Dil Öğreniminde Hata Düzeltme Mekanizmaları: Bireyleri Modellemek Bölüm 1
Nov 09, 2023
Soyut:
Dil öğrenimi için hesaplamalı bir model olarak ilk benimsenmesinden bu yana, Rescorla-Wagner hata düzeltme öğreniminin (Rescorla ve Wagner, 1972) dil işlemenin çeşitli yönlerini kapsadığına dair kanıtlar birikmiştir. Önceki çalışmalar, katılımcıların bir dizi görevdeki davranışlarını açıklamak için kullanarak Rescorla-Wagner kuralına genel destek sağlamış olsa da, biz kontrollü bir doğal dil öğrenme görevinde model tarafından oluşturulan tahminleri test etmeye ve verileri veri düzeyinde modellemeye odaklanıyoruz. bireysel öğrenci.
Dil öğrenimi ile hafıza arasında yakın bir ilişki vardır. Yeni bir dil öğrenirken, yalnızca dilbilgisi ve kelime dağarcığına hakim olmamız değil, aynı zamanda birçok kelime ve ifadeyi de ezberlememiz gerekir. Bu nedenle hafıza, dil öğrenme sürecinde önemli bir rol oynar.
Dil öğrenmek hafızayı güçlendirebilir. Birçok çalışma, yeni bir dil öğrenmenin beyindeki sinirsel aktiviteyi uyarabildiğini, serebral korteksteki metabolizmayı teşvik edebildiğini ve dolayısıyla hafızayı güçlendirebildiğini göstermiştir. Yeni bir dil öğrenmek aynı zamanda beynin sinir ağını uyararak onu daha sağlıklı hale getirebilir ve bilişsel yetenekleri, zekayı ve mantıksal düşünmeyi geliştirebilir.
Dil öğrenmek tekrar ve pratik yapmayı gerektirir. Konuşma, dinleme ve okumayı sık sık birbirine bağlamak, izlenimi derinleştirebilir ve olayları daha akılda kalıcı hale getirebilir. Aynı zamanda başkalarıyla iletişim kurarak yeni kelime ve ifadeleri daha iyi ezberleyebilir, farklı dil ortamları ve kültürleri hakkında bilgi edinebilir ve dil anlayışımızı daha da derinleştirebiliriz.
Dil öğrenmek aynı zamanda düşünme biçimimizi değiştirmemize olanak tanır, düşünme esnekliğini ve yaratıcılığını geliştirir ve hafızayı daha da geliştirir. Aynı zamanda öğrenme sürecini daha ilginç hale getirmek, öğrenmeyi artırmak için müzik dinleyerek, film izleyerek, Çin ve yabancı edebiyat vb. okuyarak, farklı şekillerde öğrenerek, öğrenirken oynayarak dil öğrenimi ve hafıza eğitimi de yapabiliriz. İlgi ve hafızayı geliştirin.
Bu nedenle, bir dil öğrenirken pratik yapmak için çeşitli yöntemler kullanabilir, hafıza faaliyetlerine ve egzersizlerine odaklanabilir, öğrenme yöntem ve yöntemlerini sürekli olarak yenileyebilir ve öğrenme etkilerini iyileştirmek ve hafızayı geliştirmek için hafıza eğitimini güçlendirebiliriz. Hafızamızı geliştirmemiz gerektiği görülebilir. Cistanche Deserticola hafızayı önemli ölçüde geliştirebilir çünkü Cistanche Deserticola birçok benzersiz etkiye sahip geleneksel bir Çin tıbbi malzemesidir ve bunlardan biri hafızayı geliştirmektir. Kıymanın etkinliği asit, polisakkaritler, flavonoidler vb. dahil olmak üzere içerdiği birçok aktif bileşenden gelir. Bu bileşenler beyin sağlığını çeşitli şekillerde geliştirebilir.
