Syntactic Chunking enthüllt eine zentrale syntaktische Darstellung mehrstelliger Zahlen, die generativ und automatisch ist Teil 2

Datenkodierung

Jedes Zahlenwort ist durch eine lexikalische Klasse (in diesem Experiment haben wir nur Einsen, Zehner oder Hunderter verwendet) und einen Wert von 1–9 eindeutig definiert. Beispielsweise ist das Wort ffty die Kombination der Ziffer 5 und der Zehnerklasse. Ebenso ist „vierhundert“ (vermutlich ein einzelner lexikalisch-phonologischer Wert im Hebräischen) die Ziffer 4 in der Klasse „Hunderter“. Dementsprechend besteht die kognitive Darstellung von Zahlwörtern aus zwei Morphemen, Ziffer und Klasse (McCloskey et al., 1986), sodass unsere Kodierung auf diesen beiden Morphemen basierte. Eine Ausnahme bildete das Dezimalwort „Tausend“: Wir betrachteten es als einzelnes Morphem, die lexikalische Klasse „Tausend“ ohne Ziffernmorphem.

Es besteht eine untrennbare Beziehung zwischen Kodierung und Gedächtnis. Unter Kodierung versteht man die Umwandlung von Informationen in ein Format, das vom menschlichen Gehirn verarbeitet werden kann, während sich Gedächtnis auf den Prozess des Speicherns und Abrufens von Informationen bezieht. Der Kodierungsprozess hat einen entscheidenden Einfluss auf die Gedächtnisproduktion, da er darüber entscheidet, ob wir Informationen behalten und bei Bedarf abrufen können.

Im Allgemeinen kann das menschliche Gedächtnis in zwei Arten unterteilt werden: das Kurzzeitgedächtnis und das Langzeitgedächtnis. Das Kurzzeitgedächtnis kann Informationen im Allgemeinen nur für einen kürzeren Zeitraum speichern, während das Langzeitgedächtnis Informationen über einen längeren Zeitraum speichern kann. Für die Gedächtnisleistung einer Person ist die Kodierung der erste und wichtigste Schritt vor der Speicherung des Gedächtnisses. Wenn es ein Problem mit der Kodierung gibt, ist es schwierig, die Informationen zu speichern oder abzurufen.

Die Qualität der Kodierung hat einen großen Einfluss auf den Speicher. Wenn wir mehrere Sinne zum Kodieren nutzen können, wie etwa Sehen, Hören, Riechen usw., können wir die Effizienz der Informationskodierung steigern und das Gedächtnis stärken. Gleichzeitig müssen wir die Methode des „Bedeutungsverstehens“ nutzen, um Informationen mit Informationen zu verknüpfen, die bereits in unserem Langzeitgedächtnis vorhanden sind, damit sie leichter zu merken sind.

Darüber hinaus besteht ein Zusammenhang zwischen Überprüfung und Abruf, zwischen Kodierung und Gedächtnis. Überprüfen bedeutet, Informationen erneut zu lesen, anzuhören oder anzusehen, nachdem sie gespeichert wurden, sodass sie für einen relativ längeren Zeitraum im Speichersystem verbleiben. Beim Extrahieren geht es darum, Informationen zu extrahieren und bei Bedarf zu nutzen. Wenn wir beim Codieren, Überprüfen und Abrufen sorgfältig vorgehen, wird sich unsere Gedächtnisleistung erheblich verbessern.

Im Leben müssen wir uns an die meisten unserer Informationen erinnern, auch an Informationen im Studium, bei der Arbeit und im sozialen Leben. Deshalb müssen wir den Kodierungsprozess ernst nehmen, um Informationen effektiv in unserem Gehirn zu speichern. Nur wenn Sie gute Programmierkenntnisse beherrschen, können Sie Informationen besser speichern, überprüfen und abrufen und Ihr Gedächtnis verbessern. Es ist ersichtlich, dass wir das Gedächtnis verbessern müssen, und Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola auch das Gleichgewicht von Neurotransmittern regulieren kann, beispielsweise durch die Erhöhung des Acetylcholin- und Wachstumsfaktorspiegels. Diese Stoffe sind sehr wichtig für das Gedächtnis und das Lernen. Darüber hinaus kann Fleisch auch die Durchblutung verbessern und die Sauerstoffversorgung fördern, wodurch sichergestellt werden kann, dass das Gehirn ausreichend Nährstoffe und Energie erhält, wodurch die Vitalität und Ausdauer des Gehirns verbessert werden.

Klicken Sie auf „Ergänzungen kennen, um das Gedächtnis zu stärken“.

