Mecanismes de correcció d'errors en l'aprenentatge de llengües: modelització d'individus Part 3

Relació entre les mesures basades en l'activació del model i les eleccions i els temps de resposta dels participants

En una avaluació addicional de la qualitat de l'ajust del model R-W, vam dur a terme una anàlisi de modelització lineal generalitzada d'efectes mixts mirant la relació entre les opcions dels participants i la mesura basada en l'activació derivada dels models R-W ajustats, és a dir , suport d'activació per al formulari np (vegeu la secció sobre modelització computacional per a més detalls). També es va analitzar la relació entre els temps de resposta dels participants i el suport d'activació ajustant un model polinomi lineal d'efectes mixts amb els termes lineals i quadrats de suport d'activació, ja que esperàvem que el suport d'activació tingués un efecte quadràtic en els temps de resposta (taula 3). Resums més detallats dels models amb les estructures d'efectes aleatoris es proporcionen a l'apèndix S8 a la informació de suport en línia.

L'efecte aleatori fa referència a l'impacte dels canvis aleatoris entre individus. S'utilitza àmpliament en sociologia, psicologia i altres camps. La memòria és un indicador important perquè les persones mesuren la funció cerebral i afecta directament l'aprenentatge i la vida de les persones. Però, quina és exactament la relació entre els efectes aleatoris i la memòria?

La investigació mostra que hi ha una certa correlació entre els efectes aleatoris i la memòria. Quan es realitzen tasques de memòria, la interferència de factors aleatoris reduirà l'eficiència i la precisió de finalització d'un individu, afectant així el rendiment de la memòria. En conseqüència, entrenar la capacitat anti-interferència d'un individu pot millorar la seva capacitat de respondre a efectes aleatoris, millorant així la memòria.

A més, diferents grups de persones responen de manera diferent a factors aleatoris. Algunes persones tenen una forta adaptabilitat i mostren una millor capacitat de memòria quan es troben amb un entorn molt aleatori; mentre que per a algunes persones, els factors aleatoris provocaran interferències excessives i reduiran la seva memòria. nivell. Això està relacionat amb la capacitat de memòria bàsica de l'individu, la qualitat psicològica, l'experiència de vida i altres factors.

Per tant, hem de reconèixer l'impacte dels efectes aleatoris en la memòria i utilitzar mètodes científics per millorar la capacitat d'anti-interferència individual i l'adaptabilitat per millorar els nivells de memòria. Crec que mentre fem tot el possible, confiem en la ciència i la tecnologia per explorar contínuament i millorem constantment la nostra qualitat personal, podrem seguir avançant en el camí cap a perseguir una vida excel·lent i dominar vides més meravelloses! Es pot veure que hem de millorar la memòria, i Cistanche deserticola pot millorar significativament la memòria perquè Cistanche deserticola és un material medicinal tradicional xinès que té molts efectes únics, un dels quals és millorar la memòria. L'eficàcia de la carn picada prové dels diferents ingredients actius que conté, com àcids, polisacàrids, flavonoides, etc. Aquests ingredients poden afavorir la salut del cervell de diverses maneres.

Feu clic a conèixer maneres de millorar la funció cerebral

Com era d'esperar, el suport d'activació per a la forma plural no masculina es va associar significativament positivament amb la probabilitat d'opcions de forma no masculina, O {{0}}.78, p < .001, 95 % CI [3,82, 12.03]. La figura 4 (tauler esquerre) també mostra que aquesta relació és asimètrica al voltant de 0, reflectint un fort biaix cap a la forma verbal masculina que, fins i tot amb proves (basades en l'activació) que donen suport a la forma no masculina, encara pot conduir a una preferència per la forma masculina. A més, i d'acord amb les nostres hipòtesis, el terme polinomi de segon ordre de suport a l'activació va ser un predictor significatiu del temps de resposta, ja que hi havia una relació quadràtica entre el suport d'activació i el temps de resposta, amb les respostes més lentes registrades per als esdeveniments menys suportats, b {{ 12}} -0,20, p=,012, IC del 95% [−0,35, -0,04]; vegeu també la figura 4, panell dret.

