Zdrojově racionální model lidského zpracování rekurzivní lingvistické struktury 3. část

Experiment 2: Vliv sémantických podnětů

Dále jsme replikovali experiment 1 na druhou sadu položek a současně testovali předpokládaný účinek sémantické kompatibility.

Sémantická kompatibilita se týká toho, jak lidé chápou a osvojují si kompatibilitu a vzájemné vztahy mezi různými jednotkami v jazyce, slovech nebo symbolech. Paměť označuje schopnost lidí pamatovat si a uchovávat informace.

Mezi sémantickou kompatibilitou a pamětí existuje úzký vztah. Dobrá sémantická kompatibilita může zlepšit kvalitu paměti lidí, zatímco špatná sémantická kompatibilita bude bránit porozumění informacím a paměťovým efektům.

Za prvé, sémantická kompatibilita může zlepšit relevanci informací, a tím pomoci lidem lépe porozumět a zapamatovat si informace. Pokud existuje zřejmá korelace mezi různými jednotkami, lidé mohou tuto korelaci použít k vytvoření spojení mezi informacemi a vytvoření síťové struktury mezi informacemi. Tato síťová struktura může zlepšit paměťový efekt informací a zlepšit schopnost lidí ukládat informace.

Za druhé, dobrá sémantická kompatibilita může zlepšit srozumitelnost informací a usnadnit lidem zapamatování. Pokud existuje zřejmý vztah kompatibility mezi informacemi, lidé mohou snadno porozumět spojení mezi informacemi, čímž si vytvoří porozumění a paměť informací. Naopak, pokud je mezi informacemi zřejmá neslučitelnost, lidé se budou cítit zmatení a zmatení a budou mít potíže s porozuměním a zapamatováním informací.

A konečně, špatná sémantická kompatibilita může nepříznivě ovlivnit paměťový výkon lidí. Pokud je mezi různými jednotkami příliš velký rozdíl, bude pro lidi obtížné porozumět a zapamatovat si informace, čímž ztratí hodnotu paměti. Proto by v procesu psaní a šíření informací měla být co nejvíce zachována sémantická kompatibilita, aby se zlepšilo porozumění a paměť lidí.

Stručně řečeno, existuje silný vztah mezi sémantickou kompatibilitou a pamětí. Dobrá sémantická kompatibilita může zlepšit relevanci a srozumitelnost informací, a tím zlepšit schopnost lidí ukládat informace a paměťový efekt. V každodenním životě a práci by proto měla být co nejvíce zachována sémantická kompatibilita, aby se zlepšilo porozumění a zapamatování informací. Je vidět, že potřebujeme zlepšit paměť a Cistanche deserticola může výrazně zlepšit paměť, protože Cistanche deserticola je tradiční čínský léčivý materiál, který má mnoho jedinečných účinků, jedním z nich je zlepšení paměti. Účinnost mletého masa vychází z různých účinných látek, které obsahuje, včetně kyselin, polysacharidů, flavonoidů atd. Tyto složky mohou různými způsoby podporovat zdraví mozku.

Klikněte na vědět doplňky pro zlepšení paměti

Kromě dvou manipulací z experimentu 1 jsme v podmínkách DVA a TŘI dodatečně obměnili frázi od druhého k poslednímu slovesu: Ve stavu KOMPATIBILNÍ bylo první podstatné jméno věrohodným předmětem (např. „otravoval pacienta“); ve stavu NEKOMPATIBILNÍ tomu tak nebylo (např. „vyléčil pacienta“). Ve stavu KOMPATIBILNÍ by neověřené verze jako „zpráva od...“ měly mít vyšší apriorní pravděpodobnost, takže předpovídají poslední sloveso méně přesné. Vytvořili jsme 42 stimulačních položek.

Obr. 3B ukazuje předpovědi z racionálního modelu zdrojů a předchozích teorií pro tyto položky. Kromě efektů z experimentu 1 model předpovídá vyšší obtížnost ve stavu KOMPATIBILNÍ, zejména v rámci TŘI. Ani teorie překvapení, ani DLT nepředpokládají žádný efekt kompatibility.

