Mecanisme de corectare a erorilor în învățarea limbilor străine: modelarea indivizilor Partea 3

Relația dintre măsurile bazate pe activare ale modelului și alegerile și timpii de răspuns ale participanților

Într-o evaluare suplimentară a calității potrivirii modelului R–W, am efectuat o analiză generalizată a modelării cu efecte mixte liniare, analizând relația dintre alegerile participanților și măsura bazată pe activare derivată din modelele R–W ajustate – adică , suport de activare pentru formularul np (consultați secțiunea despre modelarea computațională pentru mai multe detalii). De asemenea, am analizat relația dintre timpii de răspuns ai participanților și suportul de activare prin potrivirea unui model polinomial liniar cu efecte mixte atât cu termenii liniari, cât și patratici ai suportului de activare, deoarece ne așteptam ca suportul de activare să aibă un efect pătratic asupra timpilor de răspuns (Tabelul 3). Rezumate mai detaliate ale modelelor cu structuri de efecte aleatorii sunt furnizate în Anexa S8 din Informațiile de sprijin online.

Efectul aleatoriu se referă la impactul schimbărilor aleatorii între indivizi. Este utilizat pe scară largă în sociologie, psihologie și în alte domenii. Memoria este un indicator important pentru ca oamenii să măsoare funcția creierului și afectează direct învățarea și viața oamenilor. Dar care este mai exact relația dintre efectele aleatorii și memorie?

Cercetările arată că există o anumită corelație între efectele aleatorii și memorie. La efectuarea sarcinilor de memorie, interferența de la factori aleatori va reduce eficiența și acuratețea de finalizare a unui individ, afectând astfel performanța memoriei. În mod corespunzător, antrenarea capacității anti-interferență a unui individ poate îmbunătăți capacitatea acestuia de a răspunde la efecte aleatorii, îmbunătățind astfel memoria.

În plus, diferite grupuri de oameni răspund diferit la factori aleatori. Unii oameni au o adaptabilitate puternică și arată o capacitate de memorie mai bună atunci când întâlnesc un mediu extrem de aleatoriu; în timp ce pentru unii oameni, factorii aleatori vor provoca interferențe excesive și le vor reduce memoria. nivel. Acest lucru este legat de capacitatea de memorie de bază a individului, calitatea psihologică, experiența de viață și alți factori.

Prin urmare, trebuie să recunoaștem impactul efectelor aleatorii asupra memoriei și să folosim metode științifice pentru a îmbunătăți capacitatea individuală anti-interferență și adaptabilitatea pentru a îmbunătăți nivelul de memorie. Cred că, atâta timp cât vom face tot posibilul, ne bazăm pe știință și tehnologie pentru a explora în mod continuu și ne îmbunătățim constant calitatea de sine, vom putea continua să mergem mai departe pe drumul spre a urmări o viață excelentă și a stăpâni vieți mai minunate! Se poate observa că trebuie să îmbunătățim memoria, iar Cistanche deserticola poate îmbunătăți semnificativ memoria deoarece Cistanche deserticola este un material medicinal tradițional chinezesc care are multe efecte unice, dintre care unul este îmbunătățirea memoriei. Eficacitatea cărnii tocate vine din diferitele ingrediente active pe care le conține, inclusiv acid, polizaharide, flavonoide etc. Aceste ingrediente pot promova sănătatea creierului în diferite moduri.

Faceți clic pe cunoașteți modalități de îmbunătățire a funcției creierului

După cum era de așteptat, suportul de activare pentru forma plurală non-masculină a fost asociat în mod semnificativ pozitiv cu probabilitatea alegerilor de formă non-masculină, SAU {{0}}.78, p < .001, 95 % CI [3,82, 12.03]. Figura 4 (panoul din stânga) arată, de asemenea, că această relație este asimetrică în jurul valorii de 0, reflectând o prejudecată puternică față de forma verbală masculină care, chiar și cu dovezi (bazate pe activare) care susțin forma nonmasculină, poate duce totuși la o preferință pentru forma masculină. De asemenea, și în conformitate cu ipotezele noastre, termenul polinom de ordinul doi al suportului de activare a fost un predictor semnificativ al timpului de răspuns, deoarece a existat o relație pătratică între suportul de activare și timpul de răspuns, cele mai lente răspunsuri fiind înregistrate pentru cele mai puțin suportate evenimente, b {{ 12}} −0,20, p=.012, 95% CI [−0,35, −0,04]; vezi și Figura 4, panoul din dreapta.