Aquests resultats suggereixen que els models ajustats van tenir un bon rendiment a l'hora de predir les opcions de forma dels participants i que la informació codificada en els pesos d'associació (la moneda bàsica d'un model R–W) és un bon predictor tant de la probabilitat d'escollir una forma verbal concreta com de la velocitat. amb el qual es fa la resposta. El nivell d'acord dels participants pel que fa a l'elecció d'una forma verbal determinada va variar segons el suport d'activació d'aquesta forma en particular, amb un alt nivell d'acord esperat i acreditat per a valors de suport d'activació positius o negatius alts i amb un alt nivell de desacord esperat i certificat per al suport d'activació al voltant de zero.

Nivell d'acord entre els participants a través de la lent del model

Hem analitzat més el comportament dels participants explorant dues preguntes addicionals. En primer lloc, quin nivell d'acord hi havia entre els aprenents d'idiomes, donat un tipus particular d'esdeveniment (p. ex., esdeveniments formats per indicis del mateix gènere gramatical versus esdeveniments que barrejaven indicis de gèneres gramaticals diferents)? En segon lloc, i de manera crucial, les diferències en els nivells d'acord es poden explicar adequadament mitjançant el model R-W?

Per respondre aquestes preguntes, hem analitzat l'efecte de la presència de cada categoria d'esdeveniment en la proporció de participants que van triar una de les dues formes verbals (per obtenir una llista completa de les categories d'esdeveniments utilitzades a la tasca, vegeu l'apèndix S3 a la informació de suport en línia). Per obtenir les estimacions del model de les proporcions, hem utilitzat el model lineal d'efectes mixts generalitzat que hem construït a l'anàlisi anterior (taula 3, esquerra) per modelar la relació entre el suport d'activació i l'elecció de la forma plural no masculina. Específicament, per a cada categoria d'esdeveniments, vam fer una mitjana de les proporcions previstes del model de les formes no masculines en funció dels seus valors de suport d'activació entre els participants (tenint en compte que cada categoria d'esdeveniment va ser trobada una vegada per cada participant). Els resultats es resumeixen a la figura 5. Els esdeveniments del Les figures s'ordenen en ordre ascendent segons les proporcions d'elecció observades a l'experiment, de manera que els costats més esquerre i dret representen regions d'un alt nivell d'acord entre els participants, mentre que els esdeveniments situats a la part mitjana van provocar un alt nivell de desacord entre els participants.

Els participants tenien una clara preferència per la forma plural masculí quan l'esdeveniment contenia una indicació personal masculí (uMP) o quan l'esdeveniment només incloïa senyals masculins animats (és a dir, "uMA1 + uMA2"). De la mateixa manera, els participants preferien la forma plural no masculina quan els esdeveniments contenien únicament indicis femenins, ja siguin personals o animats (per exemple, "uFA + uFP"). Es van observar nivells alts de desacord principalment per a esdeveniments que barrejaven el senyal bloquejat inhibidor i un senyal femení o un senyal animat masculí i un senyal personal femení (amb proporcions que oscil·laven entre 0,44 i 51).

Comparant les proporcions observades i predites, el model va aconseguir capturar sorprenentment bé la diferència en els nivells d'acord entre els participants en les diferents categories d'esdeveniments. Les discrepàncies més grans entre les proporcions observades i previstes semblen haver-se produït abans d'esdeveniments relacionats amb els senyals bloquejats i inhibidors, cosa que suggereix que era més difícil per al model captar el seu efecte en les eleccions dels participants.

