Mekanisme Koreksi Kesalahan dalam Pembelajaran Bahasa: Memodelkan Individu Bagian 2

Tugas Pembelajaran Bahasa

Tugas pembelajaran bahasa alami kami yang disederhanakan terinspirasi oleh tantangan mempelajari kesepakatan subjek-kata kerja dalam bentuk lampau jamak dalam bahasa Polandia. Dalam bentuk lampau, kata kerja ditandai berdasarkan jenis kelamin tata bahasa subjek menurut aturan berikut:

1. Jika salah satu referensinya adalah personal maskulin (misalnya, "laki-laki"), maka jenis kelamin subjek secara keseluruhan adalah –li, yang terkadang disebut sebagai akhiran personal maskulin.

Pembelajaran bahasa alami adalah kemampuan yang membantu kita memahami dan menerapkan bahasa dengan lebih baik. Memori adalah kemampuan yang sama pentingnya yang membantu kita menguasai pengetahuan dan keterampilan dengan lebih baik. Hubungan keduanya erat dan saling melengkapi.

Pertama, pembelajaran bahasa alami dapat meningkatkan daya ingat kita. Saat kita mempelajari kosa kata dan aturan tata bahasa baru, kita perlu berlatih dan menghafalkannya berulang kali, yang dapat melatih kemampuan ingatan kita. Ketika kita dapat membangun model bahasa yang bermakna dan logis, kita dapat lebih mudah mengingat dan memahami pengetahuan yang relevan.

Selain itu, memori juga dapat membantu kita mempelajari bahasa alami dengan lebih baik. Ketika kita menghafal dan menguasai beberapa struktur dasar bahasa dan kosa kata, kita dapat memahami dan menerapkan bahasa dengan lebih mudah, yang juga akan membantu kita mengumpulkan lebih banyak pengalaman dan keterampilan dalam proses meningkatkan kemampuan belajar bahasa alami.

Singkatnya, pembelajaran bahasa alami dan memori adalah kemampuan yang sangat penting, dan kita perlu terus melatih dan meningkatkannya. Hanya dengan memanfaatkan keduanya secara penuh kita dapat belajar dan menguasai bahasa dengan lebih mudah, sehingga membuat hidup kita lebih baik dan lebih berwarna. Terlihat bahwa kita perlu meningkatkan daya ingat kita. Cistanche deserticola dapat meningkatkan daya ingat kita secara signifikan, karena Cistanche deserticola juga dapat mengatur keseimbangan neurotransmiter, seperti meningkatkan kadar asetilkolin dan faktor pertumbuhan. Zat-zat ini sangat penting untuk daya ingat dan pembelajaran. Yang penting, selain itu, daging dari daging juga dapat meningkatkan aliran darah dan meningkatkan pengiriman oksigen, yang dapat memastikan otak menerima nutrisi dan energi yang cukup, sehingga meningkatkan vitalitas dan daya tahan otak.

Klik suplemen tahu untuk meningkatkan daya ingat

2. Jika rujukannya adalah benda bernyawa feminin (misalnya, "bebek"), pribadi feminin (misalnya, "perempuan"), atau netral (misalnya, "anak"), maka jenis kelamin subjeknya adalah –ły, yang terkadang disebut sebagai akhiran pribadi non-maskulin.

3. Tata bahasa preskriptif dan penutur asli bahasa Polandia tidak setuju mengenai bentuk apa yang harus diberikan pada subjek yang mencakup beberapa referensi animasi maskulin yang bukan orang (misalnya, "anjing dan kucing pergi jalan-jalan") atau campuran referensi pribadi animasi maskulin dan feminin (misalnya, "gadis dan anjing itu pergi jalan-jalan"). Buku teks tata bahasa meresepkan penggunaan –ły sedangkan penutur asli tampaknya lebih menyukai penggunaan –li, menurut Kiełkiewicz-Janowiak dan Pawelczyk (2014).

Untuk merancang tugas pembelajaran bahasa alami yang disederhanakan, kami menerapkan dua aturan pertama tetapi berasumsi bahwa subjek yang terdiri dari referensi bernyawa maskulin harus digunakan dengan bentuk pribadi maskulin, seperti yang disarankan oleh Kiełkiewicz-Janowiak dan Pawelczyk (2014). Kami membuat konsesi tersebut untuk meningkatkan kemampuan pengujian tugas kami dari perspektif pembelajaran, seperti yang dijelaskan dalam desain tugas di bawah ini.