Shromáždili jsme údaje o době čtení od 200 účastníků, včetně variant KOMPATIBILNÍ i NEKOMPATIBILNÍ v podmínkách DVA a TŘI. Ve všech ostatních ohledech byly experiment a analýza dat totožné s experimentem 1. Doby čtení jsou uvedeny na obr. 3B.

Výsledky experimentu 1 byly replikovány: Za prvé, časy čtení byly delší ve TŘI než ve DVOU(=0.29, 95% CrI [0.24, 0.35], P( < 0) ​​< 0.0001; doba čtení inraw: 337 ms, 95 % CrI [267, 411] ms).

Za druhé, došlo k interakci mezi zkreslením vkládání a přítomností klauzule „to“ (=−0.06, 95% CrI [−0.1{ {9}}, −0,024],P( > 0)=0.0007). Stejně jako v experimentu 1 byl účinek zkreslení vkládání pozitivní v JEDNÉ podmínce (rozdíl mezi „faktem“ a „zprávou“: 193 ms, 95 % CrI [37, 357] ms) a negativní napříč DVA a TŘI podmínkami (rozdíl mezi „ fakt" a "hlášení": −105 ms, 95 % CrI [−194, −18] ms).

Za třetí, v souladu s předpovědí modelu byly doby čtení vyšší ve stavu KOMPATIBILNÍ než ve stavu NEKOMPATIBILNÍ ( {{0}}.083, 95 % CrI [0,031, 0,136 ],P( < 0)=0.0014; účinek v nezpracovaných časech čtení: 96 ms, 95 % CrI[36, 156] ms). Viz dodatek SI, oddíl S3 pro další analýzy.

Všimněte si, že účinky zkreslení a kompatibility vkládání jsou číselně větší ve TŘECH podmínkách než ve DVOU podmínkách; metaanalýza ukazuje, že tyto rozdíly jsou statisticky významné jak v časech čtení, tak v částech prostoru parametrů modelu (příloha SI, oddíly S2.1 a S6.6).

Numerické rozdíly ve sklonu zkreslení vkládání mezi KOMPATIBILNÍ a NEKOMPATIBILNÍ nebyly statisticky významné (příloha SI, obr. S23), ani numerické rozdíly v průsečíku předpovědí modelu mezi dvěma experimenty (příloha SI, obr. S6).

Viz dodatek SI, oddíl S6 pro sbližující se důkazy z předchozích studií doby čtení (celkem n=501). Dále jsme zopakovali účinek začlenění zkreslení na porozumění ve dvou hodnotících studiích (celkem n=335; příloha SI, část S5).

Experiment 3: Studie výroby

Zatím jsme potvrdili modelové předpovědi v časech čtení. Obtížnost měřená v časech čtení naznačuje, že lidská očekávání jsou porušena, ale přímo nenaznačuje, jaká jsou lidská očekávání.

Abychom poskytli druhý test lidských očekávání, obrátili jsme se k produkčnímu paradigmatu – dokončení Cloze (40,41) – které bylo použito v jazykovém výzkumu k vyhodnocení, jaká slova se očekávají bezprostředně po preambuli. Tuto metodu používáme k vyhodnocení složitosti vícenásobně vnořených struktur a k měření toho, kolik sloves lidé očekávají po složité preambuli.*

Požádali jsme účastníky, aby doplnili kontexty formuláře "Zpráva, že lékař, který diplomat... " do celé věty. Očekávali jsme, že účastníci buď vypracují gramatické dokončení se třemi slovesy, jako například "...nedůvěřoval vyléčený pacient byl překvapivé“ nebo negramatické verze s menším počtem sloves, např. „...nedůvěřoval bylo překvapivé“. Zdroj-racionální ztrátový kontext-surprisal předpovídá, že míra takovýchto negramatických dokončení by měla být nižší u podstatných jmen s vysokou zaujatostí ve vkládání (např. „fakt“), protože ta usnadňují obnovení skutečného kontextu z reprezentací nedokonalé paměti (obr. 4A). Stávající modely založené na očekávání a na paměti nepředpovídají, že míra dokončování gramatiky závisí na zkreslení vkládání.

