Die Erfahrung der Muttersprache prägt die voraufmerksame Verarbeitung fremder Töne und leitet den schnellen Aufbau von Gedächtnisspuren: Eine ERP-Studie Teil 5

2,5|statistische Analyse

2.5.1|Verhaltensdaten

Um mögliche Auswirkungen der L1–L2-Ähnlichkeit auf die Verhaltensergebnisse zu testen, haben wir die Verhaltensreaktionen auf Tonfehlanpassungsversuche analysiert, wobei wir uns auf Unterschiede zwischen Wörtern mit Konturtönen und Wörtern mit ebenen Tönen konzentrierten.

In den letzten Jahren haben Forscher einen starken Zusammenhang zwischen dem Tonfall und dem Gedächtnis entdeckt. Insbesondere Konturtöne (oder „Sprungtöne“) erleichtern es uns, uns ein Wort oder eine Phrase zu merken. Denn konturierte Töne ermöglichen es dem Zuhörer, wichtige Informationen und emotionale Inhalte besser zu erfassen und so leichter im Langzeitgedächtnis zu speichern.

Einige Studien haben gezeigt, dass sich Menschen Wörter mit klar konturierten Tönen eher merken können, wodurch Informationen im Gehirn klarer verarbeitet werden können als bei flachen Tönen. Wenn wir beispielsweise eine betonte Silbe in einem Wort oder einer Phrase hören, bemerken wir diese Information und programmieren sie leichter in unser Gedächtnis.

Darüber hinaus können Konturtöne emotionale Informationen vermitteln, die auch für das Gedächtnis wichtig sind. Mit Emotionen und emotionalen Erfahrungen können wir uns Ereignisse und Informationen tendenziell leichter merken. Daher helfen uns konturierte Töne, diese emotionalen Erinnerungen in unserem Gehirn zu speichern.

Insgesamt helfen uns die Effekte konturierter Töne dabei, uns besser zu erinnern. Im täglichen Leben und bei der Arbeit können wir auf den Ton unserer Stimme achten, wenn wir mit anderen sprechen. Insbesondere bei verschiedenen Reden, Meetings, Anzeigen und anderen Anlässen sollten wir verstärkt auf die Verwendung eines Konturtons achten, um den Memory-Effekt zu verbessern. Durch Training können wir unsere Sensibilität für Sprache verbessern und uns dabei helfen, uns wichtige Informationen besser zu merken, wodurch sich die Arbeitseffizienz und die Lebensqualität verbessern. Es ist ersichtlich, dass wir das Gedächtnis verbessern müssen, und Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola ein traditionelles chinesisches Arzneimittel ist, das viele einzigartige Wirkungen hat, darunter die Verbesserung des Gedächtnisses. Die Wirksamkeit von Hackfleisch beruht auf seinen verschiedenen Wirkstoffen, darunter Säure, Polysaccharide, Flavonoide usw. Diese Inhaltsstoffe können die Gesundheit des Gehirns auf verschiedene Weise fördern.

Klicken Sie auf Möglichkeiten zur Verbesserung der Gehirnfunktion

Zu diesem Zweck haben wir getrennt Mitteldaten für die Verhaltensvariablen „Reaktionsgenauigkeit“ und „Reaktionszeiten“ an zwei gemischte Varianzanalysen (ANOVA) mit dem experimentellen Faktor „Tontyp“ (Konturtöne vs. Pegeltöne) und dem zeitlichen Faktor „Tag“ übermittelt " (Tag 1 vs. Tag 2) und die intersubjektbezogenen Faktoren „Lerngruppe“ (tonale L1 vs. nichttonale L1) und „Zieltongruppe“ (hoch/abfallend vs. niedrig/ansteigend).

Die Antwortzeiten wurden durch Protokolltransformationen normalisiert, und für die Genauigkeit wurden d′-Scores berechnet. Da zwei Teilnehmer von der Studie ausgeschlossen waren, waren die Zielton-Untergruppen unterschiedlich groß (11 oder 12).