Wir haben für jeden Versuch drei Leistungsmaße definiert, die die Genauigkeit der Ziffernmorpheme, der Klassenmorpheme oder beider widerspiegeln. Die Zifferngenauigkeitsrate wurde als Prozentsatz der Reizziffern definiert, die in der Antwort auftraten, unabhängig von ihrer Reihenfolge und ohne Berücksichtigung übermäßiger Ziffern. Das Wort „tausend“ wurde von dieser Maßnahme ausgeschlossen. Die Klassengenauigkeitsrate wurde als Prozentsatz der lexikalischen Reizklassen definiert, die in der Antwort auftraten, unabhängig von ihrer Reihenfolge und ohne Berücksichtigung übermäßiger Klassen. Wenn der Stimulus eine lexikalische Klasse zweimal enthielt (z. B. die Zehnerklasse in „neunzigtausendachtzig“), die Antwort sie jedoch nur einmal enthielt, erhielt er nur 1 von 2 Genauigkeitspunkten. Schließlich wurde die Morphem-Genauigkeitsrate durch Zusammenführen der beiden definiert oben – dh der Prozentsatz der Ziffern- und Klassenmorpheme, die in der Antwort des Teilnehmers auftraten, unabhängig von ihrer Reihenfolge. Im folgenden Text geben wir die Morphem-, Ziffern- und Klassenfehlerraten an, dh die Ergänzung zu 100 % der Genauigkeitsraten.

Ein viertes mögliches Maß ist die Wortgenauigkeitsrate – der Prozentsatz der Reizwörter, die in der Antwort vorkamen. Ähnlich wie die Morphem-Genauigkeitsrate berücksichtigt dieses Maß sowohl die Klasse als auch die Ziffer, erfordert aber auch die korrekte Paarung einer bestimmten Klasse mit einer bestimmten Ziffer. Beispielsweise würde die Wiederholung von dreiundzwanzig bis zweiunddreißig als 0 % Wortgenauigkeit und als 100 % Morphemgenauigkeit kodiert werden. Die Ergebnisse zur Wortgenauigkeit werden hier nicht angegeben, aber sie waren im Wesentlichen dieselben wie die Ergebnisse zur Morphemgenauigkeit.

statistische Analyse

Um zwei Bedingungen zu vergleichen, haben wir die Ziffern-, Klassen- oder Morphemfehlerrate jedes Versuchs als abhängige Variable in ein lineares gemischtes Modell (LMM) eingegeben. Teilnehmer und Stimulus waren Zufallsfaktoren, und die Bedingung war ein teilnehmerinterner, stimulusinterner Faktor. In den wenigen Fällen, in denen ein Modell nicht konvergierte, wurde der Stimulus-Zufallsfaktor verschoben. Um zu kontrollieren, dass verschiedene Teilnehmer Reize unterschiedlicher Länge wiederholten, wurde die Reizlänge (die Anzahl der Wörter) als Kovariate eingegeben. Wir haben R (R Core Team, 2019) mit dem lme4-Paket verwendet (Bates et al., 2015).

Um festzustellen, ob die Auswirkung der Bedingung signifikant war, verwendeten wir einen Likelihood-Ratio-Test, der das LMM mit einem LMM verglich, das identisch war, außer dass es den Bedingungsfaktor nicht enthielt. Für diese Vergleiche geben wir die Teststatistik2(LL1–LL0) an, die einer χ2-Verteilung folgt (LL0 und LL1 bezeichnen die Log-Likelihoods des reduzierten Modells und des vollständigen Modells) und die entsprechende p-Wert. Die Freiheitsgrade werden nicht angegeben, da sie immer 1 waren. Um die Leistung eines einzelnen Teilnehmers unter zwei Bedingungen zu vergleichen, verwendeten wir dieselbe Methode, aber das Modell umfasste nicht die Faktoren „Teilnehmer“ und „Stimuluslänge“. es umfasste nur den Reiz als Zufallsfaktor und die Bedingung als einen Faktor innerhalb des Reizes. Geben Sie als Effektgröße den Koeffizienten des Bedingungsfaktors im Modell an. Dieser Koeffizient liegt nahe an der Differenz zwischen den Mittelwerten der Bedingungen und wird daher mit Δ bezeichnet.

Ergebnisse

Vier Teilnehmer führten die 7-Wortversion der Aufgabe durch, und die übrigen Teilnehmer führten die 6-Wortversion durch.