Relació entre la qualitat de l'ajust del model i les mesures de diferències individuals Els resultats de l'ajust del model van demostrar que el model R-W té en compte amb èxit el comportament d'una gran proporció dels nostres participants, inclosos els seus temps de resposta. Tanmateix, la qualitat de l'ajust va variar entre els participants, amb les dades d'uns quants participants que s'ajustaven molt malament pel model. En un intent d'avaluar si les altres mesures recollides durant l'experiment (característiques demogràfiques, amplitud WM i aprenentatge implícit) poden explicar les diferències individuals observades en la qualitat de l'ajust del model, vam realitzar una regressió lineal múltiple per predir les taxes de concordança entre model participant (logit). -transformada) a partir de les diferents mesures de diferència individual recollides. Concretament, els predictors incloïen l'abast WM (transformat en z), el gènere i l'edat; les pendents de temps extretes per a cada participant de la tasca d'aprenentatge implícit no van fer una contribució significativa i s'informa a l'apèndix S5 de la informació de suport en línia.

A partir del model de regressió lineal complet que incloïa les quatre variables de mesura individuals, així com la interacció entre el gènere i l'abast de la WM, vam derivar un model final que només conté les variables significatives mitjançant la selecció de variables cap enrere basada en la prova de la proporció de probabilitat. Les dades de dos participants es van ometre d'aquesta anàlisi perquè un no va informar del seu gènere i un altre es va identificar com un valor extrem, tal com s'explica a la secció sobre la tasca WM. En total, les dades de 61 participants es van introduir al model de regressió lineal. El millor model després de la selecció de variables va incloure tant l'abast de la WM com el gènere, però no la seva interacció (taula 4).

La precisió d'ajustament del model va augmentar significativament amb l'augment de l'amplitud WM, b {{0}},17, p=.008, IC del 95% [{{24} }}.05, 0,30], tal com s'il·lustra a la figura 6 (tauler esquerre), i va ser significativament més gran per a les participants femenines (M=,69, SD=,17) en comparació amb participants masculins (M=0,63, SD=.16), b=-0,28, p =,033, IC del 95% [−0,54, -0,02 ], tal com es mostra a la figura 6 (tauler dret). Per comprovar que l'eliminació de residus influents no va afectar els nostres resultats, vam aplicar la crítica del model tal com es descriu a Baayen i Milin (2010); l'exclusió del residu extrem únic amb una puntuació az superior a 2,5 al nostre model va donar lloc a efectes encara més forts (p=.004 per a l'amplitud WM i p=.007 per al gènere). A més, l'amplitud WM no es va correlacionar significativament amb el gènere (p=0,058), cosa que suggereix que és poc probable que la seva relació hagi influït en els efectes del gènere i l'amplitud WM sobre la precisió d'ajustament del model (vegeu l'apèndix S9 a la informació de suport). en línia per a més detalls). Així, les nostres troballes mostren que tenir una capacitat de WM més gran o ser dona augmentava la probabilitat que un participant triés formes verbals pel model R-W a la nostra tasca d'aprenentatge d'idiomes.

Discussió

Resum de les troballes

Els nostres resultats mostren que un mecanisme R-W captura bé com els participants aprenen l'acord subjecte-verb en un llenguatge morfològicament complex i, per extensió, com podrien aprendre el llenguatge mitjançant la mera exposició a ell. Amb una precisió d'ajustament mitjana del 68%, basada en una estratègia de decisió senzilla basada en l'activació, el model va explicar bastant bé les eleccions de forma verbal fetes per una gran proporció de participants.7 Més interessant, una mesura basada en l'activació extreta dels models més adequats es va correlacionar. fortament tant amb la probabilitat d'elecció d'una forma verbal concreta com amb el temps necessari per fer aquesta elecció.

