ar trebui să se traducă într-o relație pătratică între susținerea activării și timpii de răspuns, cu cele mai lente răspunsuri așteptate atunci când valorile suportului pentru activare sunt aproape de zero și cele mai rapide răspunsuri așteptate pentru valori pozitive sau negative ridicate.

Rezultate

Această secțiune evaluează măsura în care modelul R-W explică comportamentul participanților noștri prin potrivirea unui model separat la datele fiecărui participant și testează dacă calitatea potrivirii modelului este afectată de diferențele individuale, cum ar fi intervalul WM, vârsta și sexul. Prezentăm mai întâi câteva rezultate descriptive privind ponderile de asociere ale modelelor adaptate, care rezumă participanții la cunoștințele lingvistice dobândite la sarcina de învățare a limbii străine. În continuare, comparăm calitatea potrivirii modelului cu cea a altor strategii de răspuns plauzibile, dar bazate pe reguli. Apoi, prezentăm succesiv analize care evaluează capacitatea modelului de a recupera alegerile lingvistice ale participanților, latențele de timp și nivelurile de acord de răspuns. Efectul caracteristicilor cognitive și personale asupra măsurii în care modelul R-W surprinde învățarea limbilor este analizat la sfârșitul secțiunii Rezultate.

Greutățile asocierii formei substantiv-verb învățate

Urmând procedura de potrivire descrisă mai devreme în secțiunea privind modelarea computațională, am selectat modelul care a surprins cel mai bine alegerile pe care fiecare participant le-a făcut în timpul încercărilor, prin găsirea parametrului ratei de învățare „corecte” (a se vedea Anexa S6 în Informațiile suport online). Fiecare participant a fost caracterizat în principal prin două regimuri de precizie de potrivire a modelului: unul pentru rate de învățare cuprinse între 0,05 și 0,11 și unul pentru rate de învățare între 0,12 și 0,50 (cu unele excepții, ca pentru participanții 12, 19, 27 și 35). , pentru care au existat trei regimuri de precizie), niciunul dintre cele două regimuri nu duc în mod constant la o mai bună acuratețe a modelului. Luați împreună, deși variabilitatea explicată a opțiunilor contribuite de parametrul ratei de învățare a fost limitată, efectuarea de ajustări de către participanți pentru acel parametru a fost totuși benefică și perspicace: am observat că nu a existat o singură valoare a ratei de învățare care a condus la cea mai mare precizie de potrivire a modelului pentru toți participanții. Cu alte cuvinte, par să existe diferențe individuale considerabile în rata de învățare. Figura 2 ilustrează distribuțiile ponderilor de asociere dobândite ale tuturor perechilor de forme substantiv-verb posibile din modelele cele mai potrivite.

În general, distribuțiile ponderilor de asociere au fost similare în cadrul fiecărei categorii de indicii (de exemplu, MA1, MA2 și MA3 în cadrul categoriei uMA), întărind gruparea noastră de indicii pe baza genului gramatical și a animației substantivelor pe care le reprezintă. În al doilea rând, și nu este surprinzător, indicațiile masculine (deblocate) au câștigat o pondere de asociere pozitivă cu forma masculină de plural (adică, aceste indicii au mai multe șanse să conducă la o alegere pentru forma masculină de plural), în timp ce indicii feminine neblocate au câștigat o pondere de asociere pozitivă cu forma non-masculină (adică, aceste indicii sunt mai probabil să conducă la alegerea formei de plural non-masculin). Mărimea ponderilor a fost, de asemenea, diferită între participanți pentru majoritatea indiciilor, creând astfel un instrument potențial pentru capturarea diferențelor individuale în datele noastre.

După cum a fost prezis de blocarea (standard), ponderile de asociere dintre indicii blocate feminin (adică, FA3 și FP3) și forma non-masculină au fost mai centrate în jurul zero decât omologii lor neblocați (a se vedea panourile pentru FA3 și FP3 în Figura 2). Blocarea, cu toate acestea, nu se reflectă încă pe deplin în greutățile dobândite, deoarece pentru mulți participanți, ponderile de asociere dintre semnele feminine blocate și forma non-masculină au fost diferite de zero. Un efect inhibitor asemănător blocării (adică o greutate negativă între FA4 și forma masculină plurală) a apărut pentru aproximativ o treime dintre participanți. Pentru participanții rămași, FA4 a fost mai mult ca un indiciu standard blocat, deoarece greutatea sa de asociere cu forma masculină a fost în jur de zero. Luate împreună, efectele asemănătoare blocării au arătat tendințe în direcțiile prezise.

