Mecanismes de correcció d'errors en l'aprenentatge de llengües: modelització d'individus Part 1

Resum:

Des de la seva primera adopció com a model computacional per a l'aprenentatge d'idiomes, s'ha acumulat evidència que l'aprenentatge de correcció d'errors de Rescorla-Wagner (Rescorla i Wagner, 1972) captura diversos aspectes del processament del llenguatge. Mentre que estudis anteriors han proporcionat suport general per a la regla Rescorla-Wagner utilitzant-la per explicar el comportament dels participants en una sèrie de tasques, ens centrem a provar les prediccions generades pel model en una tasca controlada d'aprenentatge del llenguatge natural i modelem les dades a nivell de l'aprenent individual.

Hi ha una estreta relació entre l'aprenentatge de la llengua i la memòria. Quan aprenem una nova llengua, no només hem de dominar-ne la gramàtica i el vocabulari, sinó que també hem de memoritzar moltes paraules i expressions. Per tant, la memòria té un paper important en el procés d'aprenentatge de la llengua.

L'aprenentatge d'idiomes pot enfortir la memòria. Molts estudis han demostrat que l'aprenentatge d'un nou idioma pot estimular l'activitat neuronal del cervell, promoure el metabolisme a l'escorça cerebral i, per tant, reforçar la memòria. Aprendre un nou idioma també pot estimular la xarxa neuronal del cervell, fent-lo més saludable i millorant les capacitats cognitives, la intel·ligència i el pensament lògic.

Aprendre una llengua requereix repetició i pràctica. La connexió freqüent de parlar, escoltar i llegir pot aprofundir la impressió i fer que les coses siguin més memorables. Al mateix temps, en comunicar-nos amb els altres, podem memoritzar millor paraules i frases noves, aprendre sobre diferents entorns lingüístics i cultures i aprofundir encara més en la nostra comprensió de la llengua.

Aprendre un idioma també ens permet canviar la nostra manera de pensar, millora la flexibilitat i la creativitat del pensament i millora encara més la memòria. Al mateix temps, també podem dur a terme l'aprenentatge d'idiomes i l'entrenament de la memòria escoltant música, veient pel·lícules, llegint literatura xinesa i estrangera, etc., aprenent de diferents maneres i jugant mentre aprenem per fer que el procés d'aprenentatge sigui més interessant, augmentant l'aprenentatge. interès i millorar la memòria.

Per tant, quan aprenem un idioma, podem utilitzar una varietat de mètodes per practicar, centrar-nos en activitats i exercicis de memòria, innovar constantment mètodes i mètodes d'aprenentatge i reforçar l'entrenament de la memòria per millorar els efectes d'aprenentatge i millorar la memòria. Es pot veure que hem de millorar la nostra memòria. Cistanche deserticola pot millorar significativament la memòria perquè Cistanche deserticola és un material medicinal tradicional xinès amb molts efectes únics, un dels quals és millorar la memòria. L'eficàcia de la carn picada prové dels nombrosos ingredients actius que conté, inclosos àcids, polisacàrids, flavonoides, etc. Aquests ingredients poden promoure la salut del cervell de diverses maneres.

Feu clic a Coneix 10 maneres de millorar la memòria

En ajustar els paràmetres del model per adaptar-se a les opcions de comportament dels participants prova per prova, en lloc d'ajustar un model un per a tots utilitzant un únic conjunt de paràmetres predeterminats, mostrem que el model captura amb precisió les opcions dels participants, les latències de temps, i nivells d'acord de resposta. També mostrem que el gènere i la capacitat de memòria de treball afecten fins a quin punt el model Rescorla-Wagner captura l'aprenentatge d'idiomes.

Paraules clau

aprenentatge d'idiomes; aprenentatge de correcció d'errors; model de Rescorla–Wagner;morfologia; acord.