Přijali jsme 80 účastníků. Obr. 4 ukazuje míru neúplných dokončení (méně než tři slovesa) jako funkci zkreslení vkládání. Jak se předpokládalo, na míru negramatických odpovědí měl vliv zkreslení vkládání (= −0,32, 95 % CrI[−0,60, −0,05 ], P( > 0)=0.0123) v analýze logistických smíšených efektů po jednotlivých pokusech.

Tuto studii jsme replikovali ve dvou dalších jazycích (španělštině a němčině), včetně jednoho (němčiny), kde je obtížnost vkládání do středu podstatně slabší než v angličtině (42).

Ve španělštině jsme se zaměřili na předmětové vztažné věty (el hechode que el director que, „skutečnost, že ředitel kdo“), abychom se vyhnuli méně přirozeným vztažným větám podmět-počáteční objekt a současně testovali zobecnění na jinou syntaktickou konfiguraci. V němčině jsme se zaměřili na vestavěné struktury (např. Klaus hat erzahlt, ¨dass die Behauptung, dass der Student, den der Professor, "Klaus řekl, že tvrzení, že student, který je profesor"), protože je známo, že zvyšují obtížnost na úrovně blíže k Angličtina (35).

Nabrali jsme 60 účastníků v každém jazyce. V obou jazycích byl účinek míry vkládání odhadován jako negativní, přičemž odhadovaná velikost účinku je srovnatelná s výsledkem v angličtině (španělština:=−0.23, 95 % CrI [−{{7 }}.34, −0.12], P( > 0)< 0.0003; German: β = −0.28, 95% CrI [−0.56, −0.03], P(β > 0) = 0.01738). These results suggest that the-previously undocumented-effect of embedding bias on human expectations holds across different languages, even when they vary in the overall difficulty of center embeddings.

Diskuse

Zavedli jsme model zpracování lidského jazyka jako zdrojově-racionální predikci, škálovaný na libovolný vstup pomocí současných metod strojového učení. Zaměřuje se na perspektivu lidského syntaktického zpracování na základě usmíření paměti a očekávání, model nejen obnovuje předpovědi těch prioritních teorií, kde jsou správné, ale také předpovídá dříve nezdokumentované interakce mezi omezeními paměti a pravděpodobnostními očekáváními, což jsme potvrdili ve třech behaviorálních experimentech zkoumajících lidské zpracování rekurzivního struktur.

Naše výsledky ukazují, že dobře zdokumentovaná obtížnost integrace dlouhých jazykových závislostí, která je jádrem existujících modelů založených na paměti (5, 7, 36), je podstatně modulována pravděpodobnostními očekáváními: Srovnání podmínek JEDNA a TŘI ukazuje, že efekty lokality mohou být oslabeny nebo dokonce zvráceny, když má nelokální syntaktická struktura vysokou apriorní pravděpodobnost, což je předpověď, která přirozeně vypadne z našeho navrhovaného sjednocení perspektiv založených na paměti a očekávání.

Naše práce dále dokumentuje tři prominentní skupiny efektů z psycholingvistické literatury v jediném experimentu a s jediným modelem: efekty lokality (zvýšená obtížnost TŘI), efekty předvídatelnosti (efekt zkreslení vkládání v JEDNOM stavu) a efekty sémantické interference (efekt sémantické kompatibility ).

O jednotné teoretické zpracování účinků těchto rodin byl značný zájem; naše práce ukazuje, jak může jeden model podrobně popsat, jak se vzájemně ovlivňují. Jednou skupinou jevů, na kterou se naše experimenty nezaměřují, je interference založená na podobnosti (43, 44). Zkoumání, zda to lze také zohlednit pomocí tohoto modelovacího rámce, je zajímavým problémem pro budoucí výzkum.

Náš zdrojově-racionální model formálně souvisí s modely různých domén. Klasická práce ukázala, že racionální analýza pravděpodobností udržení může vysvětlit základní vlastnosti lidské paměti (28, 29). Nedávná práce (45–48) formalizovala racionální modely lidské pracovní paměti v některých oblastech, jako je vizuální pracovní paměť, pomocí teorie zkreslení rychlosti, informačně-teoretického rámce odvozujícího vysoce věrné kódování v rámci omezení zdrojů.

