Μηχανισμοί διόρθωσης σφαλμάτων στην εκμάθηση γλωσσών: Μοντελοποίηση ατόμων Μέρος 3

Σχέση μεταξύ των μέτρων που βασίζονται στην ενεργοποίηση του μοντέλου και των επιλογών και των χρόνων απόκρισης των συμμετεχόντων

Σε μια περαιτέρω αξιολόγηση της ποιότητας προσαρμογής του μοντέλου R-W, πραγματοποιήσαμε μια γενικευμένη γραμμική ανάλυση μοντελοποίησης μικτών επιδράσεων εξετάζοντας τη σχέση μεταξύ των επιλογών των συμμετεχόντων και του μέτρου που βασίζεται στην ενεργοποίηση που προέρχεται από τα προσαρμοσμένα μοντέλα R-W - δηλαδή , υποστήριξη ενεργοποίησης για τη φόρμα np (ανατρέξτε στην ενότητα για την υπολογιστική μοντελοποίηση για περισσότερες λεπτομέρειες). Αναλύσαμε επίσης τη σχέση μεταξύ των χρόνων απόκρισης των συμμετεχόντων και της υποστήριξης ενεργοποίησης προσαρμόζοντας ένα πολυωνυμικό γραμμικό μοντέλο μικτών επιδράσεων τόσο με τους γραμμικούς όσο και με τους τετραγωνικούς όρους υποστήριξης ενεργοποίησης, καθώς αναμέναμε ότι η υποστήριξη ενεργοποίησης θα έχει τετραγωνική επίδραση στους χρόνους απόκρισης (Πίνακας 3). Περισσότερες λεπτομερείς περιλήψεις των μοντέλων με τις δομές τυχαίων εφέ παρέχονται στο Παράρτημα S8 στις Υποστηρικτικές Πληροφορίες στο διαδίκτυο.

Το τυχαίο αποτέλεσμα αναφέρεται στον αντίκτυπο των τυχαίων αλλαγών μεταξύ των ατόμων. Χρησιμοποιείται ευρέως στην κοινωνιολογία, την ψυχολογία και άλλους τομείς. Η μνήμη είναι ένας σημαντικός δείκτης για τη μέτρηση της εγκεφαλικής λειτουργίας και επηρεάζει άμεσα τη μάθηση και τη ζωή των ανθρώπων. Ποια είναι όμως ακριβώς η σχέση μεταξύ τυχαίων εφέ και μνήμης;

Η έρευνα δείχνει ότι υπάρχει μια ορισμένη συσχέτιση μεταξύ των τυχαίων επιδράσεων και της μνήμης. Κατά την εκτέλεση εργασιών μνήμης, οι παρεμβολές από τυχαίους παράγοντες θα μειώσουν την αποτελεσματικότητα και την ακρίβεια ολοκλήρωσης ενός ατόμου, επηρεάζοντας έτσι την απόδοση της μνήμης. Αντίστοιχα, η εκπαίδευση της ικανότητας κατά των παρεμβολών ενός ατόμου μπορεί να βελτιώσει την ικανότητά του να ανταποκρίνεται σε τυχαία αποτελέσματα, βελτιώνοντας έτσι τη μνήμη.

Επιπλέον, διαφορετικές ομάδες ανθρώπων ανταποκρίνονται διαφορετικά σε τυχαίους παράγοντες. Μερικοί άνθρωποι έχουν ισχυρή προσαρμοστικότητα και παρουσιάζουν καλύτερη ικανότητα μνήμης όταν αντιμετωπίζουν ένα εξαιρετικά τυχαίο περιβάλλον. ενώ για μερικούς ανθρώπους, τυχαίοι παράγοντες θα προκαλέσουν υπερβολικές παρεμβολές και θα μειώσουν τη μνήμη τους. επίπεδο. Αυτό σχετίζεται με τη βασική ικανότητα μνήμης του ατόμου, την ψυχολογική ποιότητα, την εμπειρία ζωής και άλλους παράγοντες.

Επομένως, πρέπει να αναγνωρίσουμε τον αντίκτυπο των τυχαίων επιδράσεων στη μνήμη και να χρησιμοποιήσουμε επιστημονικές μεθόδους για να βελτιώσουμε την ατομική ικανότητα κατά των παρεμβολών και την προσαρμοστικότητα για τη βελτίωση των επιπέδων μνήμης. Πιστεύω ότι όσο κάνουμε όλα τα δυνατά, βασιζόμαστε στην επιστήμη και την τεχνολογία για να εξερευνούμε συνεχώς και θα βελτιώνουμε συνεχώς την ποιότητα του εαυτού μας, θα είμαστε σε θέση να συνεχίσουμε να προχωράμε στο δρόμο για την επιδίωξη μιας εξαιρετικής ζωής και την κυριαρχία σε πιο υπέροχες ζωές! Μπορεί να φανεί ότι πρέπει να βελτιώσουμε τη μνήμη και το Cistanche deserticola μπορεί να βελτιώσει σημαντικά τη μνήμη, επειδή το Cistanche deserticola είναι ένα παραδοσιακό κινέζικο φαρμακευτικό υλικό που έχει πολλά μοναδικά αποτελέσματα, ένα από τα οποία είναι η βελτίωση της μνήμης. Η αποτελεσματικότητα του κιμά προέρχεται από τα διάφορα ενεργά συστατικά που περιέχει, όπως οξύ, πολυσακχαρίτες, φλαβονοειδή κ.λπ. Αυτά τα συστατικά μπορούν να προάγουν την υγεία του εγκεφάλου με διάφορους τρόπους.