Introducció

Els humans compartim amb altres espècies molts mecanismes bàsics d'aprenentatge que ens permeten adaptar-nos al nostre entorn (Rescorla, 1988). Aquests mecanismes inclouen, entre d'altres, el condicionament clàssic (és a dir, el condicionament pavlovià; Pavlov, 1927), el condicionament instrumental (també el condicionament operant; Skinner, 1938) i les formes d'aprenentatge social, com ara l'aprenentatge vicari (Bandura, 1962).

La capacitat d'aprenentatge humà que defineix més singularment és l'aprenentatge d'idiomes, que també inclou una transmissió transgeneracional eficient i és fonamental per a la inclusió i la cohesió social. Tanmateix, mentre que els mecanismes d'aprenentatge bàsic s'entenen relativament bé, l'aprenentatge d'idiomes continua sent un misteri (Ambridge i Lieven, 2011). Chomsky (1959) va anul·lar un primer intent de Skinner (1957) d'explicar l'aprenentatge de llengües utilitzant els mateixos principis que els que regeixen les tasques cognitives de nivell inferior.

Durant gran part de la resta del segle XX, el llenguatge va ser vist com un sistema innat en general, governat per regles i gestionat per una estructura cognitiva única i especialitzada. Aquesta estructura es va conceptualitzar inicialment com un dispositiu d'adquisició del llenguatge i més tard es va estendre per convertir-se en gramàtica universal.

Aquesta visió dominant va ser qüestionada des de dues vessants simultàniament. L'aparició de la lingüística basada en l'ús als anys vuitanta (Langacker, 1987) va promoure una visió del llenguatge com un sistema dinàmic i probabilístic, resultat de les capacitats cognitives generals que actuen sobre l'entrada del llenguatge (D ˛abrowska i Divjak, 2015). Aquesta visió va encaixar bé amb els marcs conexionistes, que van demostrar que el comportament semblant a les regles només pot sorgir de l'exposició a l'ús i que el coneixement del llenguatge és sensible a les propietats de l'entrada (Plaut i Gonnerman, 2000; Seidenberg i McClelland, 1989). '

Sens dubte, el connectionisme també va obrir el camí per a canvis en la teorització, cap a una visió del llenguatge com s'aprèn com qualsevol altra habilitat, i a principis de la dècada del 2000 va ser testimoni de l'inici de la reintegració dels principis bàsics de l'aprenentatge al cos de treball sobre el llenguatge (per exemple, vegeuBybee i McClelland, 2005; per a treballs més actualitzats, vegeu Ellis et al., 2016, que aborda tant l'aprenentatge de la primera i la segona llengua, com Chuanget al., 2021, que aborda l'adquisició lèxica en segona i tercera llengua). Ara es considerava que el llenguatge era susceptible a les mateixes capacitats cognitives de propòsit general i mecanismes d'aprenentatge que els humans i els animals utilitzen per navegar i adaptar-se al seu entorn (cf. Ellis, 2006a; Ellis i Sagarra, 2010, 2011; Sturdy i Nicoladis, 2017). .

Entre aquests models d'aprenentatge, el model de condicionament clàssic de Rescorla i Wagner (1972) destaca per la seva senzillesa i la seva capacitat per explicar una sèrie de fenòmens d'aprenentatge empíric (Siegel i Allan, 1996). Aquest model és biològicament plausible (Chen et al., 2008) i té un avantatge evolutiu sobre altres mecanismes d'aprenentatge més potents, en el sentit que té una probabilitat més alta de ser seleccionat de manera natural i de persistir en el procés evolutiu, en comparació amb altres mecanismes d'aprenentatge plausibles (per a més detalls, vegeu Trimmer et al., 2012).