Rangsangan

Setiap peristiwa dalam tugas pembelajaran kami terdiri dari sebuah adegan yang mewakili tindakan gabungan yang dilakukan oleh sekelompok karakter manusia dan/atau hewan, dan untuk setiap peristiwa pembelajaran, peserta melihat gambar yang menggambarkan adegan tersebut (Gambar 1), beserta rekaman audionya. klausa Polandia yang menjelaskannya. Uji coba baru dimulai dengan titik fiksasi yang ditampilkan di tengah layar selama sekitar 500 ms, diikuti dengan tampilan gambar pemandangan secara bersamaan. Peserta mendengar rekaman audio dari klausa yang menggambarkan adegan tersebut 250 ms setelah permulaan gambar adegan tersebut sementara gambar tetap dipajang. Percobaan baru kemudian disajikan setelah sekitar 1 detik.

Kami menggunakan pilihan kata kerja ("berjalan"), dengan dua kemungkinan bentuk lampau jamak chodziły (bentuk jamak non-maskulin) dan choli (bentuk jamak maskulin), sebagai tindakan umum dalam semua peristiwa pembelajaran. Contoh klausa yang didengar peserta adalah Chłopiec i kaczka chodzili ("Anak laki-laki dan bebek sedang berjalan"). Tiga kolom pertama pada Tabel 1 memberikan daftar semua karakter yang digunakan dalam eksperimen, beserta kategori linguistiknya dalam hal gender dan animasi; dua kolom terakhir berkaitan dengan rancangan tugas dan akan menjadi relevan di bagian berikutnya.

Gambar yang mewakili karakter manusia dan hewan yang berbeda diekstraksi dari Adobe Stock (https://stock.adobe.com) dan kemudian diedit menggunakan Adobe Photoshop CC 2018. Rekaman audio dari label karakter dan dua bentuk kata kerja disiapkan menggunakan penyintesis ucapan perangkat lunakSpeech2Go (Perangkat Lunak Harpo, 2018).

Kami menyusun tugas kami dengan cara ini untuk menciptakan efek seperti pemblokiran seperti yang biasa terlihat dalam eksperimen pembelajaran Pavlov. Misalnya, penambahan isyarat FA3 dan FP3 ke senyawa "FA1 + FA2" dan "FP1 + FP2," masing-masing, di blok kedua akan mengurangi kekuatan asosiasi yang dapat diperoleh FA3 dan FP3 untuk hasil np. Demikian pula, pelatihan MP1 dan MP2 dengan hasil mp di blok pertama harus menghalangi FA4 memperoleh asosiasi positif dengan mp. Selain memprediksi bahwa FA4 dapat diblokir, kami juga memperkirakan bahwa hal tersebut dapat menjadi penghambat bagi mp, yaitu memperoleh bobot asosiasi negatif dengan mp, seperti yang akan terlihat saat kami menyajikan hasil simulasi model fit.4

Oleh karena itu, kami menyebut FA3 dan FP3 sebagai isyarat yang diblokir, dan FA4 sebagai isyarat penghambat yang diblokir.

Kami mengkategorikan isyarat ke dalam tujuh kategori berbeda berdasarkan sifat linguistiknya dan efek serupa pemblokiran yang diprediksinya (lihat kolom paling kanan pada Tabel 1). Secara khusus, ketujuh kategori tersebut didasarkan pada apakah isyarat tersebut bersifat maskulin atau feminin, apakah bersifat pribadi atau bernyawa, apakah diprediksi akan diblokir atau tidak diblokir, dan apakah diprediksi akan menjadi isyarat yang diblokir. Kemiripan antara isyarat-isyarat dalam masing-masing kategori ini diperkuat oleh fakta bahwa isyarat-isyarat tersebut mempunyai bobot asosiasi yang sama dengan setiap hasil, menurut teori R–W, seperti yang akan ditunjukkan pada bagian Hasil pada bobot asosiasi bentuk kata benda-kata kerja yang dipelajari.