Κάντε κλικ στο Μάθετε τρόπους για να βελτιώσετε τη λειτουργία του εγκεφάλου

Όπως αναμενόταν, η υποστήριξη ενεργοποίησης για τον πληθυντικό μη αρσενικό τύπο συσχετίστηκε σημαντικά θετικά με την πιθανότητα επιλογών μη αρσενικών μορφών, Ή {{0}}.78, p < .001, 95 % CI [3,82, 12.{20}}3]. Το Σχήμα 4 (αριστερό παράθυρο) δείχνει επίσης ότι αυτή η σχέση είναι ασύμμετρη γύρω στο 0, αντανακλώντας μια ισχυρή προκατάληψη προς τη μορφή του αρσενικού ρήματος που, ακόμη και με στοιχεία (βάσει ενεργοποίησης) που υποστηρίζουν τη μη αρσενική μορφή, μπορεί να οδηγήσει σε μια προτίμηση για την αρσενική μορφή. Επίσης, και σύμφωνα με τις υποθέσεις μας, ο δεύτερος πολυωνυμικός όρος υποστήριξης ενεργοποίησης ήταν ένας σημαντικός προγνωστικός δείκτης του χρόνου απόκρισης, καθώς υπήρχε μια τετραγωνική σχέση μεταξύ της υποστήριξης ενεργοποίησης και του χρόνου απόκρισης, με τις πιο αργές αποκρίσεις να καταγράφονται για τα λιγότερο υποστηριζόμενα συμβάντα, β {{ 12}} −0,20, p=0,012, 95% CI [−0,35, −0,04]; δείτε επίσης Εικόνα 4, δεξιό παράθυρο.

Αυτά τα αποτελέσματα υποδηλώνουν ότι τα προσαρμοσμένα μοντέλα είχαν καλή απόδοση στην πρόβλεψη των επιλογών μορφής των συμμετεχόντων και ότι οι πληροφορίες που κωδικοποιούνται στα βάρη συσχέτισης - το βασικό νόμισμα ενός μοντέλου R-W - είναι ένας καλός προγνωστικός παράγοντας τόσο για την πιθανότητα επιλογής μιας συγκεκριμένης μορφής ρήματος όσο και για την ταχύτητα με την οποία γίνεται η απάντηση. Το επίπεδο συμφωνίας των συμμετεχόντων σχετικά με την επιλογή μιας συγκεκριμένης μορφής ρήματος διέφερε επομένως ανάλογα με την υποστήριξη ενεργοποίησης της συγκεκριμένης φόρμας, με υψηλό επίπεδο συμφωνίας αναμενόμενο και πιστοποιημένο για υψηλές θετικές ή χαμηλές αρνητικές τιμές υποστήριξης ενεργοποίησης και με υψηλό επίπεδο διαφωνίας αναμενόμενο και πιστοποιημένο για υποστήριξη ενεργοποίησης γύρω από το μηδέν.

Επίπεδο συμφωνίας μεταξύ των συμμετεχόντων μέσω του φακού του μοντέλου

Αναλύσαμε περαιτέρω τη συμπεριφορά των συμμετεχόντων διερευνώντας δύο επιπλέον ερωτήσεις. Πρώτον, ποιο επίπεδο συμφωνίας υπήρχε μεταξύ των μαθητών της γλώσσας, δεδομένου ενός συγκεκριμένου τύπου γεγονότος (π.χ. γεγονότα που αποτελούνται από συνθήματα από το ίδιο γραμματικό φύλο έναντι συμβάντων που αναμειγνύουν ενδείξεις διαφορετικών γραμματικών φύλων); Δεύτερον, και κρίσιμο, μπορούν οι διαφορές στα επίπεδα συμφωνίας να εξηγηθούν επαρκώς χρησιμοποιώντας το μοντέλο R–W;

Για να απαντήσουμε σε αυτές τις ερωτήσεις, αναλύσαμε την επίδραση της παρουσίας κάθε κατηγορίας συμβάντος στην αναλογία των συμμετεχόντων που επέλεξαν μία από τις δύο ρηματικές μορφές (για μια πλήρη λίστα των κατηγοριών συμβάντων που χρησιμοποιούνται στην εργασία, βλ. Παράρτημα S3 στις Υποστηρικτικές Πληροφορίες στο διαδίκτυο). Για να λάβουμε τις εκτιμήσεις του μοντέλου των αναλογιών, χρησιμοποιήσαμε το γενικευμένο γραμμικό μοντέλο μικτών επιδράσεων που κατασκευάσαμε στην προηγούμενη ανάλυση (Πίνακας 3, αριστερά) για να μοντελοποιήσουμε τη σχέση μεταξύ της υποστήριξης ενεργοποίησης και της επιλογής του μη αρσενικού πληθυντικού. Συγκεκριμένα, για κάθε κατηγορία γεγονότος, υπολογίσαμε τον μέσο όρο των προβλεπόμενων αναλογιών του μοντέλου των ανδρικών μορφών με βάση τις τιμές υποστήριξης ενεργοποίησής του μεταξύ των συμμετεχόντων (δεδομένου ότι κάθε κατηγορία συμβάντος συναντήθηκε μία φορά από κάθε συμμετέχοντα). Τα αποτελέσματα συνοψίζονται στο Σχήμα 5. Τα συμβάντα στο Τα σχήματα ταξινομούνται με αύξουσα σειρά με βάση τις παρατηρούμενες αναλογίες επιλογής στο πείραμα, έτσι η αριστερή και η δεξιά πλευρά αντιπροσωπεύουν περιοχές υψηλού επιπέδου συμφωνίας μεταξύ των συμμετεχόντων, ενώ τα γεγονότα που βρίσκονται στο μεσαίο τμήμα προκάλεσαν υψηλό επίπεδο διαφωνίας μεταξύ των συμμετεχόντων.

Οι συμμετέχοντες είχαν σαφή προτίμηση για τον πληθυντικό αρσενικό όταν το συμβάν περιείχε ένα αρσενικό προσωπικό σύνθημα (uMP) ή όταν το συμβάν περιλάμβανε μόνο κινούμενα αρσενικά συνθήματα (δηλαδή, "uMA1 + uMA2"). Ομοίως, οι συμμετέχοντες προτιμούσαν τον πληθυντικό μη αρσενικό όταν τα γεγονότα περιείχαν αποκλειστικά θηλυκές ενδείξεις, προσωπικές ή ζωντανές (π.χ. "uFA +uFP"). Υψηλά επίπεδα διαφωνίας παρατηρήθηκαν κυρίως για συμβάντα που αναμειγνύουν το ανασταλτικό μπλοκαρισμένο σύνθημα και ένα θηλυκό σύνθημα ή ένα αρσενικό έμψυχο και ένα γυναικείο προσωπικό σύνθημα (με αναλογίες που κυμαίνονται μεταξύ 0,44 και 51).

