2. A statisztikai tanulás jelensége és vizsgálati módszerei

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az anyanyelv elsajátítása számos kognitív folyamatra épül: például a rövid távú memória, a figyelem, a végrehajtó funkciók, a fonémafeldolgozás és a tudatelmélet egyaránt meghatározó tényezők. Az elmúlt évtizedek kutatásai (pl. Gabay–Holt 2015; Vandermosten et al. 2019; Yu 2008; Spencer et al. 2015; Evans et al. 2009; Mainela-Arnold–Evans 2014; Kidd 2012; Kidd–Arciuli 2016; Misyak– Christiansen 2012) szerint a statisztikai tanulás (ST) – az a képesség, amelyen keresztül spontán módon kiemeljük a környezeti ingerekben ismétlődő mintázatokat, szabályszerűségeket és gyakori együttjárásokat – szintén a nyelvelsajátítás egyik alapvető mechanizmusa, amit számos, a nyelv és az ST összefüggéseit mutató empirikus adat (pl. Misyak–Christiansen 2012; Misyak et al. 2010; Conway et al. 2010) is alátámaszt.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az ST elméleti konstruktuma Saffran és munkatársai (1996) irányadó cikkéből származik. Ennek a meghatározó jelentőségű kísérletnek az eredményei szerint a 8 hónapos csecsemők képesek szavakat kiemelni egy olyan folyamatos szótagfolyamból, amelyben a szóhatárokat pusztán az átmenetvalószínűségek jelzik. Az átmenetvalószínűségek értéke azt mutatja meg, hogy egy adott (X ) elemet – ebben az esetben szótagot vagy fonémát – mekkora valószínűséggel követ egy másik (Y ) elem. Kiszámítási módját az alábbi képlet mutatja.
 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

 

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Minél nagyobb a szótagok és a fonémák között az átmenetvalószínűség, annál valószínűbb, hogy egy szón belül, egymás mellett fordulnak elő, míg a különálló szavakban előforduló szótagok között viszonylag alacsony ez az érték. Például az a kutya fut szótagsor esetében az átmenetvalószínűség a ku és a tya szótagok között viszonylag magas, míg a tya és a fut szótagok között jóval alacsonyabb. Ez az átmenetvalószínűségi információ azért fontos, mert segíti a folyamatos akusztikus adatfolyam megfelelő szegmentálását, vagyis azt, hogy az akutyafut szótagfolyamot a kutya fut szósorként értelmezzük ak uty afut helyett. Mára Saffranék szószegmentálást vizsgáló paradigmája, amely az átmenetvalószínűségekre való érzékenységre építve modellezi a lexikai egységek statisztikai tanulását, általánosan használt ST feladattá vált. Számos későbbi vizsgálat erősítette meg, hogy a csecsemők képesek pusztán átmenetvalószínűségekre támaszkodva szóhatárokat kiemelni (pl. Saffran et al. 1996a,b; Estes et al. 2007; Johnson–Tyler 2010).

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az ST-feladatok általában a nyelv egy adott aspektusának elsajátítását modellezik. A leggyakrabban használt teszt a fent idézett szószegmentálási feladat, amely a szóhatárok átmenetvalószínűségekre támaszkodó kiemelését modellezi. Ebben a feladatban a résztvevők akusztikusan bemutatott szótagok/hangok vagy vizuálisan bemutatott szótagok/szimbólumok szünet nélküli folyamát hallgatják. A folyamon belül az ingerek véletlenszerű sorrendben megjelenő hármas egységekben, ún. tripletekben ismétlődnek. Ez az elrendezés azt eredményezi, hogy a tripleteken belül egymás mellett álló szótagok átmenetvalószínűsége 1 (vagyis 100%-os valószínűséggel állnak egymás mellett), a tripletek közötti átmenetvalószínűség, vagyis annak valószínűsége, hogy egy adott triplet utolsó elemét egy bizonyos triplet első eleme kövessen, ennél jóval alacsonyabb (100/n − 1%). Erre a statisztikai információra támaszkodva a résztvevők képesek kiemelni a szorosabban összetartozó tripleteket, mintha csak egy beszédfolyamból emelnék ki a szavakat. Erre utal például, ha a szabályos szekvenciákat bemutató tréninget követően egy kényszerválasztásos feladatban (amelyben a résztvevőknek preferencia- vagy jólformáltság-ítéleteket kell hozniuk) a tanulók szignifikánsan gyakrabban választják a magas átmenetvalószínűségeket mutató tripleteket az alacsony átmenetvalószínűségeket mutató tripletekkel szemben. Számos tanulmány vizsgálta az ST és a nyelvi képességek közötti összefüggést ezzel a feladattal, és talált együttjárásokat a nyelvi szinttől függetlenül (tipikus fejlődésben pl. Arciuli–Simpson 2012; Torkildsen et al. 2019; Spencer et al. 2015; fejlődési diszlexiában pl. Gabay et al. 2015; Tong et al. 2019; Sigurdardottir et al. 2017; nyelvfejlődési zavarban pl. Evans et al. 2009; Mainela-Arnold–Evans 2014; Haebig et al. 2017; Ahufinger et al. 2017).