Aceste rezultate sugerează că modelele adaptate au avut rezultate bune în prezicerea alegerilor de formă ale participanților și că informațiile codificate în ponderile de asociere - moneda de bază a unui model R-W - este un bun predictor atât al probabilității de a alege o anumită formă de verb, cât și al vitezei. cu care se dă răspunsul. Nivelul de acord al participanților cu privire la alegerea unei anumite forme verbale a fost astfel diferit în funcție de suportul de activare al acelei forme particulare, cu un nivel ridicat de acord așteptat și atestat pentru valorile de susținere a activării pozitive sau negative scăzute și cu un nivel ridicat de dezacord așteptat. și atestat pentru suport de activare în jurul zero.

Nivelul de acord între participanți prin prisma modelului

Am analizat în continuare comportamentul participanților prin explorarea a două întrebări suplimentare. În primul rând, ce nivel de acord a existat între cursanții de limbi străine, dat fiind un anumit tip de eveniment (de exemplu, evenimente formate din indicii de același gen gramatical versus evenimente care amestecă indicii de genuri gramaticale diferite)? În al doilea rând, și în mod esențial, diferențele de niveluri de acord pot fi explicate adecvat folosind modelul R-W?

Pentru a răspunde la aceste întrebări, am analizat efectul prezenței fiecărei categorii de eveniment asupra proporției de participanți care au ales una dintre cele două forme verbale (pentru o listă completă a categoriilor de evenimente utilizate în sarcină, vezi Anexa S3 din Informațiile de sprijin online). Pentru a obține estimările modelului proporțiilor, am folosit modelul generalizat cu efecte mixte liniar pe care l-am construit în analiza anterioară (Tabelul 3, stânga) pentru a modela relația dintre suportul de activare și alegerea formei de plural nonmasculin. În mod specific, pentru fiecare categorie de eveniment, am făcut media proporțiilor prezise de model ale formelor nonmasculine pe baza valorilor sale de sprijin pentru activare între participanți (având în vedere că fiecare categorie de eveniment a fost întâlnită o dată de fiecare participant). Rezultatele sunt rezumate în Figura 5. Evenimentele din figurile sunt sortate în ordine crescătoare după proporțiile de alegere observate în experiment, astfel încât părțile din stânga și din dreapta reprezintă regiuni cu un nivel ridicat de acord între participanți, în timp ce evenimentele situate în partea de mijloc au declanșat un nivel ridicat de dezacord între participanți.

Participanții au avut o preferință clară pentru forma masculin plural atunci când evenimentul conținea un indiciu personal masculin (uMP) sau când evenimentul includea doar indicii masculin animați (adică „uMA1 + uMA2”). De asemenea, participanții au preferat forma pluralului non-masculin atunci când evenimentele conțineau doar indicii feminine, fie personale sau animate (de exemplu, „uFA + uFP”). Niveluri ridicate de dezacord au fost observate în principal pentru evenimentele care amestecă semnalul blocat inhibitor și un indiciu feminin sau o animație masculină și un indiciu personal feminin (cu proporții variind între 0,44 și 51).

Comparând proporțiile observate și cele prezise, ​​modelul a reușit să surprindă surprinzător de bine diferența de niveluri de acord între participanți la diferitele categorii de evenimente. Cele mai mari discrepanțe între proporțiile observate și cele prezise par să fi avut loc înainte de evenimente care implică indicii blocate și inhibitorii blocate, ceea ce sugerează că a fost mai dificil pentru model să surprindă efectul lor asupra alegerilor participanților.