Die vereinfachte Vorhersage des syntaktischen Chunking besteht darin, dass ein Reiz leichter zu merken sein sollte, wenn er mehr oder längere grammatikalische Segmente hat. Längere Segmente können jedoch von Nachteil sein, wenn sie zu lang sind; Solche Segmente können dazu führen, dass Megablöcke entstehen, die die Kapazitätsgrenze des Arbeitsspeichers überschreiten und schwer zu merken sind. Daher wird erwartet, dass die Beziehung zwischen Segmentgröße und Leistung eine umgekehrte U-Form aufweist: Die beste Leistung sollte nicht bei den Stimuli mit den längsten Segmenten erzielt werden, sondern bei den Stimuli, deren Segmentlänge ein optimales Gleichgewicht zwischen der Anzahl der Blöcke und der Blockgröße bietet.

Bedingungen mit zu vielen, zu kurzen grammatikalischen Segmenten würden relativ wenig Chunking induzieren und zu ineffektiven Gedächtnisstrategien führen; und Bedingungen mit zu wenigen, zu langen Segmenten würden die Bildung übergroßer, schwer zu merkender Chunks fördern. Wie Abb. 2 deutlich zeigt, war genau dies der Fall: Die Genauigkeit war in Bedingung B am höchsten und in den anderen Bedingungen am niedrigsten. Insbesondere war die Fehlerrate in Bedingung B deutlich höher als in Bedingung C, die wiederum deutlich mehr Fehler aufwies als in Bedingung D – ein klarer Effekt des syntaktischen Chunking. Obwohl die Teilnehmer keine speziellen Anweisungen zu Chunking-Strategien erhielten, verwendeten sie dennoch die syntaktische Struktur der Zahl und erstellten Chunks, die grammatikalische mehrstellige Zahlen darstellen. Wie erwartet war die optimale Leistung nicht in Zustand A zu verzeichnen, in dem die grammatikalischen Segmente am längsten waren, sondern in Zustand B, der das optimale Gleichgewicht zwischen Blockgröße und Anzahl der Blöcke zu bieten scheint.

Zusätzliche Unterstützung für die Idee des syntaxbasierten Chunking ergibt sich aus der Analyse der spezifischen Positionen innerhalb der Stimuli, an denen die Fehler aufgetreten sind. Abbildung 3 zeigt die Ziffernfehlerrate in jeder seriellen Position für die Teilnehmer, die 6-Wortsequenzen wiederholten (die 7-Wortteilnehmer wurden von dieser Analyse ausgeschlossen, um längenbedingte Varianz zu vermeiden). Wenn sich die Teilnehmer jeden Reiz als unstrukturierte Wortfolge einprägten, handelt es sich bei der Aufgabe im Wesentlichen um eine Aufgabe zum freien Erinnern. Bei einer solchen Aufgabe sollte die Fehlerrate typischerweise für die ersten Wörter in der Liste am niedrigsten sein und für Wörter weiter unten in der Liste allmählich ansteigen (ein Primatseffekt), mit einer gewissen Verbesserung beim letzten Wort oder den letzten Wörtern (ein Aktualitätseffekt; Murdock, 1962).

Bedingung D, die fragmentierte Bedingung, zeigt dieses Muster unstrukturierter freier Rückrufaufgaben. Im Gegensatz dazu zeigen die Bedingungen A und B ein unterschiedliches Muster, was darauf hindeutet, dass hier zusätzlich zu den Primacyan- und Aktualitätseffekten zusätzliche Faktoren eine Rolle spielten. Beispielsweise verringerte sich in Bedingung B die Fehlerrate vom 2. Wort (Tausender) bis zum 3. Wort (Hunderter). Um das Muster in jeder Bedingung zu untersuchen, haben wir die Zifferngenauigkeit in jedem Zahlenwort in den 6-Wortnummern analysiert, mit Ausnahme des Wortes „Tausend“ (für das keine Ziffer codiert wurde) und mit Ausnahme des letzten Nicht-Tausender-Wortes in jeder Zahl (um den Aktualitätseffekt zu vermeiden).

Wir haben die Zifferngenauigkeit jeder Bedingung separat einem logistischen linearen gemischten Modell mit dem Teilnehmer als Zufallsfaktor und der seriellen Position des Wortes als numerischem Faktor innerhalb des Teilnehmers vorgelegt. Wir haben den Stimulus nicht als Zufallsfaktor hinzugefügt, da ein solches Modell unter bestimmten Bedingungen einen einzelnen Fuß erreichte, aber die Ergebnisse waren im Wesentlichen die gleichen, wenn dieser Faktor einbezogen wurde. Der Wortpositionseffekt war in BedingungD (χ2=27.4, S<0.001) but only barely significant in conditions A (χ2=4.7, p=0.03) and B (χ2=4.2, p=0.04)— unimpressive significance levels that do not withstand a multiple-comparison correction. To show that the difference between conditions was significant, we submitted the data of all conditions together to the same LLMM, now adding the Condition (A/B versus D) and the Condition × Word Position interaction as within-participant factors. The interaction term was significant (χ2=11.5, p<0.001, odds ratio=0.75).