Am presupus că amploarea lor relativ ușoară se datorează faptului că experimentul nostru a surprins fazele timpurii ale învățării, în care expunerea stimulilor s-a repetat de numai 15 ori. Această ipoteză a fost confirmată prin reluarea simulărilor prezentate în Figura 2, acum cu 1,000 repetări per eveniment, așa cum se arată în Anexa S7 din Informațiile de sprijin online; efecte de blocare și blocare inhibitoare au avut loc pentru toți participanții, indiferent de rata de învățare sau ordinea evenimentelor. Aceste rezultate confirmă ceea ce am subliniat înainte. Prejudecățile și diferențele de învățare sunt mai probabil să se manifeste devreme în învățare (Ellis, 2006a).

Rate de potrivire participant-model

În continuare, am investigat în ce măsură aceste diferențe de învățare pot fi surprinse de modelul R-W dacă luăm în considerare ordinea evenimentelor întâlnite de fiecare participant, precum și diferențele în ratele de învățare ale acestora. Precizia de potrivire a modelului (adică, proporția de potriviri dintre răspunsurile unui participant dat și modelul R–W cel mai potrivit) a variat de la .24 la 1.00 (M=.68,SD { {6}} .17): 17 din 63 de participanți au avut o precizie de potrivire mai mare sau egală cu .80 și doar nouă participanți au avut o proporție de potriviri mai mică de .50. Evaluarea modelului de potrivire folosind validarea încrucișată exclusă6 arată că precizia de potrivire a modelului a fost la fel de mare pe datele nevăzute, cu o acuratețe medie de .68 (SD=.17) și 17 din 63 de participanți atingând o precizie de potrivire mai mare decât sau egal cu .80. Ratele de precizie de potrivire au fost cele mai mari pentru evenimentele care conțin un indiciu personal masculin (M=0,74) sau un indiciu personal feminin neblocat (M=.68) și au fost cele mai scăzute pentru evenimentele care conțin indiciu blocat inhibitor (M=.61) sau un semnal animat (toate mijloace≈ .65).

Aceste rezultate sugerează o potrivire destul de bună a modelului R-W la datele participanților, având în vedere că am considerat o strategie simplă pentru generarea de predicții de răspuns pe baza activărilor modelului - adică, pentru fiecare eveniment, am selectat forma verbului care a avut cea mai mare activare. indiferent de diferența în mărimile de activare a celor două forme de verb posibile. Mai târziu vom analiza sensibilitatea activărilor modelelor montate la proporțiile de alegere a formei observate și timpii de răspuns.

Comparație între modelul Rescorla-Wagner și alte strategii de decizie

Rezultatele prezentate mai sus arată că modelul R-W surprinde comportamentul participanților noștri destul de bine, dar cum se compară modelul cu alte strategii pe care participanții le-ar fi putut folosi în timpul experimentului? Pentru a răspunde la această întrebare, am luat în considerare patru strategii de decizie. Primele două sunt strategiile prescriptive și normative pe care le-am prezentat mai devreme. Strategia prescriptivă este cea descrisă, sau prescrisă, de cărțile de gramatică poloneză, prin care un participant alege întotdeauna forma verbală non-masculină, cu excepția cazului în care este prezent un indiciu personal masculin (ne referim la această strategie, de asemenea, la strategia „prejudecata feminină”). Strategia normativă este cea adoptată în general de vorbitorii nativi de poloneză, prin care forma verbului masculin este întotdeauna selectată, cu excepția cazului în care toate indiciile sunt feminine (denumită strategie „părtinitoare masculină”). Am inclus, de asemenea, două strategii de bază, prin care un participant fie alege întotdeauna forma verbală masculină (denumită strategie „doar masculin”) sau alege întotdeauna forma verbală nonmasculină (denumită strategie „doar feminin”). Ultimele două strategii au fost incluse pentru a surprinde comportamentul participanților la extreme.

Figura 3 prezintă proporția de participanți cel mai bine adaptați de fiecare dintre cele cinci modele rezultate (R-W și cele patru strategii de decizie ale noastre); am considerat modelul(ele) cu cea mai mare rată de potrivire participant-model dintre cele cinci modele drept model(ele) cel mai potrivit(e). Modelul R-W a fost modelul care a explicat cel mai bine răspunsurile participanților (31 din 63 de participanți), urmat îndeaproape de strategia normativă (26 de participanți). Celelalte trei strategii au explicat alegerile participanților mult mai puțin bine decât cele două strategii (< 12 participants). The fact that the R–W model and the normative strategy were close in capturing participants' behavior is not very surprising since the verb forms used in the training events were selected based on the normative rules and the predictions of the R–W model were largely by the normative strategy (Figure 3). It is interesting, though, that the R–W model managed to learn this strategy implicitly without any prior experience based on a simple general learning rule. The average percentage of response matches between the R–W model and the normative strategy per participant was above 90%, and the average percentage of response matches between the R–W model and the prescriptive strategy was above 85%.

For more information:1950477648nn@gmail.com