El model també va proporcionar informació sobre per què els participants podrien mostrar nivells d'acord alts o baixos a l'hora de triar una forma verbal, depenent de la naturalesa del subjecte de la clàusula. Segons el model, això es deu a les fortaleses d'associació que adquireixen els participants, que serveixen per calcular el suport d'activació de cadascuna de les possibles formes verbals. Aquestes forces d'associació es veuen afectades principalment per (a) la taxa d'aprenentatge de l'aprenent per a les pistes (la taxa d'aprenentatge determina la magnitud de la correcció dels pesos, en funció de l'error estimat en cada assaig) i (b) la distribució dels esdeveniments d'aprenentatge que van trobar durant la prova. etapa d'aprenentatge (això inclouria la freqüència de cada esdeveniment d'aprenentatge i l'ordre dels esdeveniments d'aprenentatge, entre altres coses). Per tant, una predicció del nostre estudi és que canviar l'ordre o les freqüències relatives dels esdeveniments d'aprenentatge durant la formació pot conduir a patrons d'elecció diferents dels que hem observat aquí.

També vam trobar una relació significativa entre el gènere i la capacitat de WM i les taxes de concordança participant-model, que il·lustra el que podria haver impulsat les diferències observades en la qualitat de l'ajust del model. El fet que en el nostre experiment una proporció més gran de dones que d'homes actuïn mitjançant un mecanisme R-W està en línia amb les troballes de diversos estudis anteriors que van posar de manifest l'associació entre el gènere i el condicionament clàssic per a tots dos humans (Lonsdorf et al., 2015; Merz et al., 2015; Merz et al., 2015). al., 2018) i animals (p. ex., Velasco et al., 2019). Això suggereix una diferència significativa en l'aprenentatge entre homes i dones, ja que les dones estan millor modelades per la regla d'aprenentatge de correcció d'errors R-W. En general, se sap que les dones tenen un petit avantatge lingüístic respecte als homes (vegeu Kimura, 1999, per a una avaluació extensa), específicament en àrees sobre la recuperació lèxica (Balling i Baayen, 2008, 2012). S'ha suggerit que això podria ser degut a que les dones tenen una memòria declarativa superior, que podrien utilitzar per generalitzar sobre les formes veïnes emmagatzemades (Hartshorne i Ullman, 2006).

La troballa que la probabilitat que un aprenent d'idiomes es comporti segons el mecanisme R–W augmenta amb la capacitat de WM proporciona evidències que la WM pot tenir un paper en el condicionament clàssic afectant l'adopció d'un mecanisme de condicionament clàssic com la regla R–W. Sasaki (2009) i Baetu et al. (2018) anteriorment van proporcionar proves de la interrupció del rendiment del condicionament clàssic quan la WM es carrega amb paradigmes de doble tasca. La troballa actual s'afegeix a l'evidència creixent que, en contra de la creença predominant, la WM pot estar implicada en processos cognitius de baix nivell com l'aprenentatge instrumental. , més comunament conegut com a aprenentatge de reforç a les comunitats de neurociència i aprenentatge automàtic (Collins i Frank, 2012; Ez-zizi, 2016) i en algunes formes d'aprenentatge implícit (Medimorec et al., 2021).

Els efectes de bloqueig i inhibidors no van sorgir del model R-W per a tots els participants. Com es mostra, això es va deure principalment a la curta durada de la fase d'entrenament. L'augment del nombre de proves d'entrenament no només va donar lloc a la reaparició d'efectes de bloqueig per als paràmetres més adequats de tots els participants, sinó que també va eliminar la variabilitat en els pesos d'associació, predint així que tots els participants haurien d'acabar comportant-se de la mateixa manera a llarg termini ( vegeu l'apèndix S7 a la informació de suport en línia). Això no és sorprenent a la vista del treball de Danks (2003), que mostra que, en molts casos, el sistema R–W convergirà cap al mateix equilibri independentment dels paràmetres utilitzats. En altres paraules, la destinació dels aprenents és sovint la mateixa (això també és desitjable, ja que sovint volem que tots els aprenents aprenguin a fer les mateixes associacions), però els camins cap a aquests destins poden diferir substancialment depenent de la naturalesa del problema d'aprenentatge (per exemple, la quantitat de dades disponibles, freqüències relatives dels esdeveniments, nombre de senyals i resultats). Això té moltes implicacions per als estudis d'aprenentatge de llengües que utilitzen el model R–W, tal com es comenta a la secció següent.

