Mekanisme Pembetulan Ralat dalam Pembelajaran Bahasa: Memodelkan Individu Bahagian 1

Abstrak:

Sejak penggunaan pertamanya sebagai model pengiraan untuk pembelajaran bahasa, bukti telah terkumpul bahawa pembelajaran pembetulan ralat Rescorla-Wagner (Rescorla &Wagner, 1972) menangkap beberapa aspek pemprosesan bahasa. Walaupun kajian terdahulu telah memberikan sokongan umum untuk peraturan Rescorla-Wagner dengan menggunakannya untuk menerangkan tingkah laku peserta merentasi pelbagai tugas, kami menumpukan pada ujian ramalan yang dihasilkan oleh model dalam tugas pembelajaran bahasa semula jadi terkawal dan model data pada tahap pelajar individu tersebut.

Terdapat hubungan rapat antara pembelajaran bahasa dan ingatan. Apabila mempelajari bahasa baharu, kita bukan sahaja perlu menguasai tatabahasa dan perbendaharaan kata tetapi juga perlu menghafal banyak perkataan dan ungkapan. Oleh itu, ingatan memainkan peranan penting dalam proses pembelajaran bahasa.

Pembelajaran bahasa dapat menguatkan daya ingatan. Banyak kajian telah menunjukkan bahawa mempelajari bahasa baru boleh merangsang aktiviti saraf di otak, menggalakkan metabolisme dalam korteks serebrum, dan dengan itu menguatkan ingatan. Mempelajari bahasa baharu juga boleh merangsang rangkaian saraf otak, menjadikannya lebih sihat dan meningkatkan kebolehan kognitif, kecerdasan dan pemikiran logik.

Mempelajari bahasa memerlukan pengulangan dan latihan. Kerap menyambung bercakap, mendengar dan membaca boleh memperdalam tanggapan dan menjadikan perkara lebih diingati. Pada masa yang sama, dengan berkomunikasi dengan orang lain, kita boleh menghafal perkataan dan frasa baharu dengan lebih baik, belajar tentang persekitaran dan budaya bahasa yang berbeza, dan seterusnya memperdalam pemahaman kita tentang bahasa tersebut.

Mempelajari bahasa juga membolehkan kita mengubah cara kita berfikir, meningkatkan fleksibiliti dan kreativiti pemikiran serta meningkatkan lagi ingatan. Pada masa yang sama, kita juga boleh menjalankan pembelajaran bahasa dan latihan ingatan dengan mendengar muzik, menonton filem, membaca kesusasteraan Cina dan asing, dan lain-lain, belajar dengan cara yang berbeza, dan bermain sambil belajar untuk menjadikan proses pembelajaran lebih menarik, meningkatkan pembelajaran. minat, dan meningkatkan daya ingatan.

Oleh itu, apabila mempelajari bahasa, kita boleh menggunakan pelbagai kaedah untuk berlatih, memberi tumpuan kepada aktiviti dan latihan ingatan, sentiasa menginovasi kaedah dan kaedah pembelajaran, dan mengukuhkan latihan ingatan untuk meningkatkan kesan pembelajaran dan meningkatkan ingatan. Dapat dilihat bahawa kita perlu meningkatkan daya ingatan. Cistanche deserticola boleh meningkatkan daya ingatan dengan ketara kerana Cistanche deserticola ialah bahan perubatan tradisional Cina dengan banyak kesan unik, salah satunya adalah untuk meningkatkan daya ingatan. Keberkesanan daging cincang berasal dari banyak bahan aktif yang terkandung di dalamnya, termasuk asid, polisakarida, flavonoid, dll. Bahan-bahan ini boleh menggalakkan kesihatan otak dalam pelbagai cara.

Klik tahu 10 cara untuk meningkatkan ingatan

Dengan melaraskan parameter model agar sesuai dengan pilihan tingkah laku percubaan demi percubaan peserta, dan bukannya memasang model satu untuk semua menggunakan satu set parameter lalai, kami menunjukkan bahawa model itu menangkap pilihan peserta, kependaman masa, dan kependaman dengan tepat. dan tahap persetujuan tindak balas. Kami juga menunjukkan bahawa jantina dan kapasiti memori kerja mempengaruhi sejauh mana model Rescorla-Wagner menangkap pembelajaran bahasa.