Desain

Pertama, peserta diajari label bahasa Polandia untuk berbagai karakter hewan dan manusia yang digunakan dalam tugas pembelajaran. Secara khusus, peserta disajikan dengan gambar semua karakter beserta labelnya, pertama secara individual dan kemudian dalam kombinasi, seperti yang muncul kemudian dalam tugas pembelajaran (misalnya, seekor anjing; seorang anak laki-laki, seekor anjing, dan seekor monyet). Ada delapan kombinasi karakter tersebut, dan peserta diminta untuk mengingat setidaknya tujuh di antaranya (yaitu, untuk mencapai akurasi retensi 87,5%) sebelum mereka dapat melanjutkan ke tugas utama (lihat Lampiran S2 di Informasi Pendukung online untuk lebih jelasnya). Peserta diizinkan hingga 10 upaya untuk mencapai tingkat akurasi yang diperlukan.

Tugas utama terdiri dari tahap pelatihan dan tes. Rancangan tugas bagian pelatihan dirangkum dalam Tabel 2. Tugas tersebut berisi 12 isyarat dan dua hasil. Tanda "+" menunjukkan bahwa isyarat disajikan dalam gabungan, dan simbol panah "→" menunjukkan bahwa hasil di sisi kanan mengikuti isyarat tersebut. Jadi, misalnya, "FP1 + FP2 + FP3 → np" mewakili klausa seperti Dziewczyna, kobieta i babcia chodziły ("Gadis, wanita, dan nenek sedang berjalan"), di mana subjek klausa terdiri dari tiga karakter perempuan dan kata kerjanya dalam bentuk lampau non-maskulin (np), berbeda dengan bentuk lampau jamak maskulin (mp). Ada dua blok pelatihan, masing-masing berisi empat peristiwa yang diulang sebanyak 15 kali masing-masing. Urutan kejadian diacak sepenuhnya dalam setiap blok. Peristiwa di blok pertama terdiri dari pasangan isyarat, sedangkan peristiwa di blok kedua terdiri dari triple isyarat.

Setelah pelatihan, peserta melanjutkan ke tahap pengujian. Tes ini terdiri dari dua komponen. Dengan menggunakan isyarat yang dihasilkan secara acak dari setiap kategori, kami menguji pembelajaran satu kali pada semua kemungkinan pasangan yang menggabungkan isyarat dari kategori isyarat yang sama (misalnya, FP1 + FP2 dari grup uFP) atau isyarat dari kategori yang berbeda (misalnya, MA{ {2}} FP3 dari grup uMA dan bFP). Kami juga memasukkan empat kombinasi yang terdiri dari isyarat tiga kali lipat yang disajikan dalam fase pelatihan sebagai pemeriksaan kewarasan untuk mengingat peserta (kombinasi ini dikeluarkan dari analisis utama kami). Secara keseluruhan, dalam tahap tes, setiap pembelajar menemukan total 29 kombinasi isyarat, yang dipilih secara acak dari total 70 kemungkinan kombinasi isyarat. (Format dan instruksi persis yang digunakan saat melaksanakan tugas disediakan dalam Lampiran S2 di Informasi Pendukung online, dan daftar semua kombinasi isyarat tes disediakan dalam Lampiran S3.)

Terakhir, mari kita kembali ke pertanyaan mengapa kami mengadopsi aturan KiełkiewiczJanowiak dan Pawelczyk (2014), yang menyatakan bahwa setiap kombinasi subjek yang mengandung rujukan maskulin akan mengambil bentuk jamak pribadi maskulin. Pertama, memiliki kombinasi "MA1 + MA2 + MA3" yang dikaitkan dengan "mp" dan bukan "np" memungkinkan untuk memiliki jumlah kejadian mp dan np yang seimbang baik dalam tugas penuh maupun dalam setiap blok . Hal ini mengurangi kemungkinan munculnya bias apa pun terhadap np murni karena desainnya. Kedua, hal ini memungkinkan kami untuk memiliki kombinasi yang lebih menantang yang dapat menyelidiki pembelajaran peserta dengan lebih baik, terutama kombinasi yang memadukan isyarat feminin dan maskulin.