Überall dort, wo gleich große Zielgruppen für die statistische Analyse erforderlich waren, verwendeten wir die Mittelwertimputation. Alle Verhaltensanalysen wurden in SPSS 26 (International Business Machines [IBM]Corp., Armonk, NY, USA) durchgeführt.

2.5.2|ERPs

Für die ERP-Daten haben wir zwei Zeitfenster (50–70 ms und 400–600 ms) ausgewählt, in denen wir basierend auf früherer Literatur (Gosselke Berthelsen et al., 2018, 2020).

Mithilfe dieser vordefinierten Zeitfenster führten wir Cluster-basierte Permutationstests für den Faktor „Tontyp“ durch. Wir haben die mittleren ERP-Amplituden von Block 1 (am Tag 1) von beiden Teilnehmergruppen zusammen und getrennt für die ausgewählten Zeitfenster und Bedingungen (d. h. Wörter mit Konturtönen im Vergleich zu Wörtern mit Ebenentönen) einer Permutationsanalyse unter Verwendung der nichtparametrischen Cluster-basierten Analyse unterzogen Permutationsansatz implementiert in der Fieldtrip-Toolbox für Matlab (Maris & Oostenveld, 2007).

Wir führten 1000 zufällige Permutationen der Daten mit der Monte-Carlo-Methode durch, um große Datensätze zu berücksichtigen, und betrachteten Cluster von drei oder mehr Elektroden mit einem p-Wert von<.05 significant. We additionally tested for interactions with "Learning" (target word vs control word) in the permutation analysis to see whether target words differed from control words. 

Die Interaktion war besonders wichtig für den Worterkennungseffekt bei 50 ms, wo tonale Lernende zuvor beobachtet haben, dass sie Zielwörter automatisch von Kontrollwörtern dissoziieren (Gosselke Berthelsen et al., 2020). Wenn in irgendwelchen Analysen signifikante Cluster auftauchten, führten wir gemischte durch ANOVAs zum Testen möglicher Wechselwirkungen mit zeitlichen und intersubjektbezogenen Faktoren.

Daher berechneten wir eine mittlere ERP-Amplitude über die analysierten Zeitfenster und alle Clusterelektroden. Dies wurde für jeden Teilnehmer in jedem Block und Tag durchgeführt. Die so erhaltenen mittleren Amplituden wurden dann einer gemischten ANOVA mit den experimentellen subjektinternen Faktoren „Tontyp“ und „Lernen“, den zeitlichen Faktoren „Tag“ und „Block“ sowie den subjektübergreifenden Faktoren „Lerngruppe“ unterzogen ( (falls zutreffend) und „Ton Zielgruppe“.

Die ANOVAs wurden in SPSS 26 (IBM) durchgeführt. Bei Bedarf wurde die Gewächshaus-Geisser-Korrektur angewendet. Für mehrere paarweise Vergleiche wurden FDR-Korrekturen (False Discovery Rate) (Benjamini & Hochberg, 1995) angewendet.

2.5.3|Korrelationen

Um zu testen, ob ERP-Effekte durch individuelles Lernverhalten beeinflusst werden, haben wir zwei zweiseitige Pearson-Korrelationen mit den Variablen „Amplitude Change for Lexiticality Effect“ und „Amplitude Change for AnteriorNegativity“ einerseits sowie „Response Time Change“ und „Response Accuracy“ durchgeführt Veränderung“, auf der anderen Seite.

Die hier untersuchte Veränderung wurde als Unterschied in den Verhaltens- oder ERP-Reaktionen zwischen der ersten und der zweiten Hälfte des ersten Tages definiert, an dem der Großteil des Lernens stattfand (vgl. Gosselke Berthelsen et al., 2020). Korrelationsanalysen wurden in SPSS (IBM) durchgeführt. Auf die p-Werte der Korrelationen wurden FDR-Korrekturen angewendet.

3|ERGEBNISSE

3.1|Verhaltensergebnisse

Für die Antwortgenauigkeit gab es keinen signifikanten Haupteffekt des Tontyps und keine signifikanten Wechselwirkungen mit den Faktoren Tontyp, Lernergruppe oder Tonzielgruppe.