Kata kunci

belajar bahasa; pembelajaran pembetulan ralat; Model Rescorla–Wagner;morfologi; perjanjian.

pengenalan

Kita manusia berkongsi dengan spesies lain banyak mekanisme pembelajaran teras yang membolehkan kita menyesuaikan diri dengan persekitaran kita (Rescorla, 1988). Mekanisme ini termasuk, antara lain, pelaziman klasik (iaitu, pelaziman Pavlovian; Pavlov, 1927), pelaziman instrumental (juga pelaziman operan; Skinner,1938), dan bentuk pembelajaran sosial, seperti pembelajaran vicarius (Bandura,1962).

Keupayaan pembelajaran manusia yang paling unik mentakrifkan ialah pembelajaran bahasa, yang juga termasuk penghantaran transgenerasi yang cekap dan adalah asas untuk rangkuman dan perpaduan sosial. Walau bagaimanapun, walaupun mekanisme pembelajaran teras agak difahami dengan baik, pembelajaran bahasa kekal sebagai misteri (Ambridge & Lieven, 2011). Percubaan awal oleh Skinner (1957) untuk mengambil kira pembelajaran bahasa menggunakan prinsip yang sama seperti yang mengawal tugas kognitif peringkat rendah telah dibatalkan oleh Chomsky (1959).

Untuk sebahagian besar baki abad ke-20, bahasa dilihat sebagai sistem semula jadi yang besar, dikawal oleh peraturan dan dikendalikan oleh struktur kognitif manusia yang unik dan khusus. Struktur ini pada mulanya dikonsepkan sebagai peranti pemerolehan bahasa dan kemudiannya diperluaskan untuk menjadi tatabahasa universal.

Pandangan dominan ini dicabar dari dua pihak secara serentak. Kemunculan linguistik berasaskan penggunaan pada tahun 1980-an (Langacker, 1987) mempromosikan pandangan bahasa sebagai sistem dinamik dan kemungkinan, hasil daripada kapasiti kognitif umum yang bertindak ke atas input bahasa (D ˛abrowska & Divjak, 2015). Pandangan ini dipadankan dengan baik dengan rangka kerja penghubung, yang menunjukkan bahawa tingkah laku seperti peraturan boleh muncul daripada pendedahan kepada penggunaan sahaja dan pengetahuan bahasa adalah sensitif kepada sifat input (Plaut & Gonnerman, 2000; Seidenberg & McClelland, 1989). '

Keterkaitan, boleh dikatakan, membuka jalan kepada perubahan dalam teori juga, ke arah pandangan bahasa sebagai dipelajari seperti mana-mana kemahiran lain, dan awal 2000-an menyaksikan permulaan penyepaduan semula prinsip asas pembelajaran ke dalam badan kerja bahasa (cth, seeBybee & McClelland, 2005; untuk lebih banyak karya terkini, lihat Ellis et al., 2016, yang membincangkan pembelajaran bahasa pertama dan kedua, serta Chuanget al., 2021, yang menangani pemerolehan leksikal dalam bahasa kedua dan ketiga). Bahasa kini dilihat sebagai bersetuju dengan kapasiti kognitif tujuan umum dan mekanisme pembelajaran yang sama yang digunakan oleh manusia dan haiwan untuk mengemudi dan menyesuaikan diri dengan persekitaran mereka (rujuk Ellis, 2006a; Ellis & Sagarra, 2010, 2011; Sturdy & Nicoladis, 2017) .

Di antara model pembelajaran ini, model pelaziman klasik Rescorla dan Wagner (1972) menonjol kerana kesederhanaannya dan keupayaannya untuk menerangkan pelbagai fenomena pembelajaran empirikal (Siegel & Allan, 1996). Model ini munasabah secara biologi (Chen et al., 2008) dan mempunyai kelebihan evolusi berbanding mekanisme pembelajaran lain yang lebih berkuasa, kerana ia mempunyai kemungkinan yang lebih tinggi untuk dipilih secara semula jadi dan berterusan dalam proses evolusi, berbanding dengan mekanisme pembelajaran lain yang munasabah (untuk lebih butiran, lihat Trimmer et al., 2012).