Analisis

Dari tugas pembelajaran, data dari tiga peserta dibuang karena mereka terus-menerus memilih respons yang sama selama fase tes (27 atau lebih dari 29 respons; yaitu, nilai > 93%).5 Untuk menganalisis pilihan peserta dan waktu respons, kami menggunakan campuran yang digeneralisasikan. -pemodelan efek. Data berisi pengukuran berulang dari partisipan dan item yang sama pada beberapa uji coba, oleh karena itu kami menambahkan efek acak untuk partisipan dan item (yaitu, kombinasi isyarat dalam fase pengujian). Kami memilih struktur efek acak model dengan menggunakan strategi top-down yang dimulai dengan semua titik potong dan kemiringan acak, lalu menghilangkan efek acak tingkat tinggi selangkah demi selangkah berdasarkan skor kriteria informasi Akaike. Kami menjalankan model efek campuran di R (R Core Team, 2019) menggunakan paket lme4; nilai p diperoleh dengan menggunakan paket terbesar berdasarkan perkiraan Satterthwaite, dan tabel ringkasan model dihasilkan menggunakan paket sjPlot. Untuk menentukan signifikansi statistik, kami menggunakan tingkat alfa 0,05. Dalam analisis waktu respons, kami menggunakan metode Box – Cox seperti yang diterapkan pada carpackage untuk mengubah distribusi menjadi normal dan memfasilitasi pemodelan statistik.

Kuesioner Pengetahuan Eksplisit dan Demografis

Setelah menyelesaikan tugas pembelajaran bahasa, peserta mengisi kuesioner yang menanyakan apakah mereka menggunakan aturan eksplisit untuk memutuskan kapan menggunakan kedua bentuk kata kerja tersebut, dan jika ya, aturan apa saja yang digunakan. Kuesioner ini juga mengumpulkan informasi tentang jenis kelamin peserta, usia mereka, bahasa yang mereka gunakan (selain bahasa Inggris), dan tingkat pendidikan tertinggi mereka. Daftar lengkap pertanyaan yang digunakan dalam kuesioner tersedia di Lampiran S4 di Informasi Pendukung online. Kami berfokus secara khusus pada peran usia dan gender dalam menjelaskan perbedaan individu yang diamati ketika menyesuaikan model R–W dengan data. Hal ini karena usia dan jenis kelamin terbukti mempengaruhi pembelajaran asosiatif dan penguasaan bahasa kedua. Misalnya, Mutter dkk. (2012) menunjukkan bahwa asosiasi isyarat-hasil lebih kecil kemungkinannya diperoleh oleh orang dewasa yang lebih tua dibandingkan orang dewasa muda. Juga diketahui bahwa orang dewasa yang lebih tua kurang efektif dalam mempelajari bahasa kedua dibandingkan orang dewasa muda (untuk tinjauan ulang, lihat Muñoz & Singleton, 2011) dan mengalami lebih banyak kesulitan dalam produksi bahasa (Burke & Shafto, 2004). Beberapa penelitian juga melaporkan bahwa perempuan menunjukkan tingkat pengkondisian yang lebih tinggi dalam tugas pembelajaran asosiatif (Lonsdorf et al., 2015; Merz et al., 2018) dan memperoleh bahasa lebih efektif (Adani & Cepanec, 2019; van der Slik et al., 2015) dibandingkan laki-laki .

Di samping tugas pembelajaran utama, kami menyertakan tugas standar kemampuan belajar implisit dan salah satu memori kerja (WM). Kami memilih dua tugas ini karena keduanya menangkap sifat-sifat penting dari pengaturan pembelajaran: (a) fakta bahwa tidak ada instruksi eksplisit yang diberikan; dan (b) fakta bahwa fenomena linguistik dapat dianggap terputus-putus dalam hal sifat-sifat (konstelasi) agen, yang disebutkan pertama, menentukan akhiran lampau mana yang akan digunakan pada kata kerja, yang disebutkan kedua, sehingga beberapa pemeliharaan agen -Informasi terkait dalam memori diperlukan. Karena ukuran kemampuan pembelajaran implisit kami tidak standar dan tidak memainkan peran penting dalam model kami, kami melaporkan tugas ini dalam Lampiran S5 di Informasi Pendukung online.

Tugas Memori Kerja

Rangsangan

Untuk mengukur kapasitas WM peserta, kami menggunakan versi uji rentang operasi yang sedikit dimodifikasi (Turner & Engle, 1989) yang digunakan oleh Medimorec et al.(2021). Dalam setiap percobaan, peserta diminta untuk menyimpan daftar angka (antara 1 dan 9) yang disajikan satu per satu. Setiap penyajian digit berlangsung selama 1 detik dan diikuti dengan operasi matematika sederhana yang bisa benar atau salah (50% operasi matematika benar). Peserta harus memverifikasi kebenaran operasi matematika sebelum digit berikutnya dapat ditampilkan. Di akhir setiap percobaan, mereka harus mengetikkan angka-angka dalam urutan yang sama seperti yang telah disajikan kepada mereka. Panjang daftar digit bertambah secara bertahap dari dua menjadi delapan, dengan masing-masing panjangnya diulang tiga kali. Oleh karena itu, tugas ini terdiri dari 21 percobaan.