Relația dintre calitatea modelului de potrivire și măsurile diferenței individuale. Rezultatele modelului de potrivire au demonstrat că modelul R-W ține seama cu succes de comportamentul unei proporții mari dintre participanții noștri, inclusiv timpii de răspuns. Cu toate acestea, calitatea potrivirii a variat în funcție de participanți, datele de la câțiva participanți fiind foarte prost potrivite de model. În încercarea de a evalua dacă celelalte măsuri colectate în timpul experimentului (caracteristicile demografice, intervalul WM și învățarea implicită) pot explica diferențele individuale observate în calitatea potrivirii modelului, am efectuat o regresie liniară multiplă pentru a prezice ratele de potrivire participant-model (logit). -transformat) pe baza diferitelor măsuri ale diferențelor individuale colectate. În mod specific, predictorii au inclus intervalul WM (transformat cu z), sexul și vârsta; pantele de timp extrase pentru fiecare participant din sarcina de învățare implicită nu au avut o contribuție semnificativă și sunt raportate în Anexa S5 în Informațiile suport online.

Din modelul complet de regresie liniară care a inclus toate cele patru variabile de măsurare individuale, precum și interacțiunea dintre gen și intervalul WM, am derivat un model final care conține doar variabilele semnificative, utilizând selecția variabilă inversă bazată pe testul raportului de probabilitate. Datele de la doi participanți au fost omise din această analiză, deoarece unul nu și-a raportat genul și unul a fost identificat ca fiind o valoare extremă, așa cum este explicat în secțiunea despre sarcina WM. În total, datele de la 61 de participanți au fost alimentate la modelul de regresie liniară. Cel mai bun model după selecția variabilelor a inclus atât intervalul WM, cât și genul, dar nu și interacțiunea acestora (Tabelul 4).

Precizia de potrivire a modelului a crescut semnificativ odată cu creșterea intervalului WM,b {{0}},17, p=.008, 95% CI [{{24 }}.05, 0,30], așa cum este ilustrat în Figura 6 (panoul din stânga), și a fost semnificativ mai mare pentru femeile participante (M=.69, SD=.17) comparativ cu participanți bărbați (M=.63, SD=.16), b=-0.28, p =.033, 95% CI [−0.54, -0.02 ], așa cum se arată în Figura 6 (panoul din dreapta). Pentru a verifica că eliminarea reziduurilor influente nu a afectat constatările noastre, am aplicat modelul criticism descris în Baayen și Milin (2010); excluderea reziduului extrem unic cu scorul az mai mare de 2,5 în modelul nostru a dus la efecte și mai puternice (p=.004 pentru intervalul WM și p=.007 pentru gen). De asemenea, intervalul WM nu s-a corelat semnificativ cu sexul (p=0,058), ceea ce sugerează că relația lor este puțin probabil să fi influențat efectele genului și ale intervalului WM asupra preciziei de potrivire a modelului (vezi Anexa S9 din Informațiile justificative). online pentru mai multe detalii). Descoperirile noastre arată astfel că, având o capacitate WM mai mare sau a fi femeie, a crescut probabilitatea ca un participant să aleagă forme verbale după modelul R-W în sarcina noastră de învățare a limbilor străine.

Discuţie

Rezumatul constatărilor

Descoperirile noastre arată că un mecanism R-W surprinde bine modul în care participanții învață acordul subiect-verb într-un limbaj complex din punct de vedere morfologic și, prin extensie, modul în care ar putea învăța limba prin simpla expunere la aceasta. Cu o precizie medie a potrivirii de 68%, bazată pe o strategie de decizie simplă bazată pe activare, modelul a explicat destul de bine alegerile formelor verbale făcute de o mare parte de participanți.7 Mai interesant, o măsură bazată pe activare extrasă din modelele cele mai potrivite a corelat puternic atât cu probabilitatea unei anumite forme de verb, cât și cu timpul necesar pentru a face alegerea respectivă.