Latar Belakang Sastera

Model Rescorla–Wagner

Sebagai model pelaziman klasik, model Rescorla–Wagner (R–W) mementingkan situasi di mana entiti (manusia, haiwan atau mesin) perlu mempelajari hubungan ramalan antara objek dan/atau peristiwa (iaitu, isyarat dan hasil) dalam persekitaran, dan di mana isyarat bersaing untuk nilai ramalan mereka untuk hasil sementara secara berulang (semula) menentukur pemberat pembelajaran (atau perkaitan). Lebih khusus lagi, berat perkaitan mencerminkan kecenderungan hasil untuk berlaku dengan kehadiran isyarat tertentu. Nilai berat perkaitan positif yang lebih tinggi untuk hasil tertentu sepadan dengan kebarangkalian yang lebih tinggi untuk kejadian itu dengan kehadiran isyarat; sebaliknya, nilai yang sangat negatif sepadan dengan kebarangkalian yang lebih besar untuk tidak berlakunya hasil tersebut (petunjuk dikatakan menghalang dalam kes ini). Nilai yang hampir dengan sifar bermaksud peluang rendah untuk memerhati (jika beratnya positif) atau menghalang (jika beratnya negatif) hasilnya.

Model R–W mengandaikan bahawa organisma mengira peraturan pembelajaran pembetulan ralat mudah yang digunakan untuk mengemas kini berat perkaitan dalam setiap peristiwa pembelajaran baharu (cth, setiap percubaan dalam eksperimen tingkah laku). Idea umum di sebalik peraturan pembetulan ialah perkaitan antara isyarat dan hasil adalah(a) diperkukuh jika kedua-dua isyarat dan hasil hadir dalam acara pembelajaran, (b) lemah jika isyarat hadir tetapi hasilnya tidak, dan (c ) kekal sama jika isyarat itu sendiri tiada.

Pengemaskinian berat perkaitan didorong oleh percanggahan antara hasil yang dijangkakan dan hasil yang diperoleh, supaya magnitud kemas kini—berapa banyak berat perkaitan diselaraskan—ditentukan oleh dua parameter yang dipanggil kadar pembelajaran dan arah kemas kini—sama ada ia meningkat berat atau mengurangkannya-bergantung pada tanda perbezaan antara hasil yang dijangka dan yang diperhatikan. Dengan cara ini, secara umumnya, untuk model R–W, pembelajaran adalah mengenai hasil, dan ini berbeza daripada model yang berkaitan di mana pembelajaran adalah mengenai isyarat input (cth, Pearce& Hall, 1980).

Satu lagi ciri model R–W ialah, walaupun hasil dikemas kini secara bebas antara satu sama lain, isyarat input bersaing untuk ramalan hasil.

Dalam erti kata lain, pelarasan pemberat bergantung bukan sahaja pada kiu tunggal yang dikemas kini tetapi pada semua isyarat yang terdapat dalam acara pembelajaran melalui jumlah pemberat persatuan mereka. Prinsip persaingan isyarat ini membenarkan model R–W untuk menerangkan banyak fenomena yang membingungkan pelaziman klasik, beberapa daripadanya juga berharga untuk memahami mekanik pembelajaran bahasa (lihat bahagian seterusnya untuk perbincangan).1 Salah satu contoh yang paling terkenal fenomena pembelajaran tersebut adalah kesan menyekat (Kamin, 1969). Kesan ini berlaku apabila kiu dilatih dalam kompaun dengan kiu kedua untuk meramalkan hasil tetapi apabila kiu kedua sudah menjadi peramal hasil yang baik. Dalam kes sedemikian, isyarat pertama tidak boleh membentuk perkaitan yang kuat dengan hasil (iaitu, isyarat pertama disekat oleh isyarat kedua). Secara umumnya, prinsip persaingan kiu sering menghasilkan pemerhatian bahawa isyarat terbaik untuk hasil menghalang isyarat lain daripada membangunkan perkaitan yang kuat dengan hasil yang sama.

Model Rescorla–Wagner dan Pembelajaran Bahasa

Sejak sebutan pertamanya dalam konteks linguistik oleh Ellis (2006a), bukti telah terkumpul menunjukkan bahawa model R–W boleh menangkap beberapa aspek pembelajaran bahasa (cth, Baayen et al., 2011; Ellis, 2006b; Milin, Divjak, & Baayen, 2017 ; Milin, Feldman, et al., 2017). Setakat ini, bukti empirikal yang ada berpunca daripada kajian yang melatih model R–W yang menggunakan nilai parameter lalai (di sini kita merujuk kepada dua parameter kadar pembelajaran yang digunakan untuk mengemas kini berat perkaitan selepas setiap peristiwa baharu), biasanya pada sama ada sampel kecil daripada eksperimen pada bahasa buatan atau korpus teks yang besar.2 Langkah-langkah pembelajaran selepas latihan kemudian diekstrak daripada model simulasi dan dibandingkan dengan ukuran tindak balas yang diperhatikan daripada tugasan eksperimen.