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A nyelvtani képességek és az ST kapcsolatának vizsgálatára a mesterségesnyelvtan-tanulási feladatok használata tűnik a legalkalmasabbnak. A mesterségesnyelvtan-tanulási feladatok azt modellezik, hogy az egyének hogyan emelnek ki mintázatokat a szintaktikailag összetett ingerekből. A feladat során egy miniatűr mesterséges nyelv jól formált mondatainak sorozatait nézik/hallgatják a résztvevők, mely bemutatás során elsajátítják a mesterséges nyelvtan szabályait. A szegmentálási paradigmához viszonyítva fontos eltérés, hogy a mesterségesnyelvtan-tanulási paradigmában egyértelműek a szóhatárok, vagyis a nyelv elemei egymástól elválasztva kerülnek bemutatásra. A bemutatást követően a résztvevőknek az adott mesterséges nyelv elemeiből alkotott szabályos és szabálytalan szekvenciákról kell grammatikalitási döntést hozniuk, vagyis azt megítélni, hogy a bemutatott szósor szabályos vagy szabálytalan mondata az adott nyelvnek. Ezt a módszert is számos kutatásban alkalmazták már (tipikus fejlődésben pl. Conway et al. 2010; Misyak–Christiansen 2012; fejlődési diszlexiában pl. Kahta–Schiff 2016; 2019; Nigro et al. 2016; Pavlidou et al. 2009; 2010; van Witteloostuijn et al. 2019; Inácio et al. 2018; nyelvfejlődési zavarban pl. Lukács–Kemény 2014; Hall et al. 2017; Gillis et al. 2022). A szegmentálási feladathoz hasonlóan a mesterségesnyelvtan-tanulási feladat is alkalmazható mind a vizuális (pl. írott szavak/képek bemutatásával), mind pedig az akusztikus modalitásban (pl. szavak/hangok bemutatásával), valamint nyelvi és nemnyelvi területen is.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

A természetes nyelvek gyakran tartalmaznak olyan nyelvtani struktúrákat, melyekben távoli elemek között állnak fenn statisztikai együttjárások. A távoli függőségek feladat (tipikus fejlődésben pl. Lammertink et al. 2019; Misyak et al. 2010; fejlődési diszlexiában pl. van Witteloostuijn et al. 2019; nyelvfejlődési zavarban pl. Hsu et al. 2014; Lammertink et al. 2020) kifejezetten az ilyen jellegű távoli függőségek elsajátítását modellezi. A feladat szerkezete a mesterségesnyelvtan-tanulási feladatok struktúráját követi azzal a megszorítással, hogy ebben az esetben a bemutatott mondatok AxB struktúrában épülnek fel, amelyben A és B konkrét és minden egyes mondatban együttesen előforduló távoli elemeket jelölnek, míg x egy adott nagyobb halmaz bármely eleme lehet.

Jegyzet elhelyezéséhez, kérjük, lépj be.!

Az ST és a nyelvi képességek kapcsolatát alátámasztó érvek két forrásból származnak. Egyrészt olyan tanulmányokból, amelyek a két funkcióban fennálló egyéni különbségek összefüggéseit vizsgálják a neurotipikus populációban (szakirodalmi áttekintésért l. Siegelman et al. 2020), másrészt olyan atipikus nyelvfejlődéssel jellemezhető fejlődési zavarok vizsgálatából, mint a fejlődési diszlexia (pl. van der Kleij et al. 2019; metaelemzésért l. van Witteloostuijn et al. 2017), és a nyelvfejlődési zavar (developmental language disorder, pl. Ahufinger et al. 2021; 2022; Gillis et al. 2022). A következő két pontban e két terület empirikus eredményeit ismertetjük.
 
Tartalomjegyzék navigate_next
Keresés a kiadványban navigate_next

A kereséshez, kérjük, lépj be!
Könyvjelzőim navigate_next
A könyvjelzők használatához
be kell jelentkezned.
Jegyzeteim navigate_next
Jegyzetek létrehozásához
be kell jelentkezned.
    Kiemeléseim navigate_next
    Mutasd a szövegben:
    Szűrés:

    Kiemelések létrehozásához
    MeRSZ+ előfizetés szükséges.
      Útmutató elindítása
      delete
      Kivonat
      fullscreenclose
      printsave