Analisis

Kami menghitung rentang WM masing-masing peserta dengan terlebih dahulu menjumlahkan jumlah item yang benar yang mereka ingat dalam urutan yang benar dan kemudian mentransformasikan skor yang diperoleh dengan z. Kami mengecualikan satu peserta yang skor WM-nya terputus-putus dari sisa sampel (skor WM mereka adalah −4,3 standar deviasi dari rata-rata, sedangkan skor WM terjauh kedua adalah −1,8 standar deviasi dari rata-rata).

Pemodelan Komputasi

Persamaan Rescorla – Wagner

Model R–W (Rescorla & Wagner, 1972) menjelaskan secara komputasi bagaimana hubungan antara isyarat dan hasil dibangun. Dalam konteks percobaan kami, isyarat adalah label Polandia dan gambar salah satu karakter manusia atau hewan yang muncul dalam adegan pada percobaan tertentu, dan hasilnya adalah bentuk kata kerja yang menggambarkan tindakan umum mereka. Misalnya, klausa Chłopiec,m ˛ezczyzna i małpa chodzili ˙ ("Anak laki-laki, laki-laki, dan monyet sedang berjalan") memiliki isyarat chłopiec, m ˛ezczyzna ˙ , dan małpa, dan sebagai hasil chodzili. Dalam kasus kami, bobot asosiasi (atau kekuatan) mengukur kecenderungan bentuk kata kerja yang muncul dengan adanya kata benda tertentu.

Setelah menemukan klausa, pelajar memperbarui bobot asosiasi antara isyarat ci dan hasil o, bergantung pada apakah isyarat dan hasil muncul dalam kalimat, menggunakan aturan koreksi tipe delta:

Subskrip t mengacu pada percobaan ini, sehingga wt (ci, o) adalah kekuatan asosiasi antara ci dan o pada percobaan t. dan menunjukkan kecepatan pembelajaran untuk masing-masing isyarat ci dan hasil o. λ mengacu pada keterhubungan maksimum dengan suatu hasil dan hampir selalu ditetapkan ke 1.

Berdasarkan persamaan tersebut, ada tiga kasus yang menentukan bagaimana bobot asosiasi disesuaikan:

1. Jika isyarat tidak ada, kami tidak menyesuaikan bobotnya.

2. Jika isyarat dan hasil keduanya ada, maka hal ini memberikan bukti positif yang seharusnya memperkuat bobot asosiasi, dan jumlah bobot isyarat yang ada dalam peristiwa saat ini disesuaikan menuju nilai keterhubungan maksimum.3. Jika isyarat ada tetapi hasilnya tidak diamati, maka hal ini memberikan bukti negatif yang seharusnya melemahkan bobot asosiasi, dan jumlah bobot disesuaikan ke arah 0.

Untuk implementasi model ini, kami menggunakan paket yang dikembangkan sebagai bagian dari studi oleh Milin et al. (2020).

Memprediksi Pilihan Dari Model

Untuk menghasilkan pilihan bentuk kata kerja (atau dalam terminologi model, suatu hasil) dari model yang diberikan serangkaian isyarat tertentu, pertama-tama kita menghitung aktivasi setiap bentuk dengan menjumlahkan bobot asosiasi antara bentuk dan masing-masing isyarat yang relevan. Respons yang diprediksi dari model tersebut kemudian menjadi bentuk yang memiliki aktivasi tertinggi. Misalnya, jika pada uji coba tertentu pada tahap tes, ada adegan yang berisi gadis dan monyet, maka aktivasi bentuk jamak maskulin (mp; chodzili) dan jamak non-maskulin (np; chodziły) dihitung sebagai berikut:

dimana untuk rumusnya, kami menggunakan bobot akhir yang diperoleh pada akhir fase pelatihan dan karenanya menghilangkan subskrip uji coba (tidak ada pembelajaran yang terjadi pada fase pengujian). Jika aktif (np) > aktif (mp), model akan memprediksi bentuk np, dan sebaliknya, model akan memprediksi bentuk mp.