Belleği geliştirmenin 10 yolunu bilin'e tıklayın
Modelin parametrelerini, tek bir varsayılan parametreler kümesi kullanarak hepsi için bir model uydurmak yerine, katılımcıların her denemedeki davranışsal tercihlerine uyacak şekilde ayarlayarak, modelin katılımcıların seçimlerini, zaman gecikmelerini, ve yanıt anlaşmasının seviyeleri. Ayrıca cinsiyet ve çalışma belleği kapasitesinin Rescorla-Wagner modelinin dil öğrenimini ne ölçüde etkilediğini de gösterdik.
Anahtar Kelimeler
Dil öğrenmek; hata düzeltme öğrenimi; Rescorla-Wagner modeli;morfoloji; anlaşma.
giriiş
Biz insanlar, çevremize uyum sağlamamıza olanak tanıyan birçok temel öğrenme mekanizmasını diğer türlerle paylaşıyoruz (Rescorla, 1988). Bu mekanizmalar, diğerlerinin yanı sıra, klasik koşullanmayı (örneğin, Pavlovcu koşullanma; Pavlov, 1927), araçsal koşullanmayı (aynı zamanda edimsel koşullanma; Skinner, 1938) ve dolaylı öğrenme gibi sosyal öğrenme biçimlerini (Bandura, 1962) içerir.
İnsanın öğrenme yeteneğini en benzersiz şekilde tanımlayan dil öğrenimidir; bu aynı zamanda nesiller arası etkili aktarımı da içerir ve sosyal katılım ve uyum için temel oluşturur. Bununla birlikte, çekirdek öğrenme mekanizmaları nispeten iyi anlaşılmış olmasına rağmen, dil öğrenimi büyük ölçüde bir gizem olarak kalmaya devam etmektedir (Ambridge ve Lieven, 2011). Skinner'ın (1957) dil öğrenimini alt düzey bilişsel görevleri yöneten ilkelerle aynı ilkeleri kullanarak açıklamaya yönelik ilk girişimi Chomsky (1959) tarafından iptal edildi.
20. yüzyılın geri kalanının büyük bölümünde dil, kurallarla yönetilen ve benzersiz bir şekilde insana özgü ve uzmanlaşmış bilişsel bir yapı tarafından idare edilen, genel olarak doğuştan gelen bir sistem olarak görülüyordu. Bu yapı başlangıçta bir dil edinme aracı olarak kavramsallaştırıldı ve daha sonra evrensel dilbilgisi haline gelecek şekilde genişletildi.
Bu baskın görüşe iki taraftan aynı anda karşı çıkıldı. 1980'lerde kullanıma dayalı dilbilimin ortaya çıkışı (Langacker, 1987), dil girdisine etki eden genel bilişsel kapasitelerden kaynaklanan, dinamik ve olasılığa dayalı bir sistem olarak dil görüşünü destekledi (D ˛abrowska ve Divjak, 2015). Bu görüş, kural benzeri davranışın yalnızca kullanıma maruz kalmadan ortaya çıkabileceğini ve dil bilgisinin girdinin özelliklerine duyarlı olduğunu gösteren bağlantıcı çerçevelerle iyi bir şekilde örtüşüyordu (Plaut ve Gonnerman, 2000; Seidenberg ve McClelland, 1989). '
Bağlantıcılık, tartışmasız, dilin diğer beceriler gibi öğrenildiği görüşüne doğru teori oluşturmada da değişikliklerin yolunu açtı ve 2000'lerin başı, öğrenmenin temel ilkelerinin dil üzerine yapılan çalışmalarla yeniden bütünleştirilmesinin başlangıcına tanık oldu (örneğin, bkz.Bybee & McClelland, 2005; daha güncel çalışmalar için bkz. hem birinci hem de ikinci dil öğrenimini ele alan Ellis ve diğerleri, 2016 ve ayrıca ikinci ve üçüncü dillerde sözcük edinimini ele alan Chuanget diğerleri, 2021). Dil artık insanların ve hayvanların çevrelerinde gezinmek ve uyum sağlamak için kullandıkları genel amaçlı bilişsel kapasitelere ve öğrenme mekanizmalarına uygun olarak görülüyordu (cf. Ellis, 2006a; Ellis & Sagarra, 2010, 2011; Sturdy & Nicoladis, 2017) .