Ein Haupteffekt des zeitlichen Faktors Day, F(1,44)= 44.18, p < .001, 휂2p=0.501, zeigte Lernnachweise, unabhängig davon, welche Tonsätze die Lernenden verwendeten erworben bzw. welche Tonarten getestet wurden. Somit stieg die Antwortgenauigkeit von Tag 1 (M=60,5 %, SD=25,4, Bereich=5,6 – 97,1) bis Tag 2 (M=68 deutlich an. 8 %, SD=29.6, Bereich =2.9 – 100).

Für die deskriptive Statistik verwenden wir aus Gründen der Einfachheit und Vergleichbarkeit zwischen den Ergebnissen und mit anderen Studien Prozentsätze, während die statistische Analyse anhand von d′-Daten durchgeführt wurde. Eine Grafik zur Veranschaulichung der Genauigkeitsergebnisse und der Änderung im Zeitverlauf finden Sie in Abbildung 5.

Für die Antwortzeiten wurde eine signifikante Interaktion von ToneType und Tone Target Group, F(1,44)=4.63, p=.037,휂2p=0.10, aufgeschlüsselt ein Haupteffekt von Tone Typein der Low/Rise-Gruppe, F(1,22)=6.69, p=.015, 휂2p=0.23.

Nichtübereinstimmungen mit dem Bildreferenten basierend auf niedrigen Tönen (M=1515 ms, SD=986, Bereich=219 – 4279) wurden deutlich schneller erkannt als Fehler basierend auf steigenden Tönen (M{{4}) } ms, SD=1093, Bereich=303 – 4241). Es gab keinen Haupteffekt des Tontyps und keine signifikanten Wechselwirkungen zwischen den Faktoren Tontyp, Lernergruppe oder Tonzielgruppe.

Der Haupteffekt des zeitlichen Faktors Day, F(1,44)=35.53, p < .001, 휂2p=0.45, zeigte Lernnachweise, unabhängig davon, welche Tonarten den Lernenden beigebracht oder getestet wurden An. Zu diesem Zweck gab es eine signifikante Verbesserung der Reaktionszeiten von Tag 1 (M =2056 ms, SD=329, Bereich=488 – 4279) bis Tag 2 (M=1427 ms, SD=153, Bereich=199 – 4241). Die Analyse wurde anhand logarithmisch transformierter Daten durchgeführt; Zur Datenbeschreibung werden auch die tatsächlichen Roh-ResponseTimes gemeldet.

3.2|ERP-Ergebnisse

3.2.1|50–70 ms

Für das frühe Zeitfenster erzeugte eine Interaktion zwischen ToneType und Learning, d. h. der Vergleich von Pegel- und Konturtönen in Ziel- und Kontrollwörtern, einen signifikanten zentralen Elektrodencluster (FC2, FC4, C1, Cz, C2, C4, CP1, Cpz, CP2). p=.026, d=0.87, in der tonalen L1-Gruppe.

Siehe ERPs und Topografien für die Interaktion in Abbildung 6. In der nichttonalen L1-Gruppe oder für alle Teilnehmer insgesamt wurde kein vergleichbarer Cluster identifiziert.

Die Permutationsanalyse ergab keine signifikanten Cluster für Unterschiede zwischen Pegel- und Konturtönen ohne Interaktion mit Lernen (weder für alle Teilnehmer insgesamt noch für die Teilnehmergruppen einzeln). Eine Darstellung der Subtraktionsamplitudenverteilung innerhalb und zwischen Gruppen finden Sie in Abbildung 7.

Die weitere Untersuchung des signifikanten Clusters der tonalen L1-Gruppe in einer gemischten ANOVA, einer Wechselwirkung zwischen Tontyp * Lernen * Zieltongruppe, legte nahe, dass der beobachtete Effekt für Konturtöne (d. h. die Kontrollen waren negativer als die Ziele) nur in der Hoch-/Fallgruppe signifikant war.