Prosedur Pemasangan Model

Dalam simulasi kami, kami berasumsi bahwa λ=1 dan=1 dan menganggap kecepatan pembelajaran sebagai parameter bebas untuk diperkirakan untuk setiap peserta (selanjutnya, setiap kali kami mengacu pada kecepatan pembelajaran, kami akan selalu mengacu pada parameter). Secara khusus, kami menjalankan 50 simulasi komputer per peserta menggunakan pencarian grid mulai dari 0,01 hingga 0,50. Dalam setiap simulasi, kami memprogram agen virtual untuk berperilaku sesuai dengan model R–W dan menyajikannya dengan uji coba pelatihan yang sama dengan peserta yang riwayat pembelajarannya ingin kami modelkan. Dari model yang dilatih, kami kemudian menghasilkan pilihan bentuk untuk uji coba yang sama dengan model tersebut. ditemui peserta pada tahap tes. Kami akhirnya memilih kecepatan pemelajaran (dan juga modelnya) yang memaksimalkan tingkat kecocokan antara respons yang diamati peserta dan respons yang diprediksi model (yaitu, proporsi soal tes yang modelnya menghasilkan respons yang sama dengan peserta didik). Karena model yang paling sesuai tidak dapat diidentifikasi, dimana dalam beberapa kasus lebih dari satu nilai kecepatan pemelajaran memaksimalkan tingkat kecocokan, kami memilih median kecepatan pemelajaran sebagai parameter terbaik.

Evaluasi Model

Untuk membantu menjelaskan data perilaku partisipan, kami memperoleh pengukuran berbasis aktivasi dari model R–W yang sesuai, yang kami sebut sebagai dukungan aktivasi untuk suatu hasil. Ukuran ini bertujuan untuk menjelaskan pilihan bentuk dan waktu respons peserta dan didefinisikan sebagai perbedaan antara pengaktifan hasil yang diinginkan dan pengaktifan hasil yang tersisa. Misalnya, dukungan aktivasi untuk bentuk jamak non-maskulin (np) diberikan sebagai berikut:

dukungan aktivasi (np)=aktif (np) − aktifkan (mp)

Kami berhipotesis bahwa semakin tinggi dukungan aktivasi untuk suatu bentuk kata kerja (yaitu, semakin kuat bukti dari model yang mendukung bentuk kata kerja tersebut relatif terhadap kemungkinan bentuk lainnya), semakin tinggi kemungkinan bentuk tersebut dipilih oleh peserta. Kami juga memperkirakan bahwa besarnya dukungan aktivasi akan berkorelasi negatif dengan waktu respons peserta. Dengan kata lain, semakin tinggi besaran ukuran ini, semakin cepat pula respons peserta. Hal ini harus diterjemahkan ke dalam hubungan kuadrat antara dukungan aktivasi dan waktu respons, dengan respons paling lambat diharapkan ketika nilai dukungan aktivasi mendekati nol, dan respons tercepat diharapkan jika nilai positif atau negatifnya tinggi.

Hasil

Bagian ini mengevaluasi sejauh mana model R–W menjelaskan perilaku peserta kami dengan memasangkan model terpisah ke data masing-masing peserta, dan menguji apakah kualitas kesesuaian model dipengaruhi oleh perbedaan individu seperti rentang WM, usia, dan jenis kelamin. Kami pertama-tama menyajikan beberapa hasil deskriptif mengenai bobot asosiasi model yang dipasang, yang merangkum pengetahuan linguistik yang diperoleh peserta dalam tugas pembelajaran bahasa. Selanjutnya, kami membandingkan kualitas kecocokan model tersebut dengan strategi respons lain yang masuk akal namun berbasis aturan. Kami kemudian secara berturut-turut menyajikan analisis yang menilai kapasitas model dalam memulihkan pilihan bahasa peserta, latensi waktu, dan tingkat kesepakatan respons. Pengaruh karakteristik kognitif dan pribadi terhadap sejauh mana model R–W menangkap pembelajaran bahasa dianalisis di akhir bagian Hasil.