Literatura de fons

El model Rescorla-Wagner

Com a model de condicionament clàssic, el model de Rescorla-Wagner (R-W) es preocupa de situacions en què una entitat (un humà, un animal o una màquina) ha d'aprendre la relació predictiva entre objectes i/o esdeveniments (és a dir, indicis i esdeveniments). resultats) en un entorn, i on les pistes competeixen pel seu valor predictiu per a un resultat mentre (re)calibreixen iterativament els pesos d'aprenentatge (o associació). Més concretament, un pes d'associació reflecteix la tendència d'un resultat a produir-se en presència d'un determinat senyal. Un valor de pes d'associació positiva més alt per a un resultat determinat correspon a una probabilitat més alta d'ocurrència d'aquest resultat en presència de la senyal; per contra, un valor altament negatiu correspon a una major probabilitat de no-ocurrència d'aquest resultat (es diu que el senyal és inhibidor en aquest cas). Els valors propers a zero signifiquen baixes possibilitats d'observar (si el pes és positiu) o inhibir (si el pes és negatiu) el resultat.

El model R–W assumeix que l'organisme calcula una regla d'aprenentatge simple de correcció d'errors que s'utilitza per actualitzar els pesos d'associació en cada esdeveniment de nou aprenentatge (per exemple, cada assaig en un experiment de comportament). La idea general darrere de la regla de correcció és que l'associació entre una indicació i un resultat (a) s'enforteix si tant la indicació com el resultat estan presents en l'esdeveniment d'aprenentatge, (b) es debilita si la indicació està present però el resultat no, i (c) ) es manté igual si no hi ha cap senyal.

L'actualització dels pesos de l'associació està impulsada per la discrepància entre el resultat esperat i el resultat obtingut, de manera que la magnitud de l'actualització (quant s'ajusten els pesos de l'associació) està determinada per dos paràmetres anomenats taxes d'aprenentatge i la direcció de l'actualització: si augmenta. el pes o disminueix- depèn del signe de la diferència entre el resultat esperat i observat. D'aquesta manera, de manera més àmplia, per al model R–W, l'aprenentatge és sobre els resultats, i això es diferencia dels models relacionats on l'aprenentatge és sobre les pistes d'entrada (per exemple, Pearce i Hall, 1980).

Una altra característica del model R–W és que, tot i que els resultats s'actualitzen de manera independent els uns dels altres, les indicacions d'entrada competeixen per la predictivitat dels resultats.

En altres paraules, l'ajust dels pesos depèn no només de l'únic senyal que s'actualitza, sinó de tots els indicis presents en l'esdeveniment d'aprenentatge mitjançant la seva suma de pesos d'associació. Aquest principi de competència de taques va permetre al model R-W explicar molts dels fenòmens desconcertants del condicionament clàssic, alguns dels quals també eren valuosos per entendre la mecànica de l'aprenentatge de llengües (vegeu la secció següent per a la discussió).1 Un dels exemples més coneguts de aquests fenòmens d'aprenentatge són l'efecte de bloqueig (Kamin, 1969). Aquest efecte es produeix quan un senyal s'entrena en un compost amb un segon indicador per predir un resultat, però quan el segon indicador ja és un bon predictor del resultat. En aquests casos, el primer senyal no pot formar una associació forta amb el resultat (és a dir, el primer senyal està bloquejat pel segon indicador). De manera més general, el principi de la competència de senyals sovint dóna com a resultat l'observació que els millors indicis per al resultat impedeixen que altres indicis desenvolupin una forta associació amb aquest mateix resultat.

El model Rescorla-Wagner i l'aprenentatge de llengües

Des de la seva primera menció en un context lingüístic per part d'Ellis (2006a), s'han acumulat proves que mostren que el model R–W pot captar diversos aspectes de l'aprenentatge de llengües (p. ex., Baayen et al., 2011; Ellis, 2006b; Milin, Divjak, & Baayen, 2017 ; Milin, Feldman, et al., 2017). Fins ara, l'evidència empírica disponible prové d'estudis que entrenen un model R–W que utilitza valors de paràmetres predeterminats (aquí fem al·lusió als dos paràmetres de velocitat d'aprenentatge utilitzats per actualitzar els pesos d'associació després de cada nou esdeveniment), normalment en una petita mostra d'experiments llenguatges artificials o un gran corpus de textos.2 A continuació, s'extreuen les mesures d'aprenentatge posterior a la formació del model simulat i es comparen amb les mesures de resposta observades d'una tasca experimental.