Implicacions per als estudis d'aprenentatge de llengües que utilitzen el model Rescorla-Wagner

Diversos grups d'investigació lingüística han adoptat el model R–W com un enfocament valuós per modelar els fenòmens d'aprenentatge de llengües a causa de la seva senzillesa, la seva plausibilitat cognitiva i els seus èxits en l'explicació d'una àmplia gamma de fenòmens d'aprenentatge de llengües. El present estudi proporciona més suport per simular o modelar l'aprenentatge d'idiomes mitjançant aquest model, però també crida l'atenció sobre l'important problema de les diferències individuals, que fins ara s'ha passat per alt en els estudis que combinen el modelatge computacional mitjançant el model R-W i dades experimentals.

Donada la quantitat de diferència individual que vam observar a les nostres dades, seria prudent allunyar-nos de l'enfocament predominant actualment en què el model R-W s'executa una vegada amb els seus valors de paràmetres predeterminats i s'utilitza per explicar les dades de tots els participants. Tot i que l'efecte del paràmetre de la taxa d'aprenentatge sobre la precisió de l'ajust del model no va ser substancial per a la tasca escollida, a la pràctica, el rendiment R–W sempre es veurà afectat per l'elecció de la taxa d'aprenentatge, independentment del repte de modelització particular (Milin, Divjak i Baayen, 2017, pàgs. 1739–1741).

Una altra pràctica habitual que podria haver de ser reconsiderada és entrenar el model en un conjunt de dades gran o en un petit subconjunt d'aquest. En conseqüència, les característiques que diferencien el model dels models de classificació purament estadístics, és a dir, la possibilitat de triar paràmetres que capturen la rapidesa amb què un individu pot aprendre i la capacitat de tenir en compte els efectes de l'ordre d'entrada, romanen sense utilitzar-se. No és d'estranyar, doncs, que diversos estudis hagin reportat només diferències menors o cap diferències entre el model R-W i altres models estadístics o d'aprenentatge, com ara la regressió logística, l'aprenentatge basat en la memòria i els arbres de decisió (Baayen, 2011; Baayen et al. , 2013). Amb aquest enfocament, el principal avantatge del model R-W respecte a les tècniques purament estadístiques és la seva capacitat per dur a terme un aprenentatge incremental, a mesura que les dades estiguin disponibles. Tanmateix, el mateix avantatge es podria treure de qualsevol model de xarxa neuronal sense cap capa oculta, ja que aquest model també pot produir pesos entre indicis i resultats, encara que amb una regla d'aprenentatge diferent i, possiblement, menys plausible (aquí ens referim principalment a la regla d'aprenentatge de propagació posterior, que actualment és l'enfocament predominant quan s'entrenen models de xarxes neuronals). Amb aquest model, encara es pot aplicar el mateix enfocament d'adaptació del model que hem utilitzat aquí, però amb un conjunt diferent de paràmetres per ajustar, com ara el tipus de funció d'activació, el nombre de neurones i la taxa d'aprenentatge.

El treball recent en marcs basats en l'ús ha posat de relleu les grans diferències individuals que caracteritzen el coneixement de la llengua en poblacions de primera llengua. Les diferències individuals en gramàtica són comparables en grandària a les del coneixement lèxic i estan relacionades tant amb la qualitat de l'entrada com amb les habilitats cognitives de l'aprenent (D ˛ abrowska, 2018). Els nostres resultats demostren que l'ajustament del model individual hauria de ser l'opció predeterminada quan es comparen el model R–W o altres models computacionals amb les dades dels participants. Concretament, els paràmetres del model i les entrades de dades s'han d'ajustar per separat per a cada participant per permetre una millor explicació de les respostes individuals i obtenir una imatge més verídica d'on resideix el coneixement, per exemple, d'una regla, ja sigui en la ment agregada del lingüista o de l'individu. ment dels usuaris (Divjak, 2018) i com es distribueix entre la població. Les nostres dades també donen suport a la posició basada en l'ús que el nostre coneixement lingüístic està modelat per les nostres característiques personals i cognitives, com ho demostra el paper important de WM i el gènere en la qualitat de l'ajust del model; aquests factors s'han de tenir en compte per defecte quan es modela el llenguatge.