Modelul a oferit, de asemenea, informații despre motivul pentru care participanții ar putea prezenta niveluri de acord ridicate sau scăzute atunci când aleg o formă de verb, în ​​funcție de natura subiectului clauzei. Conform modelului, acest lucru se datorează punctelor forte de asociere pe care participanții le dobândesc, care sunt utilizate pentru a calcula suportul de activare pentru fiecare dintre formele verbale posibile. Aceste forțe de asociere sunt în mare parte afectate de (a) rata de învățare a cursantului pentru indicii (rata de învățare determină amploarea corecției ponderilor, pe baza erorii estimate în fiecare încercare) și (b) distribuția evenimentelor de învățare pe care le-au întâlnit în timpul cursului. etapa de învățare (aceasta ar include frecvența fiecărui eveniment de învățare și ordinea evenimentelor de învățare, printre altele). Astfel, o predicție din studiul nostru este că schimbarea ordinii sau a frecvențelor relative ale evenimentelor de învățare în timpul antrenamentului ar putea duce la modele de alegere diferite față de cele observate aici.

Am găsit, de asemenea, o relație semnificativă între sex și capacitatea WM și ratele de potrivire participant-model, ceea ce pune în lumină ceea ce ar fi putut determina diferențele observate în calitatea potrivirii modelului. Faptul că în experimentul nostru o proporție mai mare de femei decât bărbați au acționat printr-un mecanism R-W este în concordanță cu constatările din mai multe studii anterioare care au evidențiat asocierea dintre gen și condiționarea clasică pentru ambii oameni (Lonsdorf și colab., 2015; Merz et al. al., 2018) și animale (de exemplu, Velasco și colab., 2019). Acest lucru sugerează o diferență semnificativă în învățare între bărbați și femei, femeile fiind mai bine modelate de regula de învățare de corectare a erorilor R-W. În general, se știe că femeile au un mic avantaj în ceea ce privește limbajul față de bărbați (vezi Kimura, 1999, pentru o evaluare extinsă), în special în domeniile legate de regăsirea lexicală (Balling & Baayen, 2008, 2012). S-a sugerat că acest lucru s-ar putea datora femeilor care au o memorie declarativă superioară, pe care ar putea-o utiliza pentru a generaliza formele învecinate stocate (Hartshorne & Ullman, 2006).

Constatarea că probabilitatea ca un cursant de limbă să se comporte conform mecanismului R-W crește odată cu capacitatea WM oferă dovezi că WM poate juca un rol în condiționarea clasică, afectând adoptarea unui mecanism de condiționare clasic, cum ar fi regula R-W. Sasaki (2009) și Baetu și colab. (2018) au furnizat anterior dovezi ale perturbării performanței condiționării clasice atunci când MW este încărcată folosind paradigme cu sarcini duble. Prezenta descoperire se adaugă la dovezile tot mai mari că, împotriva credinței predominante, MW poate fi implicată în procese cognitive de nivel scăzut, cum ar fi învățarea instrumentală. , denumită mai frecvent învățare prin consolidare în comunitățile de neuroștiință și învățare automată (Collins & Frank, 2012; Ez-zizi, 2016) și în unele forme de învățare implicită (Medimorec și colab., 2021).

Efectele de blocare și blocare inhibitoare nu au apărut din modelul R-W pentru toți participanții. După cum sa arătat, acest lucru s-a datorat în principal duratei scurte a fazei de antrenament. Creșterea numărului de încercări de antrenament nu numai că a dus la reapariția efectelor de blocare pentru parametrii cei mai potriviti ai tuturor participanților, dar a eliminat și variabilitatea ponderilor asocierii, preconizând astfel că toți participanții ar trebui să se comporte în același mod pe termen lung ( vezi Anexa S7 din Informațiile de sprijin online). Acest lucru nu este surprinzător în lumina lucrării lui Danks (2003), care arată că, în multe cazuri, sistemul R–W va converge către același echilibru, indiferent de parametrii utilizați. Cu alte cuvinte, destinația cursanților este adesea aceeași (acest lucru este și de dorit, deoarece deseori dorim ca toți cursanții să învețe să facă aceleași asocieri), dar căile către acele destinații pot diferi substanțial în funcție de natura problemei de învățare (de exemplu, cantitatea de date disponibile, frecvențele relative ale evenimentelor, numărul de indicii și rezultate). Acest lucru are multe implicații pentru studiile de învățare a limbilor străine care utilizează modelul R-W, așa cum se discută în secțiunea următoare.