Isu pertama ialah ramalan untuk (dan daripada) model sedemikian biasanya dijana secara bebas daripada eksperimen (dengan pengecualian seperti kajian Ramscar & Yarlett, 2007, dan Divjak et al., 2021, di mana model menjana hipotesis untuk diuji secara eksperimen) .

Parameter biasanya ditetapkan kepada nilai lalainya, kehilangan peluang untuk mengambil kira kebolehubahan yang boleh timbul daripada mensimulasikan model dengan nilai parameter yang berbeza (walaupun lihat Olejarczuk et al., 2018, yang menggunakan nilai parameter tetap tetapi memasang model berasingan pada setiap data peserta menggunakan urutan contoh yang sama yang dihadapi oleh peserta). Menggabungkan kebolehubahan yang timbul daripada parameter model apabila menyesuaikan model pembelajaran dengan data bahasa berpotensi untuk meningkatkan kebolehjelasan perbezaan individu yang diperhatikan dalam eksperimen, terutamanya kerana penggunaan dan perwakilan bahasa adalah kawasan yang menunjukkan variasi individu yang besar (D ˛abrowska, 2018) .

Melatih model pada korpus berskala besar datang dengan kos yang lebih besar. Kami mengetepikan di sini isu (kekurangan) persamaan antara kandungan korpus dan input yang diterima pengguna bahasa (yang melanda kajian bukti penumpuan secara amnya; untuk ringkasan perbincangan, lihat Klavan & Divjak,2016, dan untuk koleksi contoh kerja, lihat Divjak & Gries, 2012, danGries & Divjak, 2012). Di sini kami memberi tumpuan kepada isu lain: Latihan pada corpusmutes dua sumber utama kebolehubahan model-iaitu, yang berkaitan dengan pilihan parameter model dan susunan contoh latihan-yang kebanyakannya aktif semasa peringkat awal pembelajaran (Shanks, 1995). ;juga lihatMilin et al., 2020, untuk perbincangan yang lebih umum tentang pembelajaran pembetulan kesilapan kesan perintah percubaan).3 Kecondongan awal ini, sebagaimana Ellis (2006a) memanggilnya, membentuk ujian sebenar untuk model R–W sebelum itu. boleh digunakan sebagai model pembelajaran bahasa secara besar-besaran. Memodelkan kebolehubahan parameter dan melatih model R–W pada contoh yang sama yang dihadapi oleh peserta mewakili peluang baru untuk memahami pembelajaran bahasa yang belum diterokai sepenuhnya dalam kajian terdahulu.

Kajian Masa Kini

Kajian ini bertujuan untuk memodelkan bagaimana pelajar bahasa individu terlibat dengan tugas yang ada pada asas percubaan demi percubaan, yang merupakan cabaran perubahan langkah untuk penerapan pembelajaran bahasa diskriminasi atau pembelajaran pembetulan ralat secara umum dan model R–W dalam tertentu. Manakala kajian terdahulu telah memberikan sokongan umum untuk peraturan R–W dengan menggunakan model ini untuk menerangkan tingkah laku peserta merentasi pelbagai tugas (Divjak, 2019; Milin & Blevins, 2020; Milin, Feldman, et al., 2017; Pirrelli et al., 2020), kami menumpukan pada menguji ramalan yang dijana oleh model dalam tugas pembelajaran bahasa semula jadi yang terkawal dan memodelkan data pada tahap pelajar bahasa individu. Dengan berbuat demikian, kami menganggap setiap peserta sebagai entiti pembelajaran berasingan yang dikawal oleh kapasiti yang berbeza, yang, yang penting, diformalkan melalui parameter pembelajaran model yang dipilih.

Memandangkan beberapa kajian telah melaporkan bahawa prestasi pelaziman klasik boleh dipengaruhi oleh ciri kognitif dan peribadi seperti ingatan bekerja (Baetu et al., 2018; Sasaki, 2009), jantina (Lonsdorfet al., 2015; Merz et al., 2018), dan umur (cth, Mutter et al., 2012), kami juga menyiasat sama ada ciri tersebut boleh menjejaskan penggunaan mekanisme pembelajaran bahasa R-Wlike.