Klíčový rozdíl mezi teorií rychlosti zkreslení a naším modelem je v tom, že mírou ekonomiky je zde zlomek dostupných slov, zatímco v teorii rychlosti zkreslení je to počet zakódovaných bitů. Aplikovaná na porozumění větám by teorie rychlosti a zkreslení vedla k plně komprimovaným „gist“ reprezentacím minulého kontextu. Takto plně komprimované reprezentace nevedou ke vzorcům obtížnosti pozorovaným v našich experimentech (podrobnosti viz dodatek SI, oddíl S8).

Na druhou stranu je náš model také zjednodušením v tom, že modeluje nedávný kontext jako posloupnost slov, což může podceňovat úlohu paměťových reprezentací delšího kontextu, kde jednotlivá slova mohla být zapomenuta, ale paměť významu zůstává. Další pokroky ve strojích učení může umožnit odvodit sofistikovanější formát paměťových reprezentací z racionální optimalizace zdrojů.

V informatice se rekurzivní struktura typicky zpracovává pomocí datových struktur založených na zásobníku. V souladu s tím rané modely lidského syntaktického zpracování předpokládaly hranice velikosti zásobníku nebo počtu uzlů, které lze současně uchovávat v paměti (2, 24).

Takové modely předpovídají, že hlubší vnoření je obtížnější, ale nepředpovídají, že obtížnost je modulována statistickými nebo sémantickými vodítky. Na rozdíl od architektur založených na zásobníku naše teorie přiřazuje hlavní roli pravděpodobnostním podnětům při vytváření rekurzivní struktury. V tomto ohledu souhlasí s novějšími teoriemi založenými na paměti, které předpokládají, že lidé neudržují datové struktury, jako jsou zásobníky, a místo toho zakládají syntaktické struktury pomocí asociativního získávání na základě narážky (5, 7, 49, 50). Modely asociativního vyhledávání jak je v současné době implementováno (7), neberou v úvahu charakteristické vzorce obtížnosti předpokládané naším modelem a pozorované v našich experimentech. Nicméně naši teorii považujeme za kompatibilní s myšlenkami z této literatury.

Naše teorie poskytuje model na výpočetní úrovni, díky kterému jsou předpovědi kompatibilní se stávajícími modely založenými na paměti, ale na rozdíl od těchto modelů je racionálně naladěn na bohatou statistickou strukturu jazyka, což mu umožňuje předpovídat, jak se omezení paměti ovlivňují s pravděpodobnostními očekáváními. Naše výsledky naznačují, že identifikace pravděpodobnostních verzí modelů asociativního vyhledávání jako implementací zde popsaného zdrojového racionálního modelu na úrovni algoritmu je zajímavým problémem pro psycholingvistický výzkum. Více o důsledcích našich výsledků pro paměťové modely založené na vyhledávání najdete v příloze SI, oddíl S7.2.

Naše navrhované sjednocení modelů založených na očekávání a na paměti spočívá na myšlence, že nedokonalé reprezentace pracovní paměti jsou rekonstruovány racionálně – i když někdy nesprávně – pomocí znalosti statistiky jazyka. Tato myšlenka má důležitý precedens v práci na redintegraci ve verbální pracovní paměti ( např. odkazy 51–55), proces, při kterém se degradovaná krátkodobá paměť obnovuje pomocí znalostí z dlouhodobé paměti. To bylo aplikováno na paměť pro seznamy slov (např. ref. 52–55) a v poslední době na paměť pro syntaktické vzorce (56). Náš model poskytuje popis takových procesů založených na bayesovské inferenci omezené racionalitou zdrojů. Existují také modely, kde se s pracovní pamětí zachází ne jako se samostatnou složkou paměti, ale jako s vynořením z interakce zpracování a dlouhodobé paměti (57, 58). Pro takové modely naše výsledky poskytují data o tom, jak dlouhodobé znalosti informují o zpracování. .

Naše experimenty využívají statistických korelací syntaktických struktur, abychom prozkoumali, jak pravděpodobnostní očekávání interagují s paměťovými omezeními. To má určité paralely v předchozích modelech založených na očekáváních, které ukázaly, jak korelace, jako například mezi animací a typem relativní klauzule, ovlivňují zpracování způsoby, které nejsou zohledněny stávajícími účty založenými na paměti (např. odkazy 59–61). Naše práce rozšiřuje tuto linii práce formulováním implementované teorie interakce mezi paměťovými omezeními a pravděpodobnostním očekáváním.