Implicații pentru studiile de învățare a limbilor străine care utilizează modelul Rescorla-Wagner

Mai multe grupuri de cercetare lingvistică au îmbrățișat modelul R-W ca o abordare valoroasă pentru modelarea fenomenelor de învățare a limbilor străine datorită simplității, plauzibilității sale cognitive și succeselor sale în explicarea unei game largi de fenomene de învățare a limbilor străine. Prezentul studiu oferă sprijin suplimentar pentru simularea sau modelarea învățării limbilor folosind acest model, dar atrage atenția și asupra problemei importante a diferențelor individuale, care până acum a fost trecută cu vederea în studiile care combină modelarea computațională folosind modelul R-W și datele experimentale.

Având în vedere cantitatea de diferență individuală pe care am observat-o în datele noastre, ar fi prudent să ne îndepărtăm de abordarea predominantă în prezent, în care modelul R-W este rulat o dată cu valorile implicite ale parametrilor și utilizat pentru a explica datele de la toți participanții. Deși efectul parametrului ratei de învățare asupra preciziei de potrivire a modelului nu a fost substanțial pentru sarcina aleasă, în practică, performanța R-W va fi întotdeauna afectată de alegerea ratei de învățare, indiferent de provocarea particulară de modelare (Milin, Divjak și Baayen, 2017, pp. 1739–1741).

O altă practică comună care ar putea trebui reconsiderată este antrenarea modelului pe un set mare de date sau un subset mic al acestuia. În consecință, caracteristicile care diferențiază modelul de modelele de clasificare pur statistică - și anume, posibilitatea de a alege parametrii care surprind cât de repede poate învăța un individ și capacitatea de a lua în considerare efectele ordinii de intrare - rămân neutilizate. Nu este, așadar, surprinzător că mai multe studii au raportat doar diferențe minore sau deloc între modelul R-W și alte modele statistice sau de învățare, cum ar fi regresia logistică, învățarea bazată pe memorie și arborii de decizie (Baayen, 2011; Baayen și colab. , 2013). Cu o astfel de abordare, principalul avantaj al modelului R-W față de tehnicile pur statistice este capacitatea sa de a efectua învățare incrementală, pe măsură ce datele devin disponibile. Cu toate acestea, același avantaj ar putea fi obținut de la orice model de rețea neuronală fără un strat ascuns, deoarece un astfel de model poate produce, de asemenea, ponderi între indicii și rezultate, deși cu o regulă de învățare diferită și, probabil, mai puțin plauzibilă (aici facem în principal aluzie la regula de învățare cu propagare inversă, care este în prezent abordarea predominantă când se antrenează modele de rețele neuronale). Cu un astfel de model, aceeași abordare de adaptare a modelului pe care am folosit-o aici poate fi încă aplicată, dar cu un set diferit de parametri de reglat, cum ar fi tipul funcției de activare, numărul de neuroni și rata de învățare.

Lucrările recente în cadrele bazate pe utilizare au evidențiat diferențele individuale vaste care caracterizează cunoștințele lingvistice la populațiile de limbă primară. Diferențele individuale de gramatică sunt comparabile ca mărime cu cele din cunoștințele lexicale și sunt legate atât de calitatea input-ului, cât și de abilitățile cognitive ale cursantului (D ˛ abrowska, 2018). Descoperirile noastre demonstrează că adaptarea modelului individual ar trebui să fie opțiunea implicită atunci când se compară modelul R-W sau alte modele de calcul cu datele participanților. În mod specific, parametrii modelului și intrările de date ar trebui ajustate separat pentru fiecare participant pentru a permite o mai bună luare în considerare a răspunsurilor individuale și pentru a obține o imagine mai veridică a locului în care se află, de exemplu, o regulă, fie în mintea agregată a lingvistului, fie a individului. mințile utilizatorilor (Divjak, 2018) și modul în care este distribuită în populație. Datele noastre susțin, de asemenea, poziția bazată pe utilizare conform căreia cunoștințele noastre lingvistice sunt modelate de caracteristicile noastre personale și cognitive, așa cum este atestat de rolul semnificativ al WM și al genului în calitatea potrivirii modelului; astfel de factori ar trebui luați în considerare în mod implicit la modelarea limbajului.