Συγκρίνοντας τις παρατηρούμενες και τις προβλεπόμενες αναλογίες, το μοντέλο κατάφερε να συλλάβει εκπληκτικά καλά τη διαφορά στα επίπεδα συμφωνίας μεταξύ των συμμετεχόντων στις διάφορες κατηγορίες γεγονότων. Οι μεγαλύτερες αποκλίσεις μεταξύ των παρατηρούμενων και των προβλεπόμενων αναλογιών φαίνεται ότι συνέβησαν για συμβάντα που αφορούσαν τα μπλοκαρισμένα και ανασταλτικά μπλοκαρισμένα συνθήματα, υποδηλώνοντας ότι ήταν πιο δύσκολο για το μοντέλο να καταγράψει την επίδρασή τους στις επιλογές των συμμετεχόντων.

Σχέση μεταξύ ποιότητας προσαρμογής μοντέλου και μετρήσεων ατομικής διαφοράςΤα αποτελέσματα προσαρμογής του μοντέλου έδειξαν ότι το μοντέλο R-W αντιπροσωπεύει με επιτυχία τη συμπεριφορά μεγάλου ποσοστού των συμμετεχόντων μας, συμπεριλαμβανομένων των χρόνων απόκρισής τους. Ωστόσο, η ποιότητα της προσαρμογής διέφερε μεταξύ των συμμετεχόντων, με τα δεδομένα από λίγους συμμετέχοντες να εφαρμόζονται πολύ άσχημα από το μοντέλο. Σε μια προσπάθεια να αξιολογήσουμε εάν τα άλλα μέτρα που συλλέχθηκαν κατά τη διάρκεια του πειράματος (δημογραφικά χαρακτηριστικά, εύρος WM και σιωπηρή μάθηση) μπορούν να εξηγήσουν τις παρατηρούμενες ατομικές διαφορές στην ποιότητα προσαρμογής του μοντέλου, εκτελέσαμε μια πολλαπλή γραμμική παλινδρόμηση για να προβλέψουμε τα ποσοστά αντιστοίχισης συμμετέχοντος-μοντέλου (logit -μετασχηματισμένο) με βάση τα διαφορετικά μέτρα ατομικής διαφοράς που συλλέγονται. Συγκεκριμένα, οι προγνωστικοί παράγοντες περιελάμβαναν το διάστημα WM (μετασχηματισμένο z), το φύλο και την ηλικία. οι χρονικές κλίσεις που εξήχθησαν για κάθε συμμετέχοντα από την έμμεση εργασία μάθησης δεν συνέβαλαν σημαντικά και αναφέρονται στο Παράρτημα S5 στο Υποστηρικτικό Πληροφοριακό Online.

Από το μοντέλο πλήρους γραμμικής παλινδρόμησης που περιελάμβανε και τις τέσσερις μεμονωμένες μεταβλητές μέτρησης καθώς και την αλληλεπίδραση μεταξύ του φύλου και του εύρους WM, εξάγαμε ένα τελικό μοντέλο που περιέχει μόνο τις σημαντικές μεταβλητές χρησιμοποιώντας την ανάδρομη επιλογή μεταβλητής με βάση τη δοκιμή αναλογίας πιθανότητας. Τα δεδομένα από δύο συμμετέχοντες παραλείφθηκαν από αυτήν την ανάλυση, επειδή ο ένας δεν ανέφερε το φύλο του και ο ένας αναγνωρίστηκε ως ακραία ακραία τιμή, όπως εξηγείται στην ενότητα για την εργασία WM. Συνολικά, δεδομένα από 61 συμμετέχοντες τροφοδοτήθηκαν στο μοντέλο γραμμικής παλινδρόμησης. Το καλύτερο μοντέλο μετά την επιλογή μεταβλητών περιελάμβανε και το εύρος WM και το φύλο, αλλά όχι την αλληλεπίδρασή τους (Πίνακας 4).

Η ακρίβεια προσαρμογής του μοντέλου αυξήθηκε σημαντικά με την αύξηση του εύρους WM,b {{0}}.17, p=.008, 95% CI [{{244] }}.05, 0,30], όπως φαίνεται στο Σχήμα 6 (αριστερό παράθυρο) και ήταν σημαντικά υψηλότερο για τις γυναίκες συμμετέχουσες (M=.69, SD=.17) σύγκριση με άνδρες συμμετέχοντες (M=.63, SD=0.16), b=−0.28, p =.033, 95% CI [−0.54, −0.02 ], όπως φαίνεται στην Εικόνα 6 (δεξιό παράθυρο). Για να ελέγξουμε ότι η αφαίρεση σημαντικών υπολειμμάτων δεν επηρέασε τα ευρήματά μας, εφαρμόσαμε την κριτική μοντέλων όπως περιγράφεται στους Baayen and Milin (2010). Η εξαίρεση του μοναδικού ακραίου υπολειπόμενου με βαθμολογία az μεγαλύτερη από 2,5 στο μοντέλο μας είχε ως αποτέλεσμα ακόμη ισχυρότερα εφέ (p=.004 για το διάστημα WM και p=.007 για το φύλο). Επίσης, το εύρος WM δεν συσχετίστηκε σημαντικά με το φύλο (p=0,058), γεγονός που υποδηλώνει ότι η σχέση τους είναι απίθανο να έχει επηρεάσει τις επιπτώσεις του φύλου και του εύρους WM στην ακρίβεια προσαρμογής του μοντέλου (βλ. Παράρτημα S9 στις Υποστηρικτικές Πληροφορίες στο διαδίκτυο για περισσότερες λεπτομέρειες). Έτσι, τα ευρήματά μας δείχνουν ότι το να έχει μεγαλύτερη χωρητικότητα WM ή να είναι θηλυκό αύξησε την πιθανότητα ένας συμμετέχων να επιλέξει ρηματικούς τύπους από το μοντέλο R–W στην εργασία εκμάθησης γλώσσας.

Συζήτηση

Περίληψη των ευρημάτων

Τα ευρήματά μας δείχνουν ότι ένας μηχανισμός R-W αποτυπώνει καλά τον τρόπο με τον οποίο οι συμμετέχοντες μαθαίνουν τη συμφωνία υποκειμένου-ρήματος σε μια μορφολογικά σύνθετη γλώσσα και, κατ' επέκταση, πώς θα μπορούσαν να μάθουν τη γλώσσα μέσω απλής έκθεσης σε αυτήν. Με μέση ακρίβεια προσαρμογής 68%, με βάση μια απλή στρατηγική απόφασης που βασίζεται στην ενεργοποίηση, το μοντέλο εξήγησε μάλλον καλά τις επιλογές ρηματικών μορφών που έγιναν από μεγάλο ποσοστό συμμετεχόντων.7 Το πιο ενδιαφέρον είναι ότι ένα μέτρο που βασίζεται στην ενεργοποίηση που εξήχθη από τα καλύτερα προσαρμοσμένα μοντέλα συσχετίστηκε έντονα τόσο με την πιθανότητα επιλογής ενός συγκεκριμένου ρηματικού τύπου όσο και με τον χρόνο που απαιτείται για να γίνει η επιλογή.