Náš model má volný parametr δ, průměrný počet zadržených slov. Předpokládali jsme jedinou hodnotu při odvozování předpovědí a jejich porovnávání s dobou čtení člověkem. Přizpůsobit jej jednotlivým subjektům a pochopit jeho vztah k zavedeným měřítkům individuálních rozdílů je zajímavým problémem pro budoucí výzkum.

Konekcionistické modely lidského syntaktického zpracování (8, 62–64) mají za cíl popsat lidské zpracování pomocí očekávání odvozených z reprezentací neuronové sítě a byly navrženy k modelování efektů souvisejících jak s paměťovými omezeními, tak s pravděpodobnostními očekáváními. Rozdíly mezi prostým překvapením vypočítaným pomocí GPT-2 a racionálním ztrátovým kontextem na základě zdrojů však ukazují, že v konekcionistických modelech se nemusí automaticky objevit omezení paměti podobná lidské.

Ukázali jsme, jak lze model zdrojovo-racionálního jazykového zpracování škálovat na bohatou statistickou strukturu přirozeného jazyka. Naše metoda založená na strojovém učení může otevřít dveře k přizpůsobení sofistikovaných racionálních modelů na přirozené vstupní statistiky a také v jiných oblastech lidského poznání.

Obecnost našeho modelu také naznačuje, že podobné jevy mohou existovat i mimo jazyk: Kdykoli lidé zpracovávají vstup, který je příliš složitý na to, aby byly všechny jeho části obsluhovány současně, zpracování by mělo být ovlivněno statistickou strukturou podobných vstupů.

Materiály a metody

Podstatná jména. Shromáždili jsme podstatná jména, která mohou mít větný doplněk, pomocí Penn Treebank (65), anglické Web Treebank (66), AnCoRA Treebank (67) ve španělštině a HDT Treebank (68) v němčině. Zkreslení vkládání jsme odhadli jako logaritmickou pravděpodobnost, že po „podstatném jménu“ následuje „to“ pomocí anglické Wikipedie (2,3 miliardy slov), německé Wikipedie (800 milionů slov) a španělské Wikipedie (500 milionů slov). Podrobnosti viz dodatek SI, oddíl S11. Anglické odhady jsme ověřili pomocí dvou dalších velkých korpusů americké a britské angličtiny (příloha SI, oddíl S10.1).

Modelka. Zdrojově racionální překvapení se ztrátovým kontextem je definováno skupinou pravděpodobností retence θ={qw, i: i, w}, kde w se pohybuje přes slova andi=1, ..., N, kde N=20 je maximální uvažovaná délka kontextu, dostatečně dlouhá na to, aby pojala všechny kontexty objevující se v experimentech. Parametrizujeme qw, I pomocí neuronové sítě, která kombinuje minulou identitu slova a počet zasahujících slov, abychom získali retenci pravděpodobnost (příloha SI, oddíl S1.1). Model θ dává vzniknout pravděpodobnosti p(c|c) a tedy zadnímu p(c|c). Je vybráno tak, aby se minimalizovalo průměrné překvapení dalšího slova pro výsledné p(w|c) následujícího slova:

Experimentální nastavení pro studium času čtení. U všech studií byl experimentální protokol schválen Institutional Review Board na StanfordUniversity. Od všech účastníků byl získán informovaný souhlas.

Každému účastníkovi bylo předloženo 10 kritických studií. V obou experimentech byly dva pokusy v JEDNOM a čtyři pokusy byly ve DVOU a TŘI. V experimentu 2 byla polovina ze DVA a TŘI pokusů každá ve stavu KOMPATIBILNÍ (NEKOMPATIBILNÍ). Zvolili jsme malý počet kritických pokusů, abychom minimalizovali jakýkoli vliv statistické adaptace na středové zapuštění během úkolu.

Pro maximalizaci statistické přesnosti jsme vybrali 15 podstatných jmen s velmi vysokým zkreslením vkládání a 15 podstatných jmen s velmi nízkým zkreslením vkládání (příloha SI, obr. S36). Pro každého účastníka jsme vybrali pět podstatných jmen s vysokou zaujatostí ve vkládání a pět podstatných jmen s nízkou hodnotou a porovnali je s 10 kritickými testy. U každého účastníka jsme také odebrali vzorek 30 výplní ze skupiny 56 výplní z předchozí studie doby čtení středových vložek (42).