Zweitens zeigte eine Interaktion mit der Zeit, dass sich nur die Amplituden der Kontrollwörter im Laufe der Zeit änderten und weniger negativ wurden. Detaillierte Ergebnisse finden Sie in Tabelle 2.

3.2.2|400–600 ms

Für das zweite Zeitfenster ergab die Permutationsanalyse zwei signifikante Cluster für den Vergleich von Wörtern mit Konturtönen und Wörtern mit Pegeltönen für die ersten 20 Minuten der ersten Sitzung bei allen Teilnehmern.

Es gab einen signifikanten frontozentralen Cluster (AF3, AF4, AF8, F5, F3, F1, Fz, F2, F4, FC5, FC3, FC1, FC2, FC4, FC6, C3, C1, C2, C4), p < .001, d=0.38, sowie ein signifikanter hinterer Cluster (FT7, FT8, TP7, CP6, TP8, P7, P5, P8, PO7,POz, PO8, Oz), p < .001, d {{ 32}}.33. Siehe Abbildung 8.

Eine gemischte ANOVA der mittleren ERP-Amplituden des frontozentralen Clusters für alle Teilnehmer in 20-Minutenblöcken ergab mehrere Haupteffekte und Interaktionen für Tontyp, Lernen und zeitliche Faktoren Block und Tag, Einzelheiten siehe Tabelle 3.

In Bezug auf den Tontyp waren die Ebenentöne negativer als die Konturtöne.
Dieser Unterschied war in der tonalen L1-Gruppe stärker als in der nichttonalen L1-Gruppe.

Beim Lernen haben wir herausgefunden, dass Zielwörter größere Negativität hervorriefen als Kontrollwörter (siehe Abbildung 8). Der Unterschied war in der tonalL1-Gruppe erneut größer und war am zweiten Tag auch stärker als am ersten Tag. Schließlich wurde im Laufe der Zeit ein allgemeiner Rückgang der Negativität beobachtet.

Für den hinteren Cluster waren die Effekte praktisch nicht von denen des frontozentralen Clusters zu unterscheiden, jedoch in umgekehrter Polarität: Alle Haupteffekte waren nahezu identisch mit den oben genannten, ebenso wie die entscheidenden Interaktionscluster.

Im hinteren Cluster traten nur zwei einzigartige Interaktionen auf. Wir haben uns daher dafür entschieden, die Positivität als Dipoleffekt zu behandeln und der Kürze halber die beobachteten signifikanten Effekte und Wechselwirkungen für den hinteren positiven Cluster als Hintergrundinformation S1 statt im Haupttext darzustellen.

3.2.3|Korrelationsergebnisse

Für den frühen Effekt wurden keine signifikanten Korrelationen zwischen Verhaltensänderungen und neurophysiologischen Daten gefunden (p > .8). Eine weitere Analyse ergab auch für diesen Effekt keine signifikanten Korrelationen für die H/F-Untergruppe der tonalen Lernenden (p > .2).

Es wurde eine signifikante Korrelation zwischen der Amplitudenänderung für vordere Negativität und der Antwortgenauigkeitsänderung beobachtet, r=−.353, p=.040, sodass die Differenzamplitude umso kleiner war, je größer die Verbesserung der Genauigkeit am ersten Tag war denn die vordere Negativität wurde. Es gab keine signifikante Korrelation mit der ResponseTime Change (p > 0,7).

4|DISKUSSION

4.1|Worterkennungskomponente: Übertragungseffekte

Es gab einen deutlichen Effekt der Erfahrung und Vertrautheit der Muttersprache in der präaufmerksamen Lexikalitäts-Gating-Komponente bei ~50 ms. Der Erleichterungseffekt bei dieser Latenzzeit wurde nur beim höchsten Grad der L1–L2-Ähnlichkeit gefunden. Unsere Tonlerner zeigten keine Hinweise auf einen erleichterten Worterwerb bei allen tonalen Zielwörtern oder allen Zielwörtern mit Konturtönen, sondern nur bei Zielwörtern mit fallendem Ton.