Limitări și direcții viitoare

Studiul nostru este primul care potrivește modelul R-W la comportamentul cursanților individuali într-o sarcină reală de învățare a limbii străine. Am folosit modelul R–W în forma disponibilă acum, dar constatările noastre, în ciuda faptului că sunt foarte promițătoare, arată că ar putea fi interesant să extindem modelul pentru a face față limitărilor de capacitate WM. Investigații ulterioare într-o astfel de direcție ar putea fi inspirate de munca depusă în învățarea prin întărire – un domeniu strâns legat de condiționarea clasică – unde s-a presupus de multă vreme că învățarea are loc în zone, adesea asociate cu funcții cognitive de nivel scăzut, cum ar fi striatul dorsal și ventral. (Balleine & O'Doherty, 2010), dar acum este recunoscut că implică și control cognitiv la nivel înalt prin WM. Acest lucru a condus la dezvoltarea de noi cadre de învățare în care WM este modelat în mod explicit ca o componentă cheie care sprijină învățarea prin reținerea informațiilor din studiile anterioare (de exemplu, a se vedea Collins și Frank, 2012; Ezzizi și colab., 2015). Aceasta ar putea fi abordarea de luat pentru R-W și alte modele de condiționare clasice, mai ales pentru că în studiile de limbaj mari bazate pe simulare, evenimentele de învățare conțin de obicei un număr mare de indicii (de exemplu, toate trigrafele sau cuvintele dintr-o propoziție), care nu pot să fie procesat imediat de către un cursant uman – așa cum este necesar în actualizările modelului R–W – din cauza limitărilor de capacitate WM cunoscute (a se vedea Glautier, 2013 și Baayen și colab., 2016, pentru încercările timpurii în această direcție).

O altă direcție pentru extinderea viitoare a activității noastre este de a colecta răspunsurile participanților de-a lungul timpului, în timp ce aceștia sunt instruiți cu privire la asociațiile indiciu-rezultat, mai degrabă decât să aibă o fază separată de testare post-învățare. Acest lucru ar avea potențialul de a îmbunătăți în continuare modelul de potrivire și de a oferi o imagine mai largă a comportamentului participanților în timp ce aceștia învață sarcina. În plus, acest lucru ar putea permite extragerea unei măsuri de învățare bazată pe panta de timp pentru sarcina de învățare a limbii, așa cum am făcut-o pentru sarcina de învățare implicită și, astfel, ar crește probabilitatea de a găsi o legătură între învățarea implicită și calitatea potrivirii R- Model W (vezi și discuția noastră din Anexa S5 din Informațiile de sprijin online). O legătură între cele două măsuri poate fi testată prin potrivirea modelului R-W la timpii de răspuns colectați în sarcina de învățare implicită, așa cum a făcut Notaro și colab. (2018), mai degrabă decât să utilizeze doar pante de timp sau un amestec al celor două.

În cele din urmă, structura particulară a sarcinii noastre de învățare a limbilor străine a favorizat strategia normativă (prejudecata masculin), dar o întrebare interesantă la care rămâne fără răspuns este dacă putem folosi modelul R-W pentru a prezice apariția diferitelor strategii pe măsură ce variam structura introducerii limbii. și control pentru diferențele individuale între cursanții de limbi străine. Abordarea utilizării modelului R-W pentru a explica sau prezice nivelul de acord între utilizatorii limbii poate fi extinsă dincolo de acordul subiect-verb polonez la timpul trecut plural pentru a acoperi alte fațete ale limbajului în care a fost observată o lipsă de consens în utilizarea limbii (de exemplu, vezi Geeraert et al., 2020; Milin, Divjak, & Baayen, 2017).