Abychom odstranili sémantické anomálie v důsledku porušení předpokladů (např. „skutečnost byla špatná“), klasifikovali jsme podstatná jména na nesouvisející (např. „fakt“), neobsahující neutrální (např. „nárok“) a neobsahující negativní (např. „ obžaloba") podstatná jména a klasifikované položky pro kompatibilitu s každou z těchto tří tříd (příloha SI, oddíl S11). U každého účastníka jsme přiřadili 10 podstatných jmen se sémanticky kompatibilními položkami.

Pro úlohu bludiště jsme generovali distraktory automaticky (39) s použitím jazykového modelu Gulordava (69): tyto distraktory mají extrémně nízkou kontextovou pravděpodobnost, zatímco se shodují s cílovým slovem co do frekvence a délky. -poslední slovesná fráze v (NE)KOMPATIBILNÍCH podmínkách v experimentu 2. Zejména distraktory byly přiřazovány ke kritickému slovu za všech podmínek.

Když účastníci udělali chybu (tj. zvolili distraktor), byli vyzváni, aby znovu zkusili aktuální slovo (70). Reakční doby na takové pokusy byly vyloučeny; tato volba neovlivnila závěry (příloha SI, oddíl S3.6).

Pro každý subjekt byly studie prezentovány v náhodném pořadí, takže žádné dvě kritické studie nebyly vedle sebe. Účastníci, přijatí na akademické platformě Prolific, trvali průměrně 13 minut a dostali 2,20 £ (≈3 USD).

Analýza dat pro časy čtení. Vyloučili jsme pokusy 1) s nesprávnou odpovědí, 2) od účastníků, kteří udělali chyby ve více než 20 % slov, a 3) pod nebo nad 99 % všech časů čtení. Viz dodatek SI, oddíl S3.6 pro odolnost vůči podmínce 1 a viz dodatek SI, oddíl S3.7 pro odolnost vůči podmínce 3. Poté jsme analyzovali logaritmicky transformované časy čtení na konečných verbusujících bayesovských modelech se smíšenými efekty implementovaných ve Stan (71). pomocí ramen (72). Viz dodatek SI, oddíl S3.3, kde jsou uvedeny přednosti a odolnost vůči předchozím možnostem. Jako kontrasty jsme použili kódování kontrastu s přítomností „takové“ klauzule (JEDEN vs. DVOU/TŘI), hloubku (DVA vs. TŘI) a manipulaci s kompatibilitou (KOMPATIBILNÍ vs. NEKOMPATIBILNÍ). Zkreslení vkládání bylo vycentrováno a všechny nevakuové binární interakce byly přidány jako fixní efekty (příloha SI, část S3.2).

Zahrnuli jsme maximální strukturu náhodných efektů odůvodněnou experimentálním designem, zadání položek, podstatných jmen a účastníků jako náhodné efekty. Abychom odhadli efekty v nezpracovaných dobách čtení (milisekundy), nejprve jsme vypočítali předpokládaný logaritmicky transformovaný čas čtení v obou podmínkách (např. KOMPATIBILNÍ a NEKOMPATIBILNÍ), poté jsme oba transformovali na milisekundy umocněním a vypočítali rozdíl (viz dodatek SI, oddíl S3.4 pro další detaily). Na obr. 3 vyneseme zadní průměr předpokládané doby čtení za všech podmínek pro podstatná jména s vloženým zkreslením odpovídajícím „faktu“ nebo „zprávě“. Chybové úsečky představují zadní SD.

Podrobnosti pro studii výroby. Zkonstruovali jsme 28 položek ve tvaru „XXXthat the diplomat who the senátor“ a vybrali 12 podstatných jmen, 6 každé s velmi vysokou nebo velmi nízkou zaujatostí vkládání. Pro každého účastníka jsme náhodně spárovali položky a podstatná jména. 12 kritických studií bylo prezentováno v náhodném pořadí s 27 plnidly. Alingvista u každého poskytnutého dokončení ručně poznamenal, zda byl vytvořen správný počet slovesných frází (tři). Anotátor byl slepý k identitě podstatného jména.