Eine einfache serielle Erinnerung kann die Ergebnisse in den Bedingungen A und B nicht erklären. Syntaktisches Chunking bietet jedoch eine einfache Erklärung für dieses Muster: In Bedingung D erinnerten sich die Teilnehmer an jeden Reiz als eine unstrukturierte Liste von Wörtern, aber in den Bedingungen A und B neigten sie dazu, sich jeden Reiz zu merken als Brocken. Aufgrund dieser Aufteilung handelte es sich bei der Aufgabe nicht um eine einfache serielle Rückrufaufgabe, sodass sie keinen standardmäßigen Primat- und Aktualitätseffekt zeigte. Interessanterweise wurde in den Bedingungen A und B ein Primateffekt nicht nur für die Sequenz als Ganzes beobachtet: In beiden Bedingungen war die Leistung in Wort Nr. 4 besser als im vorhergehenden und im nächsten Term, und die Wörter 4–5–6 zeigten eine Umkehrung U-förmiges Muster. Dieses Muster steht im Einklang mit der Idee, dass die Wörter 4–5–6 als separater Block codiert wurden, mit eigenen Primat- und Aktualitätseffekten im ersten und letzten Wort des Blocks.

The syntactic chunking pattern—better performance in the more-fragmented conditions, and optimal performance in an interim condition—was observed not only at the group level but even for individual participants. Numerically, each of the participants showed better performance in condition B (optimal chunking) than in condition D (maximum fragmentation) (Fig.  4). This difference was significant for all participants except one (morpheme accuracy rate of each of these participants: paired t(19)>1.73, Bonferroni–Holm korrigierte einseitige S<0.05). Because the different conditions used the same stimuli and manipulated only the word order within each stimulus, we could also compare matched pairs of stimuli and show that a syntactic chunking effect existed even for single stimuli in most cases: Morpheme accuracy was better in condition D than in B only for 6% of the stimuli (and better in B for 63.5%; same in B and D for 30.5%). Nevertheless, the participants also differed from each other—the best-performance condition was different for different participants: For 13 participants, the optimal condition was B, but for 6 participants it was A and for one participant it was C (bottom panels in Fig. 4).

Diskussion

Die beste Leistung wurde in Bedingung B erzielt, in der jeder Reiz ein Paar von 3-Worten oder 4-Wortsegmenten war. Bei den Bedingungen C und D verschlechterte sich die Leistung, da der Reiz mehr, kürzere grammatikalische Segmente umfasste. Dieser syntaktische Chunking-Effekt weist darauf hin, dass die Teilnehmer eine Darstellung der syntaktischen Struktur ganzer Zahlen erstellten und diese Darstellung es ihnen ermöglichte, immer längere Blöcke für immer längere grammatikalische Segmente zu erstellen.

Die beste Leistung wurde nicht in der Bedingung A erzielt, die ein einzelnes langes Segment pro Reiz aufwies, sondern in der Bedingung B. Das heißt, obwohl sich die Leistung von Bedingung D zu C und von C zu B verbesserte, störten längere Segmente (in Bedingung A) das Auswendiglernen. Dieses Ergebnismuster unterstützt die Annahme, dass effektives Chunking ein optimales Gleichgewicht zwischen der Chunk-Größe und der Anzahl der Chunks erfordert.

Es scheint, dass die Teilnehmer in Bedingung A die vollständige syntaktische Struktur der 5-- oder 6--Ziffer nutzten, um alle Wörter in einem einzigen Block zu speichern, was zu übertriebenen Blockgrößen und folglich zu einer schlechteren Merkfähigkeit führte. Nach dieser Ansicht hatten die Fehlerraten zwar ein U-förmiges Muster, das zugrunde liegende syntaktische Chunking hatte jedoch einen monotonen Effekt: Längere grammatikalische Segmente führten immer zu größeren Chunks, auch in Bedingung A, aber eine Erhöhung der Chunk-Größe war nur bis zu einer optimalen Schwellenwertgröße von 3 von Vorteil –4 Wörter pro Block, was in Bedingung B auftrat. Darüber hinaus störte das erhöhte Chunking in Bedingung A die Leistung, weil die Chunks zu groß wurden, als dass die Teilnehmer sie effektiv handhaben konnten – sie überstiegen die Arbeitsspeichergrenze, die jeder Chunk nach Cowan (2001) unterliegt ). Nachfolgend finden Sie in Experiment 5 weitere Beweise, die diese Schlussfolgerung stützen.