Το μοντέλο παρείχε επίσης πληροφορίες ως προς το γιατί οι συμμετέχοντες ενδέχεται να εμφανίζουν υψηλά χαμηλά επίπεδα συμφωνίας όταν επιλέγουν μια μορφή ρήματος, ανάλογα με τη φύση του θέματος της πρότασης. Σύμφωνα με το μοντέλο, αυτό οφείλεται στα δυνατά σημεία συσχέτισης που αποκτούν οι συμμετέχοντες, τα οποία χρησιμοποιούνται για τον υπολογισμό της υποστήριξης ενεργοποίησης για καθεμία από τις πιθανές μορφές ρήματος. Αυτές οι δυνάμεις συσχέτισης επηρεάζονται κυρίως από (α) το ρυθμό μάθησης του εκπαιδευόμενου για τα συνθήματα (το ποσοστό μάθησης καθορίζει το μέγεθος της διόρθωσης των βαρών, με βάση το εκτιμώμενο σφάλμα σε κάθε δοκιμή) και (β) την κατανομή των μαθησιακών γεγονότων που συνάντησαν κατά τη διάρκεια της στάδιο μάθησης (αυτό θα περιλαμβάνει τη συχνότητα κάθε μαθησιακού γεγονότος και τη σειρά των μαθησιακών γεγονότων, μεταξύ άλλων). Έτσι, μια πρόβλεψη από τη μελέτη μας είναι ότι η αλλαγή της σειράς ή των σχετικών συχνοτήτων των μαθησιακών γεγονότων κατά τη διάρκεια της εκπαίδευσης μπορεί να οδηγήσει σε διαφορετικά μοτίβα επιλογής από αυτά που παρατηρήσαμε εδώ.

Βρήκαμε επίσης μια σημαντική σχέση μεταξύ του φύλου και της χωρητικότητας WM και των ποσοστών αντιστοίχισης συμμετέχοντος-μοντέλου, γεγονός που ρίχνει φως στο τι μπορεί να έχει οδηγήσει τις παρατηρούμενες διαφορές στην ποιότητα της προσαρμογής του μοντέλου. Το γεγονός ότι στο πείραμά μας ένα μεγαλύτερο ποσοστό γυναικών από ό,τι ανδρών ενεργούσε με μηχανισμό R-W είναι σύμφωνο με τα ευρήματα από διάφορες προηγούμενες μελέτες που τόνισαν τη σχέση μεταξύ του φύλου και της κλασικής προετοιμασίας και για τους δύο ανθρώπους (Lonsdorf et al., 2015· Merz et al. al., 2018) και ζώα (π.χ. Velasco et al., 2019). Αυτό υποδηλώνει μια σημαντική διαφορά στη μάθηση μεταξύ ανδρών και γυναικών, με τις γυναίκες να διαμορφώνονται καλύτερα από τον κανόνα μάθησης διόρθωσης σφάλματος R-W. Οι γυναίκες είναι γενικά γνωστό ότι έχουν ένα μικρό γλωσσικό πλεονέκτημα έναντι των ανδρών (βλ. Kimura, 1999, για μια εκτενή αξιολόγηση), ειδικά σε τομείς σχετικά με τη λεξιλογική ανάκτηση (Balling & Baayen, 2008, 2012). Έχει προταθεί ότι αυτό μπορεί να οφείλεται στο ότι οι γυναίκες έχουν ανώτερη δηλωτική μνήμη, την οποία θα μπορούσαν να χρησιμοποιήσουν για να γενικεύσουν σε αποθηκευμένες γειτονικές μορφές (Hartshorne & Ullman, 2006).

Το εύρημα ότι η πιθανότητα ενός μαθητή γλώσσας να συμπεριφέρεται σύμφωνα με τον μηχανισμό R-W αυξάνεται με τη χωρητικότητα του WM παρέχει στοιχεία ότι το WM μπορεί να παίξει ρόλο στην κλασική προετοιμασία επηρεάζοντας την υιοθέτηση ενός κλασικού μηχανισμού προετοιμασίας όπως ο κανόνας R-W. Sasaki (2009) και Baetu et al. (2018) παρείχε προηγουμένως στοιχεία διακοπής της απόδοσης της κλασικής προετοιμασίας όταν το WM φορτώνεται χρησιμοποιώντας παραδείγματα διπλής εργασίας. Το παρόν εύρημα προσθέτει στις αυξανόμενες ενδείξεις ότι, ενάντια στην κυρίαρχη πεποίθηση, το WM μπορεί να εμπλέκεται σε χαμηλού επιπέδου γνωστικές διαδικασίες όπως η ενόργανη μάθηση , που αναφέρεται πιο συχνά ως ενισχυτική μάθηση εντός των κοινοτήτων της νευροεπιστήμης και της μηχανικής μάθησης (Collins & Frank, 2012; Ez-zizi, 2016) και σε ορισμένες μορφές άρρητης μάθησης (Medimorec et al., 2021).