Untuk mencapai matlamat ini dan untuk menangani soalan ini, kami mereka bentuk tugas pembelajaran bahasa semula jadi yang dipermudahkan: dipermudahkan untuk mengeksploitasi kelebihan kawalan empirikal yang ketat, tetapi hanya sebahagiannya untuk mengekalkan komitmen terhadap kesahihan ekologi dengan menawarkan pengalaman input bahasa yang lebih naturalistik. Tugas itu mewakili, pada tahap yang munasabah, bagaimana orang akan mempelajari pemetaan perjanjian subjek–kata kerja Poland melalui pendedahan semula jadi kepada contoh.

Kami melatih penutur asli bahasa Inggeris mengenai satu set contoh yang dibuat dengan teliti, yang mempunyai kedua-dua dimensi pendengaran dan visual, dan yang menggabungkan beberapa kerumitan yang wujud dalam perjanjian subjek-kata kerja dalam bahasa Poland. Seterusnya, untuk setiap peserta, secara individu, kami memilih model yang paling sesuai (iaitu, parameter yang membawa kepada padanan paling hampir antara respons peserta dan model), menggunakan contoh latihan yang sama yang dihadapi oleh peserta. Kami kemudian menilai model R–W untuk kapasitinya untuk memulihkan pilihan bahasa peserta serta kependaman masa mereka, dan membandingkannya dengan strategi tindak balas yang munasabah tetapi berasaskan peraturan. Akhir sekali, kami menguji sama ada ciri kognitif dan peribadi seperti kapasiti memori kerja, umur dan jantina mempengaruhi sejauh mana model R–W menangkap pembelajaran bahasa.

Kaedah

Peserta

Enam puluh enam peserta (Mdnage=20 tahun; julat=18–65; 41 perempuan) mengambil bahagian dalam percubaan sebagai pertukaran untuk baucar Amazon £7. Peserta adalah pelajar dan kakitangan universiti. Kesemua mereka adalah penutur asli bahasa Inggeris tanpa pengetahuan bahasa Poland atau mana-mana bahasa Slavik lain, mempunyai pendengaran dan penglihatan yang normal atau diperbetulkan kepada normal, dan tidak mengisytiharkan sebarang ketidakupayaan pembelajaran. Peserta mempunyai latar belakang pendidikan yang berbeza, dan ramai daripada mereka boleh bertutur dalam bahasa lain dalam tambahan kepada bahasa Inggeris (pengagihan latar belakang pendidikan dan bahasa dibentangkan dalam Lampiran S1 dalam Maklumat Sokongan dalam talian).

Bahan dan Prosedur

Semua bahan kami, termasuk data dan kod, tersedia secara terbuka di Github(https://github.com/ooominds/Error-correction-mechanisms-in-languagelearning) dan repositori akses terbuka Universiti Birmingham, UBIRA(https:/ /doi.org/10.25500/edata.bham.00000911). Peserta menyelesaikan tiga tugasan dan soal selidik pendek dalam susunan berikut: (a) tugas pembelajaran bahasa (tugas utama), (b) soal selidik pengetahuan dan demografi eksplisit, (c) tugas pembelajaran tersirat, dan (d) ingatan kerja ( tugas WM. (Penerangan terperinci bagi setiap tugasan disediakan dalam bahagian seterusnya.)

Pembelajaran bahasa dan tugasan pembelajaran tersirat telah dilaksanakan dan dibentangkan kepada peserta menggunakan OpenSesame (Mathôt et al., 2012; Mathôt & Mac 2022). Soal selidik demografi telah dibentangkan menggunakan Borang Google, dan tugas WM telah ditadbir menggunakan Tatool (von Bastian et al., 2013). Percubaan dijalankan sama ada secara individu atau, apabila boleh, secara berpasangan, dalam bilik yang tenang, pada Intel Core i 7-8700 komputer yang menjalankan Windows 10 dan dilengkapi dengan Iiyama G-Master 24.5-dalam. monitor berjalan pada 59 Hz dengan resolusi skrin 1,920 × 1,080 piksel. Peserta mendengar rangsangan pendengaran melalui fon kepala Bose QuietComfort 35 II yang membatalkan hingar dan mendaftarkan respons mereka menggunakan papan kekunci. Eksperimen mengambil masa kira-kira 50 minit untuk selesai.

For more information:1950477648nn@gmail.com