Bu öğrenme modelleri arasında Rescorla ve Wagner'in (1972) klasik koşullanma modeli, basitliği ve çeşitli ampirik öğrenme olaylarını açıklama yeteneği ile öne çıkmaktadır (Siegel ve Allan, 1996). Bu model biyolojik olarak akla yatkındır (Chen ve diğerleri, 2008) ve diğer daha güçlü öğrenme mekanizmalarına göre evrimsel bir avantaja sahiptir; bu, diğer makul öğrenme mekanizmalarıyla karşılaştırıldığında doğal olarak seçilip evrimsel süreçte kalıcı olma olasılığının daha yüksek olması anlamına gelir (daha fazla bilgi için). ayrıntılar için bkz. Trimmer ve diğerleri, 2012).
Arka Plan Edebiyatı
Rescorla-Wagner Modeli
Klasik koşullanmanın bir modeli olarak Rescorla-Wagner (R-W) modeli, bir varlığın (bir insan, bir hayvan veya bir makine) nesneler ve/veya olaylar (örn. ipuçları ve olaylar) arasındaki öngörücü ilişkiyi öğrenmek zorunda olduğu durumlarla ilgilidir. Sonuçlar) bir ortamda ve ipuçlarının, öğrenme (veya ilişkilendirme) ağırlıklarını yinelemeli olarak (yeniden) kalibre ederken ipuçlarının bir sonuç için tahmin değerleri için rekabet ettiği yer. Daha spesifik olarak, bir ilişkilendirme ağırlığı, belirli bir ipucunun varlığında bir sonucun ortaya çıkma eğilimini yansıtır. Belirli bir sonuç için daha yüksek bir pozitif ilişkilendirme ağırlığı değeri, ipucunun varlığında bu sonucun ortaya çıkma olasılığının daha yüksek olmasına karşılık gelir; tersine, oldukça negatif bir değer, bu sonucun gerçekleşmeme ihtimalinin daha yüksek olmasına karşılık gelir (bu durumda işaretin engelleyici olduğu söylenir). Sıfıra yakın değerler, sonucu gözlemleme (ağırlık pozitifse) veya engelleme (ağırlık negatifse) şansının düşük olduğu anlamına gelir.
R-W modeli, organizmanın, her yeni öğrenme olayındaki (örneğin, bir davranışsal deneydeki her deneme) ilişkilendirme ağırlıklarını güncellemek için kullanılan basit bir hata düzeltme öğrenme kuralını hesapladığını varsayar. Düzeltme kuralının arkasındaki genel fikir, bir ipucu ile sonuç arasındaki ilişkinin (a) öğrenme etkinliğinde hem ipucu hem de sonuç mevcutsa güçlendirilmesi, (b) ipucu mevcut ancak sonuç yoksa zayıflaması ve (c) olmasıdır. ) işaretin kendisi yoksa aynı kalır.
İlişkilendirme ağırlıklarının güncellenmesi, beklenen ve elde edilen sonuç arasındaki tutarsızlık tarafından yönlendirilir; böylece güncellemenin büyüklüğü (ilişkilendirme ağırlıklarının ne kadar ayarlandığı), öğrenme oranları adı verilen iki parametre ve güncellemenin yönü (artıp artmadığı) tarafından belirlenir. Ağırlığın artması veya azalması beklenen ve gözlemlenen sonuç arasındaki farkın işaretine bağlıdır. Bu şekilde, en genel anlamda, R-W modeli için öğrenme, sonuçlarla ilgilidir ve bu, öğrenmenin girdi ipuçlarıyla ilgili olduğu ilgili modellerden ayrılır (örneğin, Pearce ve Hall, 1980).