Επιδράσεις αποκλεισμού και ανασταλτικού αποκλεισμού δεν προέκυψαν από το R-Wmodel για όλους τους συμμετέχοντες. Όπως φαίνεται, αυτό οφειλόταν κυρίως στη μικρή διάρκεια της προπονητικής φάσης. Η αύξηση του αριθμού των δοκιμών εκπαίδευσης όχι μόνο οδήγησε στην επανεμφάνιση των αποτελεσμάτων αποκλεισμού για όλες τις καταλληλότερες παραμέτρους όλων των συμμετεχόντων, αλλά και αφαίρεσε τη μεταβλητότητα στα βάρη συσχέτισης, προβλέποντας έτσι ότι όλοι οι συμμετέχοντες θα πρέπει να καταλήξουν να συμπεριφέρονται με τον ίδιο τρόπο μακροπρόθεσμα ( ανατρέξτε στο Παράρτημα S7 στις Υποστηρικτικές Πληροφορίες στο διαδίκτυο). Αυτό δεν αποτελεί έκπληξη στο φως της εργασίας του Danks (2003), η οποία δείχνει ότι, σε πολλές περιπτώσεις, το σύστημα R-W θα συγκλίνει στην ίδια ισορροπία ανεξάρτητα από τις παραμέτρους που χρησιμοποιούνται. Με άλλα λόγια, ο προορισμός των μαθητών είναι συχνά ο ίδιος (αυτό είναι επίσης επιθυμητό καθώς συχνά θέλουμε όλοι οι μαθητές να μάθουν να κάνουν τους ίδιους συσχετισμούς), αλλά οι διαδρομές προς αυτούς τους προορισμούς μπορεί να διαφέρουν σημαντικά ανάλογα με τη φύση του μαθησιακού προβλήματος (π.χ. διαθέσιμα δεδομένα, σχετική συχνότητα των γεγονότων, αριθμός ενδείξεων και αποτελεσμάτων). Αυτό έχει πολλές επιπτώσεις για τις μελέτες εκμάθησης γλωσσών που χρησιμοποιούν το μοντέλο R-W, όπως συζητείται στην επόμενη ενότητα.

Επιπτώσεις για σπουδές εκμάθησης γλωσσών που χρησιμοποιούν το μοντέλο Rescorla–Wagner

Πολλές γλωσσικές ερευνητικές ομάδες έχουν υιοθετήσει το μοντέλο R-W ως μια πολύτιμη προσέγγιση για τη μοντελοποίηση φαινομένων εκμάθησης γλωσσών λόγω της απλότητάς του, της γνωστικής του αληθοφάνειας και των επιτυχιών του στην εξήγηση ενός ευρέος φάσματος φαινομένων εκμάθησης γλώσσας. Η παρούσα μελέτη παρέχει περαιτέρω υποστήριξη για την προσομοίωση ή τη μοντελοποίηση της εκμάθησης γλώσσας χρησιμοποιώντας αυτό το μοντέλο, αλλά εφιστά επίσης την προσοχή στο σημαντικό ζήτημα των ατομικών διαφορών, το οποίο μέχρι στιγμής έχει παραβλεφθεί σε μελέτες που συνδυάζουν υπολογιστική μοντελοποίηση χρησιμοποιώντας το μοντέλο R-W και πειραματικά δεδομένα.

Δεδομένου του μεγέθους της ατομικής διαφοράς που παρατηρήσαμε στα δεδομένα μας, θα ήταν συνετό να απομακρυνθούμε από την επί του παρόντος κυρίαρχη προσέγγιση όπου το μοντέλο theR-W εκτελείται μία φορά με τις προεπιλεγμένες τιμές παραμέτρων του και χρησιμοποιείται για την επεξήγηση δεδομένων από όλους τους συμμετέχοντες. Αν και η επίδραση της παραμέτρου του ρυθμού μάθησης στην ακρίβεια προσαρμογής του μοντέλου δεν ήταν σημαντική για την επιλεγμένη εργασία, στην πράξη, η απόδοση R-W θα επηρεάζεται πάντα από την επιλογή του ρυθμού μάθησης, ανεξάρτητα από τη συγκεκριμένη πρόκληση μοντελοποίησης (Milin, Divjak, & Baayen, 2017, σελ. 1739–1741).

Μια άλλη κοινή πρακτική που μπορεί να χρειαστεί να επανεξεταστεί είναι η εκπαίδευση του μοντέλου σε ένα μεγάλο σύνολο δεδομένων ή ένα μικρό υποσύνολο αυτού. Κατά συνέπεια, τα χαρακτηριστικά που ξεχωρίζουν το μοντέλο από τα αμιγώς στατιστικά μοντέλα ταξινόμησης -δηλαδή, η δυνατότητα επιλογής παραμέτρων που αποτυπώνουν πόσο γρήγορα μπορεί να μάθει ένα άτομο και η ικανότητα να ληφθούν υπόψη τα αποτελέσματα της σειράς εισόδου- παραμένουν αχρησιμοποίητα. Δεν προκαλεί έκπληξη, λοιπόν, ότι αρκετές μελέτες έχουν αναφέρει μόνο μικρές ή καθόλου διαφορές μεταξύ του μοντέλου R-W και άλλων στατιστικών ή μαθησιακών μοντέλων όπως η λογιστική παλινδρόμηση, η μάθηση με βάση τη μνήμη και τα δέντρα αποφάσεων (Baayen, 2011; Baayen et al. , 2013). Με μια τέτοια προσέγγιση, το κύριο πλεονέκτημα του μοντέλου R-W έναντι των καθαρά στατιστικών τεχνικών είναι η ικανότητά του να εκτελεί σταδιακή μάθηση, καθώς τα δεδομένα γίνονται διαθέσιμα. Ωστόσο, το ίδιο πλεονέκτημα θα μπορούσε να απορριφθεί από οποιοδήποτε μοντέλο νευρωνικών δικτύων χωρίς κρυφό στρώμα, καθώς ένα τέτοιο μοντέλο μπορεί επίσης να παράγει σταθμίσεις μεταξύ συνθηκών και αποτελεσμάτων, αν και με διαφορετικό και, αναμφισβήτητα, λιγότερο εύλογο κανόνα μάθησης (εδώ αναφερόμαστε κυρίως στον κανόνα μάθησης οπισθοδρόμησης, που είναι επί του παρόντος η κυρίαρχη προσέγγιση κατά την εκπαίδευση μοντέλων νευρωνικών δικτύων). Με ένα τέτοιο μοντέλο, μπορεί να εφαρμοστεί η ίδια προσέγγιση προσαρμογής μοντέλου που χρησιμοποιήσαμε εδώ, αλλά με διαφορετικό σύνολο παραμέτρων για συντονισμό, όπως ο τύπος της συνάρτησης ενεργοποίησης, ο αριθμός των νευρώνων και ο ρυθμός μάθησης.