Dies zeigte sich in einer verringerten Negativität, von der wir annehmen, dass sie eine erfolgreiche, schnelle Wortspurbildung für Zielwörter mit fallenden Tönen widerspiegelt, sodass diese bereits innerhalb der ersten 20 Minuten nach der Erfassung wie echte Wörter verarbeitet wurden. Ein Trend zu einer ähnlichen Amplitudenabnahme wurde bereits bei Realwörtern bei Mandarin-Sprechern beobachtet (Yue et al., 2014).

Nach vierminütiger Wiederholung von Wörtern und legalen Pseudowörtern schien die neuronale Aktivität gegenüber echten Wörtern nachzulassen. Beachten Sie jedoch, dass Yue et al. verwendeten keine Analyse, die Frequenzeffekte, die durch den Vergleich häufiger Standard- und selten abweichender Reize verursacht wurden, aufheben konnte (vgl. Shtyrov & Lenzen, 2017) und konnten daher in ihrer statistischen Analyse die Amplitudenänderung für echte Wortabweichungen nicht erkennen.

Außerdem war ihr Zeitfenster länger als unseres. Wir erwähnen den Trend hier, weil Yue et al. (2014) ist die einzige Studie, die diese frühe Komponente im Kontext tonaler Wörter untersucht. Bemerkenswerterweise wurde derselbe Effekt bereits zuvor von Kimppa et al. für Wörter ohne Töne berichtet. (2015).

Durch diese früheren Studien interpretieren wir die verringerte Effektgröße für eng L1--ermöglichte Zielwörter als Beweis dafür, dass die Wörter außergewöhnlich schnell wie echte Wörter erfasst und verarbeitet wurden.

Pseudowörter, auch solche mit demselben Tonhöhenmuster, und nicht unterstützte Zielwörter konnten dagegen nicht gleich schnell erworben werden und riefen daher eine erhöhte Negativität hervor.

Diese Negativität deutet wahrscheinlich auf einen fortlaufenden, unvollständigen Prozess zur Bildung von Gedächtnisspuren für nicht gelernte und nicht unterstützte Wörter hin. In Übereinstimmung mit der Idee eines fortlaufenden Prozesses zur Bildung von Wortspuren nahm die Negativität sowohl für Zielwörter als auch für Kontrollwörter während der Lernsitzungen leicht ab (Zielwörter: MB{{{{ 6}}}} −1.02 μV ±SD=0.8 μV, MB6=−0.99 ± 0.8 μV; Steuerwörter: MB{{10}} −1,31 ± 1,0 μV, MB6=−0,90 ± 0,8 μV).

Dieser Rückgang war nur für die Kontrollwörter signifikant, bei denen die Amplitude anfänglich am höchsten war. Interessanterweise verlief die Abnahme der Amplitude bei beiden Worttypen schrittweise, sodass die Amplitude nach den Pausen zwischen den Blöcken 2 und 3 sowie den Blöcken 4 und 5 wieder zunahm (vgl. z. B. Zielwörter: MB1=−1). 02 μV ± SD=0,8 μV, MB{{10}}−0,99 ± 0,9 μV, MB{{ 15}} −1,12±0,9 μV, MB{{20}} −0,88 ± 0,9μV, MB5=− 0.94± 0,8 μV, MB6=−0,99 ± 0,8 μV).

Zusammen mit der Tatsache, dass wir bei dieser Latenz keinen Effekt der Lernsitzung auf die Antwortamplitude festgestellt haben, deutet dies darauf hin, dass Wortspuren nur vorübergehend für Wörter mit nicht-nativer Phonologie (z. B. Töne) gebildet wurden.

Somit hatten nur Wörter mit nativer Phonologie (und einer vertrauten Funktion) eine durchgängig reduzierte Amplitude (M=0,78 μV), was darauf hindeutet, dass der schnelle Prozess der Wortspurbildung vom nativen neuronalen Phonologienetzwerk abhängt und dass Wortspuren für L{ {2}}ähnliche neue Wörter wurden fast augenblicklich und dauerhaft gebildet.

For more information:1950477648nn@gmail.com