Limitacions i orientacions futures

El nostre estudi és el primer a ajustar el model R–W al comportament dels aprenents individuals en una tasca real d'aprenentatge d'idiomes. Hem utilitzat el model R-W en la forma disponible ara, però les nostres troballes, tot i ser molt prometedores, mostren que pot ser interessant ampliar el model per gestionar les limitacions de capacitat de WM. Investigacions posteriors en aquesta direcció podrien inspirar-se en el treball realitzat en l'aprenentatge per reforç, un camp estretament relacionat amb el condicionament clàssic, on també s'ha suposat que l'aprenentatge es produeix en àrees, sovint associades amb funcions cognitives de baix nivell, com l'estriat dorsal i ventral. (Balleine i O'Doherty, 2010), però ara es reconeix que també implica un control cognitiu d'alt nivell mitjançant WM. Això ha donat lloc al desenvolupament de nous marcs d'aprenentatge on WM es modela explícitament com un component clau que dóna suport a l'aprenentatge conservant informació d'assajos anteriors (per exemple, vegeu Collins i Frank, 2012; Ezzizi et al., 2015). Aquest podria ser l'enfocament a adoptar per a R-W i altres models de condicionament clàssic, especialment perquè en els grans estudis de llenguatge basats en simulació, els esdeveniments d'aprenentatge solen contenir un gran nombre de pistes (per exemple, tots els trígrafs o paraules en una frase), que no poden ser processat alhora per un aprenent humà, com es requereix en les actualitzacions del model R–W, a causa de les limitacions de capacitat de WM conegudes (vegeu Glautier, 2013 i Baayen et al., 2016, per als primers intents en aquesta direcció).

Una altra direcció per a l'extensió futura del nostre treball és recollir les respostes dels participants al llarg del temps mentre s'entrenen sobre les associacions d'indicacions i resultats en lloc de tenir una fase de prova posterior a l'aprenentatge. Això tindria el potencial de millorar encara més l'ajust del model i de proporcionar una imatge més àmplia del comportament dels participants mentre aprenen la tasca. A més, això podria permetre l'extracció d'una mesura d'aprenentatge basada en la pendent de temps per a la tasca d'aprenentatge de la llengua, com vam fer per a la tasca d'aprenentatge implícit, i per tant augmentaria la probabilitat de trobar un vincle entre l'aprenentatge implícit i la qualitat d'ajust de la R- Model W (vegeu també la nostra discussió a l'apèndix S5 a la informació de suport en línia). També es pot investigar un vincle entre les dues mesures ajustant el model R-W als temps de resposta recollits en la tasca d'aprenentatge implícit, tal com van fer Notaro et al. (2018), en lloc d'utilitzar només pendents de temps o una barreja dels dos.

Finalment, l'estructura particular de la nostra tasca d'aprenentatge d'idiomes va afavorir l'estratègia normativa (esbiaixada masculí), però una pregunta interessant que encara no ha respost és si podem utilitzar el model R-W per predir l'aparició de diferents estratègies a mesura que variem l'estructura de l'entrada del llenguatge. i el control de les diferències individuals entre els aprenents d'idiomes. L'enfocament d'utilitzar el model R-W per explicar o predir el nivell d'acord entre els usuaris de la llengua es pot estendre més enllà de l'acord subjecte-verb polonès en el passat plural per cobrir altres facetes de la llengua on s'ha observat una manca de consens en l'ús de la llengua (p. vegeu Geeraert et al., 2020; Milin, Divjak i Baayen, 2017).