R-W modelinin bir başka özelliği de, sonuçların birbirinden bağımsız olarak güncellenmesine rağmen, girdi ipuçlarının sonuçların öngörülebilirliği için rekabet etmesidir.
Başka bir deyişle, ağırlıkların ayarlanması yalnızca güncellenen tek ipucuna değil, aynı zamanda ilişkilendirme ağırlıklarının toplamı yoluyla öğrenme etkinliğinde mevcut olan tüm ipuçlarına da bağlıdır. Bu ipucu rekabeti ilkesi, R-W modelinin klasik koşullanmanın şaşırtıcı fenomenlerinin birçoğunu açıklamasına olanak tanıdı; bunlardan bazıları aynı zamanda dil öğreniminin mekaniğini anlamak için de değerliydi (bir tartışma için bir sonraki bölüme bakın).1 En iyi bilinen örneklerden biri bu tür öğrenme olguları engelleme etkisidir (Kamin, 1969). Bu etki, bir ipucu, bir sonucu tahmin etmek için ikinci bir ipucuyla bir bileşikte eğitildiğinde, ancak ikinci ipucu zaten sonucun iyi bir öngörücüsü olduğunda ortaya çıkar. Bu gibi durumlarda, ilk işaret sonuçla güçlü bir ilişki oluşturamaz (yani, ilk işaret ikinci işaret tarafından engellenir). Daha genel olarak, işaret rekabeti ilkesi çoğu zaman, sonuç için en iyi ipuçlarının, diğer ipuçlarının aynı sonuçla güçlü bir ilişki geliştirmesini engellediği gözlemiyle sonuçlanır.
Rescorla-Wagner Modeli ve Dil Öğrenimi
Ellis (2006a) tarafından dilsel bağlamda ilk kez bahsedilmesinden bu yana, R-W modelinin dil öğreniminin çeşitli yönlerini yakalayabildiğini gösteren kanıtlar birikmiştir (örneğin, Baayen ve diğerleri, 2011; Ellis, 2006b; Milin, Divjak ve Baayen, 2017). ; Milin, Feldman ve diğerleri, 2017). Şu ana kadar mevcut ampirik kanıtlar, varsayılan parametre değerlerini kullanan bir R-W modelini eğiten çalışmalardan kaynaklanmaktadır (burada her yeni olaydan sonra ilişkilendirme ağırlıklarını güncellemek için kullanılan iki öğrenme oranı parametresinden bahsediyoruz), tipik olarak deneylerden elde edilen küçük bir örnek üzerinde yapay diller veya geniş bir metin külliyatı.2 Eğitim sonrası öğrenme ölçümleri daha sonra simüle edilmiş modelden çıkarılır ve deneysel bir görevde gözlemlenen yanıt ölçümleriyle karşılaştırılır.
İlk sorun, bu tür modeller için (ve bunlardan) tahminlerin tipik olarak deneyden bağımsız olarak oluşturulmasıdır (modelin deneysel olarak test edilecek hipotezleri oluşturduğu Ramscar ve Yarlett, 2007 ve Divjak ve diğerleri, 2021 çalışmaları gibi istisnalar hariç). .
Parametreler genellikle varsayılan değerlerine ayarlanır ve modelin farklı parametre değerleriyle simüle edilmesinden kaynaklanabilecek değişkenliği hesaba katma fırsatı kaçırılır (ancak bkz. Olejarczuk ve diğerleri, 2018, sabit parametre değerleri kullanmış ancak her birine ayrı bir model yerleştirmiştir). Katılımcının karşılaştığı örneklerin aynı dizisini kullanarak katılımcının verileri). Öğrenme modellerini dil verilerine uyarlarken model parametrelerinden kaynaklanan değişkenliği dahil etmek, özellikle dil kullanımı ve temsili büyük bireysel çeşitlilik gösteren bir alan olduğundan, deneyde gözlemlenen bireysel farklılıkların açıklanabilirliğini geliştirme potansiyeline sahiptir (D ˛abrowska, 2018) .