Πρόσφατη εργασία σε πλαίσια βασισμένα στη χρήση έχει επισημάνει τις τεράστιες ατομικές διαφορές που χαρακτηρίζουν τη γλωσσική γνώση στους πληθυσμούς της πρώτης γλώσσας. Οι ατομικές διαφορές στη γραμματική είναι συγκρίσιμες σε μέγεθος με εκείνες στη λεξιλογική γνώση και σχετίζονται τόσο με την ποιότητα της εισαγωγής όσο και με τις γνωστικές ικανότητες του μαθητή (D ˛ abrowska, 2018). Τα ευρήματά μας δείχνουν ότι η προσαρμογή μεμονωμένων μοντέλων θα πρέπει να είναι η προεπιλεγμένη επιλογή κατά τη σύγκριση του μοντέλου R–W ή άλλων υπολογιστικών μοντέλων με τα δεδομένα των συμμετεχόντων. Συγκεκριμένα, οι παράμετροι του μοντέλου και οι εισροές δεδομένων θα πρέπει να προσαρμόζονται ξεχωριστά για κάθε συμμετέχοντα, ώστε να δίνεται η δυνατότητα καλύτερης περιγραφής των μεμονωμένων απαντήσεων και να λαμβάνεται μια πιο εξακριβωτική εικόνα του πού βρίσκεται η γνώση, για παράδειγμα, ενός κανόνα, είτε στο συγκεντρωτικό μυαλό του γλωσσολόγου είτε του ατόμου. μυαλά των χρηστών (Divjak, 2018) και πώς κατανέμεται στον πληθυσμό. Τα δεδομένα μας υποστηρίζουν επίσης τη θέση που βασίζεται στη χρήση ότι η γλωσσική μας γνώση διαμορφώνεται από τα προσωπικά και γνωστικά μας χαρακτηριστικά, όπως επιβεβαιώνεται από τον σημαντικό ρόλο του φύλου WMand στην ποιότητα της προσαρμογής του μοντέλου. Αυτοί οι παράγοντες θα πρέπει να λαμβάνονται υπόψη από προεπιλογή κατά τη μοντελοποίηση της γλώσσας.

Περιορισμοί και Μελλοντικές Κατευθύνσεις

Η μελέτη μας είναι η πρώτη που προσαρμόζει το μοντέλο R-W στη συμπεριφορά μεμονωμένων μαθητών σε μια πραγματική εργασία εκμάθησης γλώσσας. Χρησιμοποιήσαμε το μοντέλο R-W με τη μορφή που είναι διαθέσιμη τώρα, αλλά τα ευρήματά μας, παρόλο που είναι πολλά υποσχόμενα, δείχνουν ότι ίσως είναι ενδιαφέρον να επεκτείνουμε το μοντέλο ώστε να χειρίζεται τους περιορισμούς χωρητικότητας WM. Περαιτέρω έρευνες προς μια τέτοια κατεύθυνση θα μπορούσαν να εμπνευστούν από την εργασία που έγινε στην ενισχυτική μάθηση -ένα στενά συνδεδεμένο πεδίο με την κλασική προετοιμασία- όπου η μάθηση θεωρείται επίσης από καιρό ότι συμβαίνει σε περιοχές, που συχνά συνδέονται με χαμηλού επιπέδου γνωστικές λειτουργίες, όπως το ραχιαίο και το κοιλιακό ραβδωτό σώμα (Balleine & O'Doherty, 2010), αλλά πλέον αναγνωρίζεται ότι περιλαμβάνει επίσης γνωστικό έλεγχο υψηλού επιπέδου μέσω WM. Αυτό οδήγησε στην ανάπτυξη νέων πλαισίων μάθησης όπου το WM μοντελοποιείται ρητά ως βασικό συστατικό που υποστηρίζει τη μάθηση διατηρώντας πληροφορίες από προηγούμενες δοκιμές (π.χ. βλέπε Collins & Frank, 2012; Ezzizi et al., 2015). Αυτή θα μπορούσε να είναι η προσέγγιση που πρέπει να ακολουθήσουμε για το R-W και άλλα κλασικά μοντέλα προετοιμασίας, ειδικά επειδή σε μεγάλες γλωσσικές μελέτες που βασίζονται σε προσομοίωση, τα μαθησιακά γεγονότα συνήθως περιέχουν μεγάλο αριθμό ενδείξεων (π.χ. όλα τα τριγράμματα ή οι λέξεις σε μια πρόταση), τα οποία δεν μπορούν να υποβληθεί σε επεξεργασία αμέσως από έναν άνθρωπο-μαθητή - όπως απαιτείται στις ενημερώσεις του μοντέλου R-W - λόγω των γνωστών περιορισμών χωρητικότητας WM (βλ. Glautier, 2013 και Baayen et al., 2016, για πρώιμες προσπάθειες προς αυτή την κατεύθυνση).

Μια άλλη κατεύθυνση για μελλοντική επέκταση της δουλειάς μας είναι να συλλέγουμε τις απαντήσεις των συμμετεχόντων με την πάροδο του χρόνου, ενώ εκπαιδεύονται στις συσχετίσεις υπόδειξης-αποτέλεσμα αντί να έχουν μια ξεχωριστή φάση μετά τη μάθηση. Αυτό θα είχε τη δυνατότητα να βελτιώσει περαιτέρω την εφαρμογή του μοντέλου και να παρέχει μια ευρύτερη εικόνα της συμπεριφοράς των συμμετεχόντων ενώ μαθαίνουν την εργασία. Επιπλέον, αυτό θα μπορούσε να επιτρέψει την εξαγωγή ενός μέτρου μάθησης με βάση τη χρονική κλίση για την εργασία εκμάθησης γλώσσας, όπως κάναμε για την εργασία άρρητης μάθησης, και έτσι θα αυξήσει την πιθανότητα εύρεσης σύνδεσης μεταξύ της άρρητης μάθησης και της ποιότητας προσαρμογής του R– μοντέλο W (δείτε επίσης τη συζήτησή μας στο Παράρτημα S5 στις Υποστηρικτικές Πληροφορίες στο διαδίκτυο). Η σύνδεση μεταξύ των δύο μέτρων μπορεί επίσης να διερευνηθεί με την προσαρμογή του μοντέλου R-W στους χρόνους απόκρισης που συλλέγονται στην έμμεση εργασία μάθησης, όπως έγινε από τους Notaro et al. (2018), αντί να χρησιμοποιούνται μόνο χρονικές κλίσεις ή συνδυασμός των δύο.