Unsere Ergebnisse widerlegen eine alternative Interpretation, die den Unterschied zwischen Bedingung A und Bedingung B auf die Größe der Zahl zurückführt. Diese alternative Interpretation geht davon aus, dass die Leistung in Bedingung A schlechter war als in B, nicht aus Gründen der Syntax und Chunking, sondern weil die Zahlen in Bedingung A numerisch größer und daher schwieriger zu verarbeiten waren (ein Nebeneffekt). Zwei Aspekte unserer Daten widerlegen die alternative Interpretation: Erstens können sie das Fehler-nach-Position-Muster in Abb. 3 nicht erklären. Zweitens sagt die alternative Interpretation voraus, dass 5-- oder 6- 6-stellige Zahlen (wie in Bedingung A ) wird immer schwieriger zu merken sein als ein Paar kürzerer Zahlen (Bedingung B), unabhängig von den konkreten Zahlen. Wie wir in Experiment 5 sehen werden, wurde diese Vorhersage widerlegt.

Die überlegene Leistung in Bedingung B im Vergleich zu Bedingung A führt zu mehreren wichtigen Schlussfolgerungen. Erstens zeigt es den Umfang der syntaktischen Darstellung von Zahlen – insbesondere einer Darstellung der Cross-Triplett-Syntax. Unter den Bedingungen B, C und D überschritt kein grammatikalisches Segment die Grenzen einer einzelnen Tripel (Hunderter+Zehner+Einer). Die Unterschiede zwischen diesen Bedingungen können als syntaktische Darstellung innerhalb eines Tripletts erklärt werden – beispielsweise eine Darstellung, die sich die Tatsache zunutze macht, dass die drei Wörter in jedem Triplett unterschiedliche lexikalische Klassen haben. Anders verhielt es sich bei Bedingung A und B: Der einzige Unterschied zwischen diesen beiden Bedingungen bestand darin, dass Bedingung A, aber nicht B, Wörter aus den beiden Tripeln in einem einzigen Segment kombinierte. Der signifikante Unterschied zwischen den beiden Bedingungen zeigt an, dass in Bedingung A, aber nicht in B erstellten die Teilnehmer eine Cross-Triplett-Syntaxdarstellung. In der allgemeinen Diskussion kommen wir auf die Auswirkungen dieser Finanzierung zurück.

Die zweite Schlussfolgerung betrifft die Automatik. In Bedingung A wurde die syntaktische Kreuztriplett-Darstellung erstellt, obwohl sie nicht vorteilhaft war – sie störte die Leistung. Dies deutet stark darauf hin, dass die Erstellung einer syntaktischen Darstellung nicht das Ergebnis einer freiwilligen, bewusst-strategischen Entscheidung war, sondern ein automatischer Prozess war.

Die dritte Schlussfolgerung betrifft die Frage, ob die syntaktische Darstellung als starre Vorlage abgerufen oder dynamisch durch einen generativen Prozess erstellt wird. Cowan (2001) schlug vor, dass es mindestens zwei verschiedene Methoden zum Erstellen von Chunks gibt, und diese beiden Methoden unterscheiden sich in der Begrenzung, die sie der Chunk-Größe auferlegen. Eine Methode besteht darin, eine gespeicherte Vorlage abzurufen, die als Grundlage für den Block dient, und mehrere einzelne Elemente in diese Vorlage einzubetten (jedes einzelne Element ist eine Darstellung aus dem Langzeitspeicher). Auf diese Weise können beispielsweise erfahrene Schachspieler komplexe Züge kodieren. Die Anzahl der Elemente in solchen Vorlagen kann manchmal recht groß sein – mehr als die Standardkapazität des Kurzzeitgedächtnisses von 3–4 Elementen –, aber die Vorlage ist immer noch ein einzelner Block. Eine zweite Methode zum Erstellen von Chunks besteht darin, neuartige Ad-hoc-Assoziationen zwischen Elementen zu bilden. Diese Methode ist dynamischer und flexibler, der Preis besteht jedoch darin, dass die Blockgröße der Arbeitsspeicherkapazitätsbeschränkung von 3–4 Elementen unterliegt. Der entscheidende Punkt ist, dass sich diese beiden Methoden in den Einschränkungen unterscheiden, die sie der Chunk-Größe auferlegen: Die letztere Methode unterliegt Einschränkungen der Arbeitsspeicherkapazität, die erstere hingegen nicht. Wenn also in unserem Experiment die syntaktischen Blöcke auf generative Weise erstellt werden, unterliegen sie möglicherweise der Kapazitätsbeschränkung des Arbeitsspeichers, was zu einer schlechten Leistung bei übergroßen Blöcken führt – genau das Muster, das wir in Bedingung A sehen. Wäre die syntaktische Struktur der Zahl gespeichert worden? Vorlage hätten die Teilnehmer vorlagenbasierte Chunks erstellen können, die nicht der Kapazitätsbeschränkung unterliegen, und die Leistung in Bedingung A (mit 1 Chunk pro Stimulus) hätte besser sein müssen als in Bedingung B (2 Chunks pro Stimulus). Dies war nicht der Fall Fall. Wir kommen daher zu dem Schluss, dass die syntaktische Struktur der Zahl nicht als vordefinierte gespeicherte Vorlage abgerufen wurde, sondern durch einen generativen Prozess in Echtzeit erstellt wurde.