Bobot Asosiasi Bentuk Kata Benda–Kata Kerja yang Dipelajari

Mengikuti prosedur kecocokan yang dijelaskan sebelumnya di bagian pemodelan komputasi, kami memilih model yang paling menangkap pilihan yang dibuat setiap peserta selama uji coba, dengan menemukan parameter kecepatan pemelajaran yang "benar" (lihat Lampiran S6 di Informasi Pendukung online). Masing-masing peserta sebagian besar dicirikan oleh dua rezim akurasi model fit: satu untuk kecepatan pembelajaran berkisar antara 0,05 dan 0,11, dan satu untuk kecepatan pembelajaran antara 0,12 dan 0,50 (dengan beberapa pengecualian, seperti untuk Peserta 12, 19, 27, dan 35 , yang memiliki tiga rezim akurasi), dan tidak satu pun dari kedua rezim tersebut yang secara konsisten menghasilkan akurasi kesesuaian model yang lebih baik. Secara keseluruhan, meskipun penjelasan variabilitas dalam pilihan yang disumbangkan oleh parameter kecepatan pembelajaran terbatas, melakukan penyesuaian oleh peserta untuk parameter tersebut masih bermanfaat dan memberikan wawasan: Kami mengamati bahwa tidak ada satu nilai kecepatan pembelajaran yang menghasilkan akurasi kecocokan model tertinggi untuk semua peserta. Dengan kata lain, nampaknya terdapat perbedaan yang besar antar individu dalam kecepatan belajar. Gambar 2 menggambarkan distribusi bobot asosiasi yang diperoleh dari semua kemungkinan pasangan bentuk kata benda-kata kerja dari model yang paling sesuai.

Secara keseluruhan, distribusi bobot asosiasi serupa dalam setiap kategori isyarat (misalnya, MA1, MA2, dan MA3 dalam kategori uMA), sehingga memperkuat pengelompokan isyarat berdasarkan gender gramatikal dan animasi kata benda yang diwakilinya. Kedua, dan tidak mengejutkan, isyarat-isyarat maskulin (yang tidak diblokir) memperoleh bobot asosiasi positif dengan bentuk jamak maskulin (yaitu, isyarat-isyarat ini lebih cenderung menghasilkan pilihan untuk bentuk jamak maskulin), sedangkan isyarat-isyarat feminin yang tidak diblokir memperoleh bobot asosiasi positif dengan bentuk non-maskulin (yaitu, isyarat-isyarat ini lebih cenderung menghasilkan pilihan bentuk jamak non-maskulin). Besaran bobot juga berbeda antar peserta untuk sebagian besar isyarat, sehingga menciptakan alat potensial untuk menangkap perbedaan individu dalam data kami.

Seperti yang diperkirakan oleh pemblokiran (standar), bobot hubungan antara isyarat yang diblokir feminin (yaitu, FA3 dan FP3) dan bentuk non-maskulin lebih berpusat di sekitar nol dibandingkan isyarat yang tidak diblokir (lihat panel untuk FA3 dan FP3 pada Gambar 2). Namun, pemblokiran tersebut belum sepenuhnya tercermin dalam bobot yang diperoleh, karena bagi banyak peserta, bobot asosiasi antara isyarat feminin yang diblokir dan bentuk non-maskulin berbeda dari nol. Efek penghambatan seperti pemblokiran (yaitu, bobot negatif antara FA4 dan bentuk jamak maskulin) muncul pada sekitar sepertiga peserta. Bagi peserta yang tersisa, FA4 lebih seperti isyarat standar yang diblokir karena bobot hubungannya dengan bentuk maskulin adalah sekitar nol. Secara keseluruhan, efek seperti pemblokiran menunjukkan kecenderungan ke arah yang diprediksi.

Kami berasumsi bahwa besarnya relatif kecil ini karena percobaan kami menangkap fase awal pembelajaran, di mana pemaparan rangsangan hanya diulangi sebanyak 15 kali. Hipotesis ini dikonfirmasi dengan menjalankan kembali simulasi yang disajikan pada Gambar 2, sekarang dengan 1,000 pengulangan per kejadian, seperti yang ditunjukkan pada Lampiran S7 di Informasi Pendukung online; efek pemblokiran dan penghambatan terjadi pada semua peserta, apa pun kecepatan pembelajaran atau urutan peristiwanya. Hasil ini mengkonfirmasi apa yang kami tunjukkan sebelumnya. Bias dan perbedaan dalam pembelajaran lebih mungkin terwujud sejak awal pembelajaran (Ellis, 2006a).