Concluzie

Modelul R–W este un model de învățare foarte simplu, dar are mai multe surse de variație care pot fi folosite pentru a explica comportamentul participanților în experimentele de învățare a limbilor străine. Acestea includ rata de învățare a modelului, ordinea de prezentare a exemplelor de învățare și frecvențele relative ale coocurențelor indiciu-rezultat. În studiul de față, am încorporat în mod sistematic aceste surse de variație atunci când am adaptat modelul la datele participanților, permițând astfel modelului să surprindă cu succes alegerile și latența de răspuns ale majorității participanților la o sarcină de învățare a limbilor străine pe acordul subiect-verb polonez. În plus, caracteristicile cognitive și demografice, cum ar fi WM și genul, au determinat măsura în care învățarea limbilor a fost condusă de principiile de învățare asemănătoare R-W.

Deschideți insigne de cercetare

Acest articol a câștigat insigne Open Data și Open Materials pentru a pune la dispoziția publicului datele care pot fi partajate digital și componentele metodelor de cercetare necesare pentru a reproduce procedura și rezultatele raportate. Toate datele și materialele pe care autorii le-au folosit și au dreptul să le partajeze sunt disponibile la https://github.com/ooominds/Error-correction-mechanismsin-language-learning și https://doi.org/10.25500/edata.bham. 00000911. Toate materialele proprietare au fost identificate cu precizie în manuscris.

Note

1 Ideea de competiție cu tac se află, de asemenea, în centrul modelului de competiție al lui Bates și MacWhinney (1987) pentru achiziția limbajului. Modelul lor, totuși, folosește în principal indicii simbolice/lingvistice, cum ar fi ordinea cuvintelor sau caracteristicile morfologice ale cuvintelor și se bazează pe o abordare conecționistă care necesită o arhitectură mult mai complexă decât modelul R-W.

2 Conținutul oricărui corpus este, în cel mai bun caz, o aproximare foarte grosieră a intrărilor pe care le primesc utilizatorii de limbă. În schimb, limbile artificiale sunt ilustrative și informative pentru înțelegerea limbilor naturale, dar nu o reflectare realistă a complexității găsite în orice limbaj natural dat.

3 Implementările timpurii ale regulii R–W ca model de învățare prin discriminare naiv s-au bazat pe o versiune neiterativă a algoritmului, așa cum este furnizată de Danks (2003), care elimină posibilitatea apariției oricăror efecte de ordine.

4 Este important de menționat că aici nu am fost interesați să testăm efectele de blocare în sine, așa cum se face de obicei în experimentele comportamentale de condiționare clasică. În aceste experimente, sunt incluse doar evenimentele relevante pentru blocare (blocarea este analizată separat de celelalte efecte), iar blocarea este testată pe un al doilea indiciu, în loc de al treilea indiciu, ca în cazul nostru (de exemplu, Kamin, 1969). De asemenea, cursantul este de obicei antrenat suficient de mult pentru a se asigura că indiciul de „blocare” devine un bun predictor al rezultatului de interes. O astfel de configurație experimentală curată nu ar reprezenta în mod corect „dezordinea” atât de răspândită în limbile naturale. Deoarece studiul nostru se referă la învățarea limbilor străine, am optat pentru a imita cât mai aproape posibil o situație realistă de învățare.

5 Un participant suplimentar s-a confruntat cu o defecțiune a echipamentului la mijlocul fazei de testare și a trebuit să reia testul. Am păstrat datele acestui participant, deoarece nu au trecut prin niciun antrenament suplimentar în a doua rundă a fazei de testare și, astfel, au început noua alergare cu aceleași cunoștințe ca și în prima rundă (reamintim că feedback-ul rezultatului este furnizat doar în faza de antrenament). Efectul de familiarizare nu ar trebui să joace un rol aici, deoarece toți participanții au trecut prin câteva încercări practice în toate fazele înainte de a începe experimentul propriu-zis. De asemenea, am reluat toate analizele fără datele acestui participant și am confirmat că eliminarea acestora nu a modificat niciunul dintre rezultatele prezentate în lucrare.