Syntaktisches Chunking weist tatsächlich auf eine syntaktische Darstellung hin

Effizientes Chunking umfasst zwei Schlüsselaspekte des Stimulus: Erkennbarkeit und Komprimierbarkeit (Chekaf et al., 2016). Der erste Aspekt bezieht sich auf die Erkennung von Regelmäßigkeiten im Stimulus, was Möglichkeiten für effektives Chunking bietet, z. B. durch die Festlegung optimaler Chunk-Grenzen. In unserem Fall würde sich dies auf die Erkennung der grammatikalischen Segmente beziehen. Der zweite Aspekt bezieht sich auf den Prozess, der die Daten zu einem Chunk komprimiert, vermutlich indem er sich auf eine Darstellung mit starken Assoziationen zwischen den Elementen des Chunks verlässt (Cowan, 2001). In unserem Fall wird die Komprimierbarkeit vermutlich durch die Darstellung der Zahlensyntax bestimmt.

Wir interpretierten die Ergebnisse von Experiment 1 im Hinblick auf die Komprimierbarkeit: Wir argumentierten, dass der entscheidende Unterschied zwischen den experimentellen Bedingungen darin bestand, dass sie sich auf die Fähigkeit der Teilnehmer auswirkten, syntaxbasierte Blöcke zu erstellen. Könnte es jedoch sein, dass sich die Bedingungen hinsichtlich der Erkennbarkeit grammatikalischer Segmente voneinander unterschieden? In Experiment 1 haben wir absichtlich keine Hinweise für das Chunking gegeben (um keine Hinweise zu geben, die die Erkennbarkeit beeinflussen könnten), doch in Ermangelung solcher Hinweise haben die Teilnehmer möglicherweise auf andere Strategien zurückgegriffen, die zu unterschiedlichen Erkennbarkeitsniveaus unter unterschiedlichen Bedingungen führen könnten . Beispielsweise könnten sie eine einfache Strategie verwendet haben, etwa „nach jedem Wort einen Block schließen“ – eine Strategie, die in Bedingung B zu einer effizienteren Aufteilung in Blöcke führen könnte als in Bedingung D. Alternativ dazu haben sie möglicherweise offene Strategien verwendet, die auf ihren formalen mathematischen Kenntnissen basieren. und solche Strategien lassen sich möglicherweise leichter in den grammatikalischen Bedingungen implementieren, die vermutlich besser zum formalen Wissen des Teilnehmers über Zahlen passen. Die Auswirkungen der Erkennbarkeit könnten durch das Blockdesign von Experiment 1 noch verstärkt worden sein, was die Entwicklung bedingungsspezifischer Strategien in jedem Block ermöglichen könnte.

Der Vergleich zwischen den Bedingungen A und B in Experiment 1 legt nahe, dass dies nicht der Fall war, da die Teilnehmer auch dann eine syntaktische Darstellung erstellten, wenn sich dies nicht auszahlte (in Bedingung A). Dennoch haben wir die Experimente 2 und 3 speziell dazu konzipiert, die alternative Interpretation zu widerlegen. In Experiment 2 verwendeten wir ein gemischtes Design, um blockspezifische Strategien zu verhindern. In Experiment 3 haben wir klare Hinweise zu den Blockgrenzen gegeben, um die Erkennbarkeitsunterschiede zwischen den Bedingungen zu minimieren.

Experiment 2: gemischtes Design

Der Aufbau ähnelte Experiment 1, jedoch wurden hier die verschiedenen Bedingungen in einem einzigen Block gemischt. Dieses Design sollte es schwierig machen, offene Strategien zu verwenden, da die Teilnehmer die syntaktische Struktur des spezifischen Reizes erst kennen konnten, nachdem er abgespielt wurde. Daher wäre es schwierig, einen syntaktischen Chunking-Effekt in Experiment 2 als Ergebnis von Overtstrategien zu erklären.