Conclusió

El model R–W és un model d'aprenentatge molt senzill, però té múltiples fonts de variació que es poden utilitzar per explicar el comportament dels participants en experiments d'aprenentatge d'idiomes. Aquests inclouen la taxa d'aprenentatge del model, l'ordre de presentació dels exemples d'aprenentatge i les freqüències relatives de les coocurrències entre senyals i resultats. En el present estudi, hem incorporat sistemàticament aquestes fonts de variació a l'hora d'ajustar el model a les dades dels participants, permetent així al model captar amb èxit les opcions i les latències de resposta de la majoria dels participants en una tasca d'aprenentatge d'idiomes sobre l'acord subjecte-verb polonès. A més, les característiques cognitives i demogràfiques, com ara la MW i el gènere, van determinar fins a quin punt l'aprenentatge d'idiomes estava impulsat pels principis d'aprenentatge similars a R-W.

Insígnies de recerca obertes

Aquest article ha guanyat les insígnies Open Data i Open Materials per posar a disposició pública les dades que es poden compartir digitalment i els components dels mètodes de recerca necessaris per reproduir el procediment i els resultats informats. Totes les dades i els materials que els autors han utilitzat i tenen dret a compartir estan disponibles a https://github.com/ooominds/Error-correction-mechanismsin-language-learning i https://doi.org/10.25500/edata.bham. 00000911. Tots els materials propietaris s'han identificat amb precisió al manuscrit.

Notes

1 La idea de la competència de taques també és el nucli del model de competició de Bates i MacWhinney (1987) per a l'adquisició del llenguatge. El seu model, però, utilitza principalment indicis simbòlics/lingüístics com ara l'ordre de les paraules o les característiques morfològiques de les paraules i es basa en un enfocament conexionista que requereix una arquitectura molt més complexa que el model R–W.

2 Els continguts de qualsevol corpus són, en el millor dels casos, una aproximació molt aproximada de l'entrada que reben els usuaris de la llengua. Per contra, els llenguatges artificials són il·lustratius i informatius per entendre els llenguatges naturals, però difícilment són un reflex realista de la complexitat que es troba en qualsevol llenguatge natural.

3 Les primeres implementacions de la regla R-W com a model d'aprenentatge de discriminació naïf es basaven en una versió no iterativa de l'algorisme, tal com proporciona Danks (2003), que elimina la possibilitat que sorgeixin efectes d'ordre.

4 És important tenir en compte que aquí no ens interessava provar l'efecte de bloqueig en si mateix, com es fa habitualment en experiments de comportament de condicionament clàssic. En aquests experiments, només s'inclouen els esdeveniments rellevants per al bloqueig (el bloqueig es fa per separat dels altres efectes), i el bloqueig es prova en un segon indicador en comptes d'un tercer, com en el nostre cas (p. ex., Kamin, 1969). A més, l'aprenent sol estar entrenat durant el temps suficient per assegurar-se que la senyal de "bloqueig" es converteixi en un bon predictor del resultat d'interès. Una configuració experimental tan neta no representaria justament el "desordre" tan generalitzat en els llenguatges naturals. Com que el nostre estudi tracta sobre l'aprenentatge d'idiomes, vam optar per imitar una situació d'aprenentatge realista el més proper possible.

5 Un participant addicional va experimentar un mal funcionament de l'equip a la meitat de la fase de prova i va haver de tornar a fer la prova. Vam conservar les dades d'aquest participant ja que no van passar per cap entrenament addicional a la segona tirada de la fase de prova i, per tant, van començar la nova carrera amb els mateixos coneixements que a la primera (recordem que la retroalimentació dels resultats només es proporciona a la fase d'entrenament). L'efecte de familiarització no hauria de tenir un paper aquí, ja que tots els participants es van sotmetre a unes quantes proves pràctiques en totes les fases abans de començar l'experiment real. També vam tornar a fer totes les anàlisis sense les dades d'aquest participant i vam confirmar que eliminar-les no alterava cap dels resultats presentats al document.