El primer problema és que les prediccions d'aquests models (i a partir de) normalment es generen independentment de l'experiment (amb excepcions com els estudis de Ramscar i Yarlett, 2007, i Divjak et al., 2021, on el model va generar les hipòtesis a provar experimentalment). .

Els paràmetres s'estableixen normalment amb els seus valors predeterminats, perdent l'oportunitat de tenir en compte la variabilitat que pot sorgir de la simulació del model amb diferents valors de paràmetres (tot i que vegeu Olejarczuk et al., 2018, que van utilitzar valors de paràmetres fixos, però van ajustar un model separat a cadascun). dades del participant utilitzant la mateixa seqüència d'exemples que va trobar el participant). La incorporació de la variabilitat derivada dels paràmetres del model a l'hora d'ajustar els models d'aprenentatge a les dades lingüístiques té el potencial de millorar l'explicabilitat de les diferències individuals observades a l'experiment, sobretot perquè l'ús i la representació del llenguatge és una àrea que mostra una gran variació individual (D ˛abrowska, 2018). .

Entrenar el model en un corpus a gran escala té un cost encara més gran. Deixem de banda aquí la qüestió de la (manca) semblança entre els continguts d'un corpus i l'entrada que reben els usuaris de la llengua (que afecta els estudis d'evidència convergent en general; per a un resum. discussió, vegeu Klavan i Divjak, 2016, i per a col·leccions d'exemples treballats, vegeu Divjak i Gries, 2012 i Gries i Divjak, 2012). Aquí ens centrem en un altre tema: l'entrenament sobre un corpusmuta les dues principals fonts de variabilitat del model, és a dir, les relacionades amb l'elecció dels paràmetres del model i l'ordre dels exemples d'entrenament, que són majoritàriament actives durant les primeres etapes de l'aprenentatge (Shanks, 1995). Vegeu també Milin et al., 2020, per a una discussió més general sobre l'aprenentatge de la correcció d'errors de l'efecte de l'ordre d'assaig).3 Aquests biaixos primerencs, com els va anomenar Ellis (2006a), constitueixen una prova real per al model R-W abans d'això. es pot implementar com a model d'aprenentatge d'idiomes a gran escala. Modelar la variabilitat dels paràmetres i entrenar el model R–W en els mateixos exemples que van trobar els participants representen noves oportunitats per entendre l'aprenentatge d'idiomes que encara no s'han explorat completament en estudis anteriors.

L'estudi actual

El present estudi té com a objectiu modelar com els aprenents d'idiomes individuals es comprometen amb la tasca en qüestió, prova per prova, la qual cosa constitueix un repte canviant per a l'aplicació a l'aprenentatge d'idiomes de l'aprenentatge de la discriminació o la correcció d'errors en general i el model R-W en En particular. Mentre que estudis anteriors han proporcionat suport general per a la regla R-W utilitzant aquest model per explicar el comportament dels participants en una sèrie de tasques (Divjak, 2019; Milin i Blevins, 2020; Milin, Feldman, et al., 2017; Pirrelli). et al., 2020), ens centrem a provar les prediccions generades pel model en una tasca controlada d'aprenentatge d'idiomes naturals i modelem les dades a nivell de l'aprenent d'idiomes individual. En fer-ho, tractem cada participant com una entitat d'aprenentatge independent governada per diferents capacitats, que es formalitzen, fonamentalment, a través dels paràmetres d'aprenentatge del model escollit.

