27
Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Embed Size (px)

Citation preview

Page 1: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Ein computerimplementiertes Modell: TRACE

Solche Modelle sollena)alle experimentellen Daten (quantitativ) replizierenb)erklären, wie diese zustande kommen

Page 2: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Trace-Modell  Literatur: McCelland & Elman, Cognitive Psychology (1986) Typ: Interaktives AktivierungsmodellInputrepräsentation: Phonologische MerkmaleAlignment: vollLaterale Hemmung (Inhibition)Vertikale Aktivierung

Page 3: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen
Page 4: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Phoneme hemmen sich gegenseitig

Die Merkmale von /k/ aktivieren /k/ und das Wort ‘cup’.

Page 5: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Kategorielle Wahrnehmung durch laterale Hemmung

Page 6: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Identifikation

Diskrimination

Page 7: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Vgl. Kohortenmodell

Page 8: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Vgl. Kohortenmodell

Page 9: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Ohne zusätzliche Wortgrenzeninformation wird ein längeres Wort gegenüber zwei kürzeren bevorzugt (weniger laterale Hemmung)

Page 10: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Probleme von TRACE

Durch vollständiges Alignment ist das Lexikon klein (aufwändige Berechnung).Es ist umstritten, ob die Wortebene Rückmeldung zur Phonemebene gibt.

Konkurrenzmodell ‘Merge’

Page 11: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der

Page 12: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der Doc würde das Tal mit

Page 13: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der Doc würde das Tal mit dem Gold, das

Page 14: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der Doc würde das Tal mit dem Gold, das sie ihm

Page 15: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der Doc würde das Tal mit dem Gold, das sie ihm gaben, kaufen und auf ihren

Page 16: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Der Doc würde das Tal mit dem Gold, das sie ihm gaben, kaufen und auf ihren Namen ins

Page 17: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Cloze ProbabilityWahrscheinlichkeit eines bestimmten Wortes auf der Grundlage des Kontexts

vorausgesagt zu werden

Normal proseDer Doc würde das Tal mit dem Gold, das sie ihm gaben, kaufen und auf ihren Namen ins Grundbuch eintragen lassen.

Random word orderWürde Doc Tal Das der Dass Gold dem gaben….

Syntactic proseDie Nonne sollte die Spielhalle auf der Alm, die er ihr zurief…

Page 18: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Einfluss der Position im Satz auf die WorterkennungMarslen-Wilson & Tyler, 1980

Satzpaare (Exp. 1) oder einzelne Sätze (Exp.2) werden akustisch präsentiertAufgabe: Erkennen eines vorgegebenen Wortes (Word monitoring), eines Reimwortes oder eines Wortes der gleichen semantischen Kategorie wie ein vorgegebenes Wort.

Page 19: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Mit vorangehendem Satz

Worterkennung geht durch semantische und syntaktische (normal prose) oder auch nur durch syntaktische Kontextinformation (syntactic prose) immer schneller.

Page 20: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Ohne vorangehenden Satz

Worterkennung geht durch semantische und syntaktische (normal prose) oder auch nur durch syntaktische Kontextinformation (syntactic prose) immer schneller. Strategischer Effekt in random prose (VPs nutzen aus, dass das Wort immer wahrscheinlicher wird, je länger der Satz dauert).

Page 21: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Verstehen von Sätzen (Parsing)

Grundprobleme Interaktivität vs. AutonomieAn welchem Punkt beeinflussen nichtsyntaktische Faktoren die Interpretation? InkrementalitätParsing wartet nicht, bis ein Satz komplett gehört wurde. Serielle vs. parallele VerarbeitungWie verhalten sich Parser gegenüber Ambiguitäten? Seriell – Parser legt sich früh auf eine Möglichkeit fest.Parallel – Parser berechnet alle Möglichkeiten gleichzeitig.Minimal Commitment – Parser wartet bei mehreren Möglichkeiten bis genügend Information vorhanden ist.

Page 22: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Garden Path Phänomene & Ambiguitäten

Faktoren die zur Erklärung von Vorlieben fuer bestimmte Analysen angenommen wurden:Parsing principles (Frazier et al.):

Minimal attachment (kleinstmögliche Anzahl syntaktischer Knoten. Argument-Attachment präferiert gegenüber Modifier-Attachment), The psychologist convinced the patient that he washaving trouble with to leave.

Late Closure (neuer Input wird an vorhandene syntaktische Teilsätze oder Phrasen angehängt, anstatt neue anzunehmen)The bartender told the detective that the suspect left thecountry yesterday.Der Mann sah die Frau mit dem Fernglas.

Page 23: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Garden Path Phänomene & Ambiguitäten

The horse raced past the barn fell. Der Mann sah die Frau mit dem Fernglas.The boat floated down the river sank.The land mine buried in the sand exploded,The cop arrested by the detective was guilty of taking bribes.The crook arrested by the detective was guilty of taking bribes. 

Page 24: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Garden Path Phänomene & Ambiguitäten

Faktoren die zur Erklärung von Vorlieben fuer bestimmte Analysen angenommen wurden:

Thematische Angemessenheit (cop/crook)

Relative Wortformfrequenz (raced / floated / buried)

Konfigurationaler Bias (NP+finites Verb als Hauptsatzeröffnung bevorzugt, Subject first)

Relative Frequenz der Argumentstruktur

Auflösung von referentiellen Ambiguitäten

Syntaktisches Priming (nichtpräferierte Lesart wird beim zweitenmal wahrscheinlicher)

Page 25: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Jemand erschoss die Schwester der Schauspielerin, die auf dem Balkon stand.

Page 26: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Relativsatz-Attachment Ambiguität

Jemand erschoss die Schwester der Schauspielerin, die auf dem Balkon stand.

Englische Sprecher verstehen den entsprechenden englischen Satz bevorzugt so, dass die Schauspielerin (= 2. NP) auf dem Balkon stand, d.h. sie

bevorzugen „low attachment“Holländische, Französische, Deutsche und Spanische Sprecher bevorzugen

„high attachment“ also, dass die Schwester auf dem Balkon stand.Unsere Daten bestätigen das (92 von 156 Leuten wählten die Schwester)

zeigen aber auch, dass das individuell sehr verschieden ist.

Page 27: Ein computerimplementiertes Modell: TRACE Solche Modelle sollen a)alle experimentellen Daten (quantitativ) replizieren b)erklären, wie diese zustande kommen

Syntaktisches Priming (Bock, 1986)Nachdem Probanden einen Satz mit einer bestimmten Struktur gehört/gebildet haben, ist es wahrscheinlicher, dass sie den nächsten Satz auch mit dieser Struktur bilden. (z.B. Passiv Dativalternation)