6 La qualitat de l'ajust del model a les dades no vistes es va avaluar mitjançant la validació sense creus. Concretament, per a cada participant, vam realitzar un esdeveniment dels que van trobar a la fase de prova i vam ajustar un model R-W als esdeveniments restants. Després, el model es va avaluar només en l'esdeveniment reservat avaluant si la resposta del participant coincideix amb la de el seu model R–W més adequat. Es va repetir això per a tots els esdeveniments de la prova i després es va calcular la precisió d'ajust mitjana (oblida d'un fora), és a dir, la proporció de coincidències entre les respostes d'un participant determinat a cadascun dels esdeveniments reservats i les seves prediccions associades a partir de la R– que més s'ajusta al participant. model W.

7 De fet, aquest nivell de precisió es pot considerar excel·lent, ja que vam suposar un procés de selecció d'accions no probabilistes molt senzill on s'escull una forma verbal si té l'activació més alta. Això no té en compte la variabilitat que podria sorgir de l'exploració, la manca d'atenció o el soroll cerebral inherent.

Referències

1.Adani, S., & Cepanec, M. (2019). Diferències de sexe en el desenvolupament de la comunicació primerenca: indicadors de comportament i neurobiològics del desenvolupament del sistema de comunicació més vulnerable en els nois. Revista mèdica croata, 60(2),141–149.https://doi.org/10.3325/cmj.2019.60.141

2.Ambridge, B. i Lieven, EVM (2011). Adquisició del llenguatge infantil: enfocaments teòrics contrastats. Cambridge University Press.

3.Baayen, RH (2011). Lingüística de corpus i aprenentatge discriminatiu ingenu. RevistaBrasileira de Linguística Aplicada, 11(2), 295–328.https://doi.org/10.1590/S1984-63982011000200003

4.Baayen, RH, Endresen, A., Janda, LA, Makarova, A. i Nesset, T. (2013). Makingchoices en rus: pros i contres dels mètodes estadístics per a les formes rivals. RussianLinguistics, 37(3), 253–291.https://doi.org/10.1007/s11185-013-9118-6}

5.Baayen, RH i Milin, P. (2010). Anàlisi dels temps de reacció. International Journal ofPsychological Research, 3(2), 12–28.https://doi.org/10.21500/20112084.807 

6. Baayen, RH, Milin, P., Filipovic Ður ´ đevic, D., Hendrix, P. i Marelli, M. (2011). Un “model amorf per al processament morfològic en la comprensió visual basat en l'aprenentatge discriminatiu ingenu. Psychological Review, 118(3), 438–481.https://doi.org/10.1037/a0023851
7.Baayen, RH, Shaoul, C., Willits, J. i Ramscar, M. (2016). Comprensió sense segmentació: una prova de concepte amb un aprenentatge discriminatiu ingenu. Llenguatge, Cognició i Neurociència, 31(1), 106–128.https://doi.org/10.1080/23273798.2015.1065336

8. Baetu, I., Burns, N. i Child, B. (2018). Les diferències individuals en la capacitat de la memòria de treball prediuen el rendiment en una tasca d'aprenentatge associatiu [Presentació de paper]. Psicòleg australià, Sydney, Austràlia.https://doi.org/10.1111/ap.12372

9. Balleine, BW i O'Doherty, JP (2010). Homologies humanes i rosegadores en el control de l'acció: determinants corticostriatals de l'acció dirigida i habitual. Neuropsicofarmacologia, 35 (1), 48–69.https://doi.org/10.1038/npp.2009.131

10. Balling, LW i Baayen, RH (2008). Efectes morfològics en el reconeixement auditiu de paraules: evidència del danès. Llenguatge i processos cognitius, 23(7–8),1159–1190.https://doi.org/10.1080/0169096080220101010

For more information:1950477648nn@gmail.com