6 Calitatea potrivirii modelului pe datele nevăzute a fost evaluată utilizând validarea leave-one-outcross-validation. În mod specific, pentru fiecare participant, am susținut câte un eveniment dintre cele pe care le-au întâlnit în faza de testare și am adaptat un model R-W evenimentelor rămase. Modelul a fost apoi evaluat numai pe evenimentul rezervat, evaluând dacă răspunsul participantului se potrivea cu cel al modelul său R–W cel mai potrivit. S-a repetat acest lucru pentru toate evenimentele de testare și apoi s-a calculat corectitudinea ajustată medie (omite-unul afară), adică proporția de potriviri dintre răspunsurile unui anumit participant la fiecare dintre evenimentele rezervate și previziunile asociate acestora din R-ul cel mai potrivit participant. model W.

7 De fapt, acest nivel de acuratețe poate fi considerat excelent deoarece am presupus un proces de selecție a acțiunii neprobabilistă foarte simplu în care o formă de verb este aleasă dacă are cea mai mare activare. Acest lucru nu ia în considerare variabilitatea care ar putea apărea din explorare, lipsa atenției sau zgomotul inerent al creierului.

Referințe

1.Adani, S., & Cepanec, M. (2019). Diferențele de sex în dezvoltarea timpurie a comunicării: indicatori comportamentali și neurobiologici ai dezvoltării mai vulnerabile a sistemului de comunicare la băieți. Jurnalul medical croat, 60(2),141–149.https://doi.org/10.3325/cmj.2019.60.141

2.Ambridge, B. și Lieven, EVM (2011). Achiziția limbajului copilului: abordări teoretice contrastante. Cambridge University Press.

3.Baayen, RH (2011). Lingvistica corpusului și învățarea discriminativă naivă. RevistaBrasileira de Linguística Aplicada, 11(2), 295–328.https://doi.org/10.1590/S1984-63982011000200003

4.Baayen, RH, Endresen, A., Janda, LA, Makarova, A., & Nesset, T. (2013). Făcând alegeri în rusă: avantaje și dezavantaje ale metodelor statistice pentru formele rivale. RussianLinguistics, 37(3), 253–291.https://doi.org/10.1007/s11185-013-9118-6

5.Baayen, RH, & Milin, P. (2010). Analizarea timpilor de reacție. Jurnalul Internațional de Cercetare Psihologică, 3(2), 12–28.https://doi.org/10.21500/20112084.807 

6. Baayen, RH, Milin, P., Filipovic Ður ´ đevic, D., Hendrix, P. și Marelli, M. (2011). Un „model amorf pentru procesarea morfologică în înțelegerea vizuală bazată pe învățarea discriminativă naivă. Psychological Review, 118(3), 438–481.https://doi.org/10.1037/a0023851
7.Baayen, RH, Shaoul, C., Willits, J. și Ramscar, M. (2016). Înțelegerea fără segmentare: O dovadă de concept cu învățare discriminativă naivă. Language, Cognition and Neuroscience, 31(1), 106–128.https://doi.org/10.1080/23273798.2015.1065336

8. Baetu, I., Burns, N., & Child, B. (2018). Diferențele individuale în capacitatea memoriei de lucru prezic performanța pe o sarcină de învățare asociativă [Prezentare hârtie]. Psiholog australian, Sydney, Australia.https://doi.org/10.1111/ap.12372

9. Balleine, BW și O'Doherty, JP (2010). Omologii umane și rozătoare în controlul acțiunii: determinanții corticostriatali ai acțiunii obișnuite și direcționate către un scop. Neuropsychopharmacology, 35 (1), 48-69.https://doi.org/10.1038/npp.2009.131

10. Balling, LW și Baayen, RH (2008). Efecte morfologice în recunoașterea cuvintelor auditive: dovezi din daneză. Limbajul și procesele cognitive, 23(7–8),1159–1190.https://doi.org/10.1080/01690960802201010

For more information:1950477648nn@gmail.com