Ve španělštině a němčině jsme vybrali 20 podstatných jmen s velmi vysokou nebo velmi nízkou zaujatostí v každém jazyce, přičemž jsme pro každého účastníka vybrali 6 vysoce a 6 nízko zasazených zaujatých jmen. Stejně jako v anglické verzi jsme pro každého účastníka náhodně spojili 12 položek s 12 vybranými podstatnými jmény. Plniva byla přeložena z anglického experimentu.

V němčině jsme dále vytvořili 12 maticových vět (např. „Klaus řekl, že“) a náhodně jsme je spojili s položkami a podstatnými jmény pro každého účastníka. Provedli jsme Bayesovu logistickou analýzu smíšených efektů pokus po pokusu s vloženým zkreslením jako fixním efektem. a náhodné účinky podstatných jmen, položek, účastníků a (v němčině) maticových vět. Podrobnosti viz dodatek SI, oddíl S4.

Dostupnost dat, materiálů a softwaru. Přizpůsobené pravděpodobnosti retence a modelové předpovědi byly uloženy v Zenodo (https://zenodo.org/record/6602698) (73), (https://zenodo.org/record/6988696) (74). Anonymizované časy čtení, data o jazykové produkci a zdrojový kód byly uloženy v GitLab (https://gitlab.com/m-hahn/resource-rational-surprisal) (75).

PODĚKOVÁNÍ. Děkujeme redaktorovi a recenzentům za konstruktivní zpětnou vazbu, která pomohla rukopis vylepšit. Jsme také vděční Judith Degen, Tiwalayo Eisape, Hailin Hao, Jennifer Hu, Dan Jurafsky, PengQian, Cory Shain, Shravan Vasishth, Tom Wasow, Ethan Wilcox a publiku na konferenci CUNY 2020 o zpracování vět za užitečnou diskusi a zpětnou vazbu.

Odkaz

1. N. Chomsky, Syntaktické struktury (Mouton, Haag, 1957).

2. GA Miller, N. Chomsky, "Finitární modely uživatelů jazyka" v Handbook of MathematicalPsychology, RD Luce, RR Bush, G. Galanter, Eds. (John Wiley, 1963), s. 269–321.

3. L. Frazier, "Syntaktická složitost" v analýze přirozeného jazyka: Psychologické, výpočetní a teoretické perspektivy, DR Dowty, L. Karttunen, AM Zwicky, Eds. (Cambridge University Press, NewYork, 1985), s. 129–189.
4. E. Gibson, Lingvistická složitost: Lokality syntaktických závislostí. Poznání 68, 1–76 (1998).

5. B. McElree, S. Foraker, L. Dyer, Paměťové struktury, které slouží k porozumění větě.J. Mem.Lang. 48, 67-91 (2003).

6. W. Tabor, B. Galantucci, DC Richardson, Účinky pouze lokální syntaktické koherence na zpracování vět. J. Mem. Lang. 50, 355-370 (2004).

7. RL Lewis, S. Vasishth, Aktivační model zpracování vět jako kvalifikované získávání paměti.Cogn. Sci. 29, 375-419 (2005).

8. MH Christiansen, MC MacDonald, Přístup založený na použití k rekurzi ve zpracování vět.Lang. Učit se. 59, 126–161 (2009).

9. J. Hale, (2001) "A probabilistic early parser as a psycholinguistic model" in Proceedings of the Second Meeting of the North American Chapter of the Association for Computational Linguistics, NAACL 2001,L. Levin, K. Knight, Eds. (Association for Computational Linguistics, Stroudsburg, PA), s. 1–8.

10. R. Levy, Syntaktické porozumění založené na očekávání. Poznání 106, 1126–1177 (2008).

11. K. Rayner, AD Well, Účinky kontextového omezení na pohyby očí při čtení: Další zkoumání. Psychon. Býk. Rev. 3, 504-509 (1996).

12. A. Staub, Vliv lexikální předvídatelnosti na pohyby očí při čtení: Kritický přehled a teoretická interpretace. Lang. Lingvista. Kompas 9, 311–327 (2015).

For more information:1950477648nn@gmail.com