Τέλος, η ιδιαίτερη δομή του στόχου μας για την εκμάθηση γλώσσας ευνόησε την κανονιστική (αρσενικά προκατειλημμένη) στρατηγική, αλλά ένα ενδιαφέρον ερώτημα που παραμένει αναπάντητο είναι εάν μπορούμε να χρησιμοποιήσουμε το μοντέλο R-W για να προβλέψουμε την εμφάνιση διαφορετικών στρατηγικών καθώς μεταβάλλουμε τη δομή της γλωσσικής εισαγωγής και έλεγχος για τις ατομικές διαφορές μεταξύ των μαθητών γλωσσών. Η προσέγγιση της χρήσης του μοντέλου theR–W για την εξήγηση ή την πρόβλεψη του επιπέδου συμφωνίας μεταξύ των χρηστών της γλώσσας μπορεί να επεκταθεί πέρα ​​από την πολωνική συμφωνία υποκειμένου-ρήματος στον πληθυντικό παρελθόν, ώστε να καλύψει άλλες πτυχές της γλώσσας όπου έχει παρατηρηθεί έλλειψη συναίνεσης στη χρήση της γλώσσας (π. βλέπε Geeraert et al., 2020· Milin, Divjak, & Baayen, 2017).

συμπέρασμα

Το μοντέλο R-W είναι ένα πολύ απλό μοντέλο εκμάθησης, ωστόσο έχει πολλαπλές πηγές μεταβολής που μπορούν να χρησιμοποιηθούν για να εξηγήσουν τη συμπεριφορά των συμμετεχόντων σε πειράματα εκμάθησης γλωσσών. Αυτά περιλαμβάνουν το ρυθμό εκμάθησης του μοντέλου, τη σειρά παρουσίασης των μαθησιακών παραδειγμάτων και τις σχετικές συχνότητες συνεπειών υπόδειξης-αποτέλεσμα. Στην παρούσα μελέτη, ενσωματώσαμε συστηματικά αυτές τις πηγές διακύμανσης κατά την προσαρμογή του μοντέλου στα δεδομένα των συμμετεχόντων, επιτρέποντας έτσι στο μοντέλο να συλλάβει με επιτυχία τις επιλογές και τις καθυστερήσεις απόκρισης των περισσότερων συμμετεχόντων σε μια εργασία εκμάθησης γλώσσας με βάση την πολωνική συμφωνία θέματος-ρήματος. Επιπλέον, τα γνωστικά και δημογραφικά χαρακτηριστικά όπως το WM και το φύλο καθόρισαν τον βαθμό στον οποίο η εκμάθηση γλωσσών καθοδηγήθηκε από αρχές μάθησης τύπου R-W.

Ανοίξτε τα σήματα έρευνας

Αυτό το άρθρο έχει κερδίσει σήματα Ανοικτών Δεδομένων και Ανοιχτών Υλικών για τη δημοσιοποίηση των ψηφιακά κοινοποιήσιμων δεδομένων και των στοιχείων των μεθόδων έρευνας που απαιτούνται για την αναπαραγωγή της αναφερόμενης διαδικασίας και των αποτελεσμάτων. Όλα τα δεδομένα και το υλικό που έχουν χρησιμοποιήσει οι συγγραφείς και έχουν το δικαίωμα να μοιράζονται είναι διαθέσιμα στη διεύθυνση https://github.com/ooominds/Error-correction-mechanismsin-language-learning και https://doi.org/10.25500/edata.bham. 00000911. Όλα τα ιδιόκτητα υλικά έχουν εντοπιστεί με ακρίβεια στο χειρόγραφο.

Σημειώσεις

1 Η ιδέα του ανταγωνισμού υπόδειξης βρίσκεται επίσης στον πυρήνα του μοντέλου διαγωνισμού του Batesand MacWhinney (1987) για την απόκτηση γλώσσας. Το μοντέλο τους, ωστόσο, χρησιμοποιεί κυρίως συμβολικές/γλωσσικές ενδείξεις, όπως σειρά λέξεων ή μορφολογικά χαρακτηριστικά λέξεων και βασίζεται σε μια συνδετική προσέγγιση που απαιτεί μια πολύ πιο σύνθετη αρχιτεκτονική από το μοντέλο R–W.

2 Τα περιεχόμενα οποιουδήποτε σώματος είναι, στην καλύτερη περίπτωση, μια πολύ χονδρική προσέγγιση των εισροών που λαμβάνουν οι χρήστες της γλώσσας. Αντίθετα, οι τεχνητές γλώσσες είναι ενδεικτικές και ενημερωτικές για την κατανόηση των φυσικών γλωσσών, αλλά δύσκολα αντικατοπτρίζουν ρεαλιστικά την πολυπλοκότητα που βρίσκεται σε οποιαδήποτε δεδομένη φυσική γλώσσα.

3 Οι πρώιμες υλοποιήσεις του κανόνα R–W ως το μοντέλο μάθησης της αφελούς διάκρισης βασίστηκαν σε μια μη επαναλαμβανόμενη έκδοση του αλγορίθμου, όπως παρέχεται από τον Danks (2003), η οποία εξαλείφει την πιθανότητα εμφάνισης οποιωνδήποτε επιπτώσεων τάξης.

4 Είναι σημαντικό να σημειωθεί ότι εδώ δεν μας ενδιέφερε να δοκιμάσουμε τα εφέ αποκλεισμού per se όπως γίνεται συνήθως σε πειράματα συμπεριφοράς της κλασικής προετοιμασίας. Σε αυτά τα πειράματα, περιλαμβάνονται μόνο τα συμβάντα που σχετίζονται με το μπλοκάρισμα (ο αποκλεισμός ελέγχεται ξεχωριστά από τα άλλα εφέ) και ο αποκλεισμός δοκιμάζεται σε ένα δεύτερο cuer περισσότερο από ένα τρίτο υπόδειξη όπως στην περίπτωσή μας (π.χ. Kamin, 1969). Επίσης, ο εκπαιδευόμενος συνήθως εκπαιδεύεται για αρκετό καιρό ώστε να διασφαλίσει ότι το σύνθημα «μπλοκαρίσματος» γίνεται καλός προγνωστικός δείκτης του αποτελέσματος που ενδιαφέρει. Μια τέτοια καθαρή πειραματική διάταξη δεν θα αντιπροσώπευε δίκαια την «αταξία» που είναι τόσο διάχυτη στις φυσικές γλώσσες. Καθώς η μελέτη μας αφορά την εκμάθηση γλωσσών, επιλέξαμε να μιμούμε όσο το δυνατόν περισσότερο μια ρεαλιστική κατάσταση μάθησης.