Modeli geniş ölçekli bir külliyat üzerinde eğitmek daha da büyük bir maliyete neden olur. Bir külliyatın içeriği ile dil kullanıcılarının aldığı girdiler arasındaki benzerlik (eksikliği) sorununu burada bir kenara bırakıyoruz (ki bu genel olarak yakınsak kanıt çalışmalarını rahatsız etmektedir; bir özet için). tartışma, bkz. Klavan ve Divjak,2016 ve çalışılmış örneklerin derlemesi için bkz. Divjak ve Gries, 2012 ve Gries ve Divjak, 2012). Burada başka bir konuya odaklanıyoruz: Bir bütünce üzerinde eğitim, çoğunlukla öğrenmenin erken aşamalarında aktif olan, modelin iki ana değişkenlik kaynağını (yani model parametrelerinin seçimi ve eğitim örneklerinin sırası ile ilgili olanlar) susturur (Shanks, 1995). ; ayrıca hata düzeltme öğreniminde deneme sırasının etkisi hakkında daha genel bir tartışma için bkz. Milin ve diğerleri, 2020).3 Bu erken önyargılar, Ellis'in (2006a) dediği gibi, R-W modeli için gerçek bir test oluşturur. geniş ölçekte bir dil öğrenme modeli olarak kullanılabilir. Parametrelerin değişkenliğinin modellenmesi ve katılımcıların karşılaştığı aynı örnekler üzerinde R-W modelinin eğitilmesi, dil öğrenimini anlamak için önceki çalışmalarda henüz tam olarak keşfedilmemiş yeni fırsatları temsil etmektedir.
Mevcut çalışma
Bu çalışma bireysel dil öğrenenlerin eldeki görevle deneme-deneme temelinde nasıl meşgul olduklarını modellemeyi amaçlamaktadır; bu, genel olarak ayrımcılık veya hata düzeltme öğreniminin dil öğrenimine ve R-W modelinin dil öğrenimine uygulanması için adım değiştiren bir zorluk teşkil etmektedir. Önceki çalışmalar, katılımcıların çeşitli görevlerdeki davranışlarını açıklamak için bu modeli kullanarak R-W kuralına genel destek sağlamış olsa da (Divjak, 2019; Milin & Blevins, 2020; Milin, Feldman, vd., 2017;Pirrelli) vd., 2020), kontrollü bir doğal dil öğrenme görevinde model tarafından oluşturulan tahminleri test etmeye odaklanıyoruz ve verileri bireysel dil öğrencisi düzeyinde modelliyoruz. Bunu yaparken, her katılımcıya, seçilen modelin öğrenme parametreleriyle resmileştirilmiş, farklı kapasiteler tarafından yönetilen ayrı bir öğrenme varlığı olarak davranırız.
Birçok çalışmanın klasik koşullanma performansının çalışma belleği (Baetu ve diğerleri, 2018; Sasaki, 2009), cinsiyet (Lonsdorf ve diğerleri, 2015; Merz ve diğerleri, 2018) gibi bilişsel ve kişisel özelliklerden etkilenebileceğini bildirdiği göz önüne alındığında, ve yaş (örneğin, Mutter ve diğerleri, 2012), bu tür özelliklerin dil öğrenmede R-W benzeri bir mekanizmanın benimsenmesini etkileyip etkilemeyeceğini de araştırıyoruz.
Bu hedeflere ulaşmak ve bu soruları ele almak için basitleştirilmiş bir doğal dil öğrenme görevi tasarladık: sıkı ampirik kontrolün avantajından yararlanmak için basitleştirildi, ancak daha doğal bir dil giriş deneyimi sunarak ekolojik geçerliliğe bağlılığı yalnızca kısmen sürdürmek için. Görev, makul bir ölçüde, insanların Lehçe özne-yüklem uyumu eşlemelerini örneklere doğal maruz kalma yoluyla nasıl öğreneceklerini temsil ediyor.