Methode

Es gab 3 Bedingungen mit 2, 3 oder 4 grammatikalischen Segmenten pro Reiz, mit 4, 9 bzw. 7 Versuchen in jeder Bedingung. Alle Versuchstypen wurden in einem einzigen Block in zufälliger Reihenfolge präsentiert (gleiche Reihenfolge für alle Teilnehmer). Die Teilnehmer waren dieselben, die Experiment 1 durchgeführt haben; Sie führten Experiment 2 unmittelbar vor oder nach Experiment 1 durch (siehe Abschnitt „Syntaktische Chunking-Aufgabe“). Jeder Teilnehmer führte entweder die 6-Wort- oder die 7-Wort-Version der Aufgabe aus, wie in Experiment 1. Die Datenkodierung und die statistische Analyse waren wie in Experiment 1, aber im linearen gemischten Modell war der Bedingungsfaktor gleich ein numerischer Faktor zwischen den Reizen und kein kategorialer Faktor innerhalb der Reize. (Es war immer noch innerhalb des Teilnehmers.)

Resultate und Diskussion

Die Ergebnisse von Experiment 1 wurden im Wesentlichen wiederholt: Die Leistung war unter den Bedingungen mit weniger, längeren Segmenten besser (Abb. 5). Das lineare gemischte Modell zeigte, dass der Bedingungseffekt für die Morphemfehlerrate (Δ=2,2 %, χ2=4,17, p=0,04) und die Klassenfehlerrate (Δ) signifikant war =2,5 %, χ2=5,09, p=0,02), allerdings nicht für die Ziffernfehlerrate (Δ=1,9 %, χ{{16} }.48, p=0.12).

Diese Ergebnisse lassen sich nur schwer als offene Strategie erklären. Damit eine solche offene Strategie wirksam wäre, hätten die Teilnehmer ihre Strategie bei jedem Versuch festlegen müssen, und zwar erst, nachdem der Stimulus abgespielt wurde und zu diesem Zeitpunkt die Gedächtnisaufgabe bereits begonnen hatte . Die bessere und wahrscheinlichere Erklärung ist, dass die grammatikalischen Bedingungen aufgrund des syntaktischen Chunking vorteilhaft waren.

Experiment 3: Offene Hinweise

Dieses Experiment zielte speziell darauf ab, die Erkennbarkeit grammatikalischer Segmente als Erklärung für den syntaktischen Chunking-Effekt auszuschließen. Zu diesem Zweck haben wir die Erkennbarkeit zu einem Problem gemacht, indem wir sie unter allen Bedingungen so einfach wie möglich gemacht haben: Wir haben den Teilnehmern klare und eindeutige Hinweise gegeben, wie sie die Wortfolge in Abschnitte aufteilen sollten. Wenn der Unterschied zwischen den Bedingungen in Experiment 1 auf der Erkennbarkeit grammatikalischer Segmente beruht, sollten die offenen Hinweise alle subtilen reizspezifischen Unterschiede überwiegen und die Leistung sollte bei allen Bedingungen ähnlich sein. Wenn jedoch die Ergebnisse von Experiment 1 auf der höheren Komprimierbarkeit grammatikalischer Segmente beruhten, sollten die Ergebnisse auch hier wiederholt werden.

Methode

Die Teilnehmer waren 20 Erwachsene im Alter von 19;6–52;7 Jahren (Mittelwert=27;7, SD=7;9). Das Experiment umfasste nur zwei Bedingungen, identisch (gleiche Reize) mit den Bedingungen B (grammatikalisch) und D (fragmentiert) von Experiment 1. Alle Teilnehmer führten die 7-Wortversion der Aufgabe durch. Die Bedingungen wurden als zwei Blöcke in ausgeglichener Reihenfolge verwaltet. Das Verfahren war wie in Experiment 1, mit der Ausnahme, dass wir jetzt klare Hinweise für die Blockgrenzen lieferten. Entscheidend ist, dass die Hinweise in beiden Bedingungen (grammatikalisch und fragmentiert) identisch waren: In beiden Fällen wurden die Teilnehmer aufgefordert, jeden Reiz in zwei Teile aufzuteilen, einen mit drei Wörtern und einen mit vier Wörtern. In der grammatikalischen Bedingung teilt der Hinweis den Reiz in einen { {14}}stellige Zahl, beginnend mit der Ziffer 1, gefolgt von einer 3-stelligen Zahl (z. B. tausendzweihundertvierunddreißig; fünfhundertfünfundsechzig). Im fragmentierten Zustand teilte der Hinweis den Reiz in zwei Teile gleicher Länge, aber keiner der Teile war grammatikalisch: Die Reihenfolge der Wörter wurde umgekehrt, um grammatikalisch gültige Wortpaare zu vermeiden (fünfsechzighundert; vierunddreißighunderttausend).