5 Ένας επιπλέον συμμετέχων αντιμετώπισε δυσλειτουργία του εξοπλισμού στη μέση της φάσης της δοκιμής και έπρεπε να επαναλάβει τη δοκιμή. Διατηρήσαμε τα δεδομένα αυτού του συμμετέχοντος, καθώς δεν πέρασαν από καμία επιπλέον εκπαίδευση στη δεύτερη φάση της δοκιμαστικής φάσης και έτσι ξεκινήσαμε τη νέα διαδρομή με τις ίδιες γνώσεις όπως και στην πρώτη δοκιμή (υπενθυμίζουμε ότι η ανατροφοδότηση του αποτελέσματος παρέχεται μόνο στη φάση της εκπαίδευσης). Τα αποτελέσματα εξοικείωσης δεν θα πρέπει να παίζουν ρόλο εδώ, καθώς όλοι οι συμμετέχοντες υποβλήθηκαν σε μερικές δοκιμές πρακτικής σε όλες τις φάσεις πριν ξεκινήσουν το πραγματικό πείραμα. Επίσης, επαναλάβαμε όλες τις αναλύσεις χωρίς τα δεδομένα αυτού του συμμετέχοντος και επιβεβαιώσαμε ότι η κατάργησή τους δεν άλλαξε κανένα από τα αποτελέσματα που παρουσιάζονται στην εργασία.

6 Η ποιότητα της προσαρμογής του μοντέλου σε μη ορατά δεδομένα αξιολογήθηκε χρησιμοποιώντας επικύρωση άδειας-ένα-εκτός. Συγκεκριμένα, για κάθε συμμετέχοντα, πραγματοποιήσαμε ένα συμβάν από αυτά που αντιμετώπισαν στη δοκιμαστική φάση και προσαρμόσαμε ένα μοντέλο R-W στα υπόλοιπα συμβάντα. Στη συνέχεια, το μοντέλο αξιολογήθηκε μόνο στο δεσμευμένο συμβάν αξιολογώντας εάν η απόκριση από τον συμμετέχοντα ταίριαζε με αυτήν του Το καλύτερο R-W μοντέλο του. Αυτό επαναλήφθηκε για όλα τα δοκιμαστικά συμβάντα και, στη συνέχεια, υπολογίστηκε η μέση ακρίβεια προσαρμογής (αποχώρηση-ένα-έξω), δηλαδή η αναλογία αντιστοιχιών μεταξύ των απαντήσεων από έναν δεδομένο συμμετέχοντα σε καθένα από τα δεσμευμένα συμβάντα και των σχετικών προβλέψεών τους από το καταλληλότερο R– του συμμετέχοντος. μοντέλο W.

7 Στην πραγματικότητα, αυτό το επίπεδο ακρίβειας μπορεί να θεωρηθεί εξαιρετικό, καθώς υποθέσαμε μια πολύ απλή διαδικασία επιλογής ενέργειας χωρίς πιθανότητες όπου επιλέγεται μια μορφή ρήματος εάν έχει την υψηλότερη ενεργοποίηση. Αυτό δεν λαμβάνει υπόψη τη μεταβλητότητα που μπορεί να προκύψει από την εξερεύνηση, την έλλειψη προσοχής ή τον εγγενή εγκεφαλικό θόρυβο.

βιβλιογραφικές αναφορές

1.Adani, S., & Cepanec, M. (2019). Διαφορές φύλου στην πρώιμη ανάπτυξη της επικοινωνίας: Συμπεριφορικοί και νευροβιολογικοί δείκτες ανάπτυξης πιο ευάλωτου συστήματος επικοινωνίας στα αγόρια. Κροατικό Ιατρικό Περιοδικό, 60(2),141–149.https://doi.org/10.3325/cmj.2019.60.141

2.Ambridge, B., & Lieven, EVM (2011). Κατάκτηση της παιδικής γλώσσας: Αντιθετικές θεωρητικές προσεγγίσεις. Cambridge University Press.

3.Baayen, RH (2011). Corpus γλωσσολογία και αφελής διακριτική μάθηση. 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). Makingchoices στα ρωσικά: Πλεονεκτήματα και μειονεκτήματα των στατιστικών μεθόδων για αντίπαλες μορφές. RussianLinguistics, 37(3), 253–291.https://doi.org/10.1007/s11185-013-9118-6

5.Baayen, RH, & Milin, P. (2010). Ανάλυση χρόνων αντίδρασης. 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., & Marelli, M. (2011). Ένα «άμορφο μοντέλο για μορφολογική επεξεργασία στην οπτική κατανόηση βασισμένο σε αφελή διακριτική μάθηση. Psychological Review, 118(3), 438–481.https://doi.org/10.1037/a0023851
7.Baayen, RH, Shaoul, C., Willits, J., & Ramscar, M. (2016). Κατανόηση χωρίς τμηματοποίηση: Απόδειξη έννοιας με αφελή διακριτική μάθηση. Language, Cognition and Neuroscience, 31(1), 106–128.https://doi.org/10.1080/23273798.2015.1065336

8. Baetu, I., Burns, N., & Child, B. (2018). Οι ατομικές διαφορές στην ικανότητα εργασιακής μνήμης προβλέπουν την απόδοση σε μια εργασία συνειρμικής μάθησης [Παρουσίαση σε χαρτί]. Αυστραλός Ψυχολόγος, Σίδνεϊ, Αυστραλία.https://doi.org/10.1111/ap.12372

9. Balleine, BW, & O'Doherty, JP (2010). Ομολογίες ανθρώπων και τρωκτικών στον έλεγχο δράσης: Κορτικοστρωματικοί καθοριστικοί παράγοντες της στοχευόμενης και συνήθους δράσης. Neuropsychopharmacology, 35(1), 48-69.https://doi.org/10.1038/npp.2009.131

10.Balling, LW, & Baayen, RH (2008). Μορφολογικά αποτελέσματα στην ακουστική αναγνώριση λέξεων: Στοιχεία από τα Δανέζικα. Language and Cognitive Processes, 23(7–8),1159–1190.https://doi.org/10.1080/01690960802201010

For more information:1950477648nn@gmail.com