Anadili İngilizce olan kişileri, hem işitsel hem de görsel boyutları olan ve Lehçe'deki özne-fiil uyumuna özgü bazı karmaşıklıkları içeren, dikkatle hazırlanmış bir dizi örnek üzerinde eğittik. Daha sonra, katılımcının karşılaştığı aynı eğitim örneklerini kullanarak her katılımcı için ayrı ayrı en uygun modeli (yani katılımcının yanıtları ile model arasında en yakın eşleşmeye yol açan parametreleri) seçtik. Daha sonra R-W modelini, katılımcıların dil seçimlerinin yanı sıra zaman gecikmelerini de kurtarma kapasitesi açısından değerlendirdik ve bunu diğer makul ancak kurallara dayalı yanıt stratejileriyle karşılaştırdık. Son olarak, çalışma belleği kapasitesi, yaş ve cinsiyet gibi bilişsel ve kişisel özelliklerin, R-W modelinin dil öğrenimini ne ölçüde etkilediğini test ettik.
Yöntem
Katılımcılar
Altmış altı katılımcı (Mdnage=20 yıl; aralık=18–65; 41 kadın) 7 £'luk Amazon kuponu karşılığında deneye katıldı. Katılımcılar üniversite öğrencileri ve personeldi. Hepsi anadili İngilizce olan, Lehçe veya diğer Slav dilleri hakkında bilgisi olmayan, normal veya normale düzeltilmiş işitme ve görüşe sahip olan ve herhangi bir öğrenme güçlüğü bildirmeyen kişilerdi. Katılımcıların farklı eğitim geçmişleri vardı ve birçoğu farklı dilleri konuşabiliyordu. İngilizceye ek olarak (eğitim ve dil geçmişlerinin dağılımları çevrimiçi Destekleyici Bilgiler'deki Ek S1'de sunulmaktadır).
Malzemeler ve Prosedür
Veriler ve kod da dahil olmak üzere tüm malzemelerimiz Github'da (https://github.com/ooominds/Error-correction-mechanisms-in-languagelearning) ve Birmingham Üniversitesi'nin açık erişim deposu UBIRA'da (https:/) açıkça mevcuttur. /doi.org/10.25500/edata.bham.00000911). Katılımcılar üç görevi ve kısa bir anketi şu sırayla tamamladılar: (a) bir dil öğrenme görevi (ana görev), (b) açık bir bilgi ve demografik anket, (c) örtülü bir öğrenme görevi ve (d) bir çalışma belleği ( WM) görevi. (Her görevin ayrıntılı açıklaması bir sonraki bölümde verilmektedir.)
Dil öğrenimi ve örtülü öğrenme görevleri OpenSesame kullanılarak uygulandı ve katılımcılara sunuldu (Mathôt ve diğerleri, 2012; Mathôt ve Mart 2022). Demografik anket Google Formlar kullanılarak sunuldu ve WM görevi Tatool kullanılarak uygulandı (von Bastian ve diğerleri, 2013). Deney, bireysel olarak veya mümkün olduğunda çiftler halinde, sessiz bir odada Intel Core i üzerinde gerçekleştirildi. Windows 10 çalıştıran ve Iiyama G-Master 24 ile donatılmış 7-8700 bilgisayar.5-içinde. 59 Hz frekansında çalışan ve 1.920 × 1.080 piksel ekran çözünürlüğüne sahip monitörler. Katılımcılar işitsel uyarıları Bose QuietComfort 35 II gürültü önleyici kulaklıklar aracılığıyla duydular ve yanıtlarını bir klavye kullanarak kaydettiler. Deneyin tamamlanması yaklaşık 50 dakika sürdü.
For more information:1950477648nn@gmail.com