Als Hinweis nutzten wir zwei Aspekte der Intonation. Erstens sagte der Experimentator die Zahlenwörter nicht in einem festen Tempo wie in Experiment 1, sondern wie wir sagen würden, zwei Zahlen: Es gab keine Verzögerung zwischen den Wörtern innerhalb jedes Reizteils und eine Verzögerung von etwa 1 s zwischen den beiden Teilen des Reizes. Zweitens wurde das letzte Wort jedes Stimulusteils mit absteigender Tonhöhe gesagt (typische Intonation für die letzten Wörter von Sätzen), und alle vorhergehenden Wörter wurden in fetter Intonation gesagt. Um die Aufmerksamkeit auf diese Hinweise zu erleichtern, wurden die Reize nicht wie in Experiment 1 aus der Aufzeichnung abgespielt, sondern vom Experimentator in Echtzeit gesagt. Die Datenkodierung und die statistische Analyse erfolgten in Experiment 1.

Resultate und Diskussion

Die Ergebnisse von Experiment 1 wurden im Wesentlichen wiederholt: Die Morphemfehlerrate, die Ziffernfehlerrate und die Klassenfehlerrate waren im grammatikalischen Zustand niedriger als im fragmentierten Zustand (Abb. 6a; mit dem LMM, das im Abschnitt „Statistische Analyse“ von Experiment 1 beschrieben ist, Morpheme: Δ=12.3%, χ2=140.5, p<0.001; digits: Δ=12.1%, χ2=136.1, p<0.001; classes: Δ=10.8%, χ2=103.8, p<0.001). Even at the single-subject level, the morpheme error rate was lower in the grammatical condition than in the fragmented condition for every single participant (Additional file 1: Fig. S2).

Der Unterschied zwischen den beiden Bedingungen, der bestand, obwohl wir sehr klare Hinweise zur Aufteilung jedes Reizes in zwei Abschnitte gegeben haben, ist wahrscheinlich nicht auf unterschiedliche Grade der Erkennbarkeit grammatikalischer Segmente in den beiden Bedingungen zurückzuführen. Die wahrscheinlichste Interpretation dieser Ergebnisse ist, dass die grammatikalische Bedingung durch die Verwendung einer gültigen Zahlensyntax eine höhere Komprimierbarkeit der Zahl-Wort-Sequenz ermöglichte.

Experiment 4: Die syntaktische Darstellung kann variierende unregelmäßige Strukturen verarbeiten

Die Experimente 1–3 zeigten, dass die Teilnehmer die syntaktische Struktur der Zahl darstellten und diese als Grundlage für das Chunking verwendeten. Experiment 4 untersuchte zwei zusätzliche Aspekte dieser syntaktischen Darstellung: ihren Umfang, also die spezifischen syntaktischen Strukturen, die dargestellt werden können, und ihre Flexibilität, also die Fähigkeit, schnell von einer syntaktischen Struktur zur anderen zu wechseln. Zu diesem Zweck haben wir Zahlen mit mehreren unterschiedlichen syntaktischen Strukturen einbezogen.
Umfang. In den Experimenten 1–3 wurde ein begrenzter Zahlenbereich verwendet: Alle Stimuli basierten auf Zahlen, die weder 0 noch 1 enthielten. Dieses Design zielte darauf ab, eine Komplexität zu vermeiden, die aus Zahlen mit 0 und 1 entstehen kann, da diese zwei Ziffern enthalten Erstellen Sie verbale Zahlen mit unregelmäßigen syntaktischen Strukturen: Im Hebräischen wird, ähnlich wie im Englischen, die Ziffer 0 nicht verbal umgesetzt, und die Ziffer 1 an der Dekadenposition wird verbal als Zehnerwort anstelle des Standard-Zehnerworts realisiert. Durch die Vermeidung von 0 und 1 umfassten die Experimente 1–3 nur Zahlen mit regelmäßigen syntaktischen Strukturen und keine Zahlen mit unregelmäßigen Strukturen. Im Gegensatz dazu wurde in Experiment 4 untersucht, ob eine syntaktische Darstellung auch für unregelmäßige Zahlen erstellt werden würde.

Flexibilität. Der zweite Aspekt, den wir untersucht haben, ist die Flexibilität der syntaktischen Mechanismen. In den Experimenten 1 und 3 hatten alle Zahlen in einem bestimmten Block die gleiche syntaktische Struktur. Experiment 2 hatte ein gemischtes Design, verwendete jedoch nur eine geringe Vielfalt syntaktischer Strukturen. Experiment 4 verwendete mehr syntaktische Strukturen und präsentierte sie in zufälliger Reihenfolge, sodass wir untersuchen konnten, ob die syntaktische Darstellung und die Prozesse, die sie erstellen, flexibel genug sind, um auch in diesem anspruchsvolleren Szenario als Grundlage für syntaktisches Chunking zu dienen.

For more information:1950477648nn@gmail.com