Atès que diversos estudis han informat que el rendiment del condicionament clàssic es pot veure afectat per característiques cognitives i personals com la memòria de treball (Baetu et al., 2018; Sasaki, 2009), el gènere (Lonsdorfet al., 2015; Merz et al., 2018), i l'edat (per exemple, Mutter et al., 2012), també investiguem si aquestes característiques podrien afectar l'adopció d'un mecanisme R-Wlike d'aprenentatge de llengües.

Per assolir aquests objectius i abordar aquestes qüestions, vam dissenyar una tasca d'aprenentatge del llenguatge natural simplificada: simplificada per aprofitar l'avantatge d'un control empíric estricte, però només en part per mantenir el compromís amb la validesa ecològica oferint una experiència d'entrada del llenguatge més naturalista. La tasca representa, en una mesura raonable, com la gent aprendria mapes d'acord subjecte-verb polonès mitjançant l'exposició natural a exemples.

Vam formar parlants nadius d'anglès en un conjunt d'exemples elaborats amb cura, que tenien dimensions tant auditives com visuals, i que incorporaven algunes de les complexitats inherents a l'acord subjecte-verb en polonès. A continuació, per a cada participant, individualment, vam seleccionar el model més adequat (és a dir, els paràmetres que van conduir a la coincidència més propera entre les respostes del participant i el model), utilitzant els mateixos exemples d'entrenament que va trobar el participant. A continuació, vam avaluar el model R–W per la seva capacitat per recuperar les opcions d'idioma dels participants, així com les seves latències de temps, i el vam comparar amb altres estratègies de resposta plausibles però basades en regles. Finalment, vam provar si les característiques cognitives i personals, com ara la capacitat de memòria de treball, l'edat i el gènere, afecten fins a quin punt el model R–W captura l'aprenentatge d'idiomes.

Mètode

Participants

Seixanta-sis participants (Mdnage=20 anys; rang=18–65; 41 dones) van participar en l'experiment a canvi d'un val d'Amazon de 7 £. Els participants van ser estudiants i personal universitari. Tots eren angloparlants nadius sense coneixements de polonès ni de cap altra llengua eslava, tenien una audició i una visió normals o normals i no declaraven cap discapacitat d'aprenentatge. Els participants tenien diferents antecedents educatius i molts d'ells podien parlar altres llengües en a més de l'anglès (les distribucions dels antecedents educatius i lingüístics es presenten a l'apèndix S1 de la informació de suport en línia).

Materials i procediment

Tots els nostres materials, incloses les dades i el codi, estan disponibles obertament a Github (https://github.com/ooominds/Error-correction-mechanisms-in-languagelearning) i al repositori d'accés obert de la Universitat de Birmingham, UBIRA (https:/ /doi.org/10.25500/edata.bham.00000911). Els participants van completar tres tasques i un qüestionari breu en l'ordre següent: (a) una tasca d'aprenentatge d'idiomes (tasca principal), (b) un qüestionari de coneixement explícit i demogràfic, (c) una tasca d'aprenentatge implícita i (d) una memòria de treball ( WM) tasca. (A la secció següent es proporciona una descripció detallada de cada tasca.)

Les tasques d'aprenentatge d'idiomes i d'aprenentatge implícit es van implementar i presentar als participants mitjançant OpenSesame (Mathôt et al., 2012; Mathôt i March 2022). El qüestionari demogràfic es va presentar mitjançant Google Forms i la tasca WM es va administrar mitjançant Tatool (von Bastian et al., 2013). L'experiment es va realitzar individualment o, sempre que fos possible, per parelles, en una habitació tranquil·la, amb Intel Core i. 7-8700 ordinadors amb Windows 10 i equipats amb Iiyama G-Master 24.5-a. monitors que funcionen a 59 Hz amb una resolució de pantalla de 1.920 × 1.080 píxels. Els participants van escoltar els estímuls auditius mitjançant auriculars amb cancel·lació de soroll Bose QuietComfort 35 II i van registrar les seves respostes mitjançant un teclat. L'experiment va trigar uns 50 minuts a completar-se.

For more information:1950477648nn@gmail.com