Tarif Kecocokan Peserta–Model

Selanjutnya, kami menyelidiki sejauh mana perbedaan pembelajaran ini dapat ditangkap oleh model R–W jika kita memperhitungkan urutan peristiwa yang dihadapi oleh masing-masing peserta serta perbedaan dalam kecepatan pembelajaran mereka. Akurasi kesesuaian model (yaitu, proporsi kecocokan antara tanggapan dari peserta tertentu dan model R–W yang paling sesuai) berkisar antara 0,24 hingga 1.00 (M=.68,SD { {6}} .17): 17 dari 63 peserta memiliki akurasi kecocokan lebih besar dari atau sama dengan 0,80, dan hanya sembilan peserta yang memiliki proporsi kecocokan lebih rendah dari 0,50. Mengevaluasi kesesuaian model menggunakan validasi silang tinggalkan satu keluar6 menunjukkan bahwa akurasi kecocokan model sama tingginya pada data yang tidak terlihat, dengan akurasi rata-rata 0,68 (SD=0,17) dan 17 dari 63 peserta mencapai akurasi kecocokan Lebih Besar dari atau sama dengan 0,80. Tingkat keakuratan kecocokan adalah yang tertinggi untuk peristiwa yang berisi isyarat pribadi maskulin (M=.74) atau isyarat pribadi feminin yang tidak diblokir (M=.68), dan terendah untuk peristiwa yang berisi isyarat penghambat yang diblokir (M=.61) atau isyarat bernyawa (semua berarti≈ .65).

Hasil ini menunjukkan kesesuaian yang cukup baik antara model R–W dengan data peserta, mengingat kami mempertimbangkan strategi sederhana untuk menghasilkan prediksi respons berdasarkan aktivasi model—yaitu, untuk setiap peristiwa, kami memilih bentuk kata kerja yang memiliki aktivasi tertinggi. terlepas dari perbedaan besaran aktivasi dari dua kemungkinan bentuk kata kerja. Kami kemudian akan menganalisis sensitivitas aktivasi model yang dipasang terhadap proporsi pilihan bentuk yang diamati dan waktu respons.

Perbandingan Antara Model Rescorla – Wagner dan Strategi Keputusan Lainnya

Hasil yang disajikan di atas menunjukkan bahwa model R–W menangkap perilaku peserta dengan cukup baik, namun bagaimana model tersebut dibandingkan dengan strategi lain yang mungkin digunakan peserta selama percobaan? Untuk menjawab pertanyaan ini, kami mempertimbangkan empat strategi pengambilan keputusan. Dua strategi pertama adalah strategi preskriptif dan normatif yang kami sajikan sebelumnya. Strategi preskriptif adalah strategi yang dijelaskan, atau ditentukan, dalam buku tata bahasa Polandia, yang mana partisipan selalu memilih bentuk kata kerja non-maskulin kecuali jika ada isyarat pribadi yang bersifat maskulin (kami juga menyebut strategi ini sebagai strategi "bias feminin"). Strategi normatif adalah strategi yang umumnya diadopsi oleh penutur asli bahasa Polandia, di mana bentuk kata kerja maskulin selalu dipilih kecuali jika semua isyarat bersifat feminin (disebut sebagai strategi "bias maskulin"). Kami juga menyertakan dua strategi dasar, dimana peserta selalu memilih bentuk kata kerja maskulin (disebut sebagai strategi "khusus maskulin") atau selalu memilih bentuk kata kerja non-maskulin (disebut sebagai strategi "khusus feminin"). Dua strategi terakhir dimasukkan untuk menangkap perilaku ekstrem peserta.

Gambar 3 menampilkan proporsi peserta yang paling sesuai dengan masing-masing dari lima model yang dihasilkan (R–W dan empat strategi pengambilan keputusan kami); kami menganggap model dengan tingkat kecocokan peserta-model tertinggi di antara lima model sebagai model yang paling sesuai. Model R–W merupakan model yang paling mampu menjelaskan tanggapan peserta (31 dari 63 peserta), diikuti oleh strategi normatif (26 peserta). Tiga strategi lainnya menjelaskan pilihan partisipan dengan kurang baik dibandingkan kedua strategi tersebut (< 12 participants). The fact that the R–W model and the normative strategy were close in capturing participants' behavior is not very surprising since the verb forms used in the training events were selected based on the normative rules and the predictions of the R–W model were largely by the normative strategy (Figure 3). It is interesting, though, that the R–W model managed to learn this strategy implicitly without any prior experience based on a simple general learning rule. The average percentage of response matches between the R–W model and the normative strategy per participant was above 90%, and the average percentage of response matches between the R–W model and the prescriptive strategy was above 85%.

For more information:1950477648nn@gmail.com