آليات تصحيح الأخطاء في تعلم اللغة: نمذجة الأفراد الجزء الأول

خلاصة:

منذ اعتماده لأول مرة كنموذج حسابي لتعلم اللغة، تراكمت الأدلة على أن تعلم تصحيح الأخطاء Rescorla-Wagner (Rescorla &Wagner, 1972) يجسد عدة جوانب من معالجة اللغة. في حين أن الدراسات السابقة قدمت دعمًا عامًا لقاعدة ريسكورلا-واغنر باستخدامها لشرح سلوك المشاركين عبر مجموعة من المهام، فإننا نركز على اختبار التنبؤات الناتجة عن النموذج في مهمة تعلم لغة طبيعية مضبوطة ونصمم البيانات على مستوى المتعلم الفردي .

هناك علاقة وثيقة بين تعلم اللغة والذاكرة. عند تعلم لغة جديدة، لا نحتاج فقط إلى إتقان قواعدها ومفرداتها، بل نحتاج أيضًا إلى حفظ العديد من الكلمات والتعبيرات. ولذلك، تلعب الذاكرة دورًا مهمًا في عملية تعلم اللغة.

تعلم اللغة يمكن أن يقوي الذاكرة. أظهرت العديد من الدراسات أن تعلم لغة جديدة يمكن أن يحفز النشاط العصبي في الدماغ، ويعزز عملية التمثيل الغذائي في القشرة الدماغية، وبالتالي تقوية الذاكرة. تعلم لغة جديدة يمكن أن يحفز أيضًا الشبكة العصبية للدماغ، مما يجعله أكثر صحة ويحسن القدرات المعرفية والذكاء والتفكير المنطقي.

تعلم اللغة يتطلب التكرار والممارسة. يمكن أن يؤدي ربط التحدث والاستماع والقراءة بشكل متكرر إلى تعميق الانطباع وجعل الأشياء لا تُنسى. وفي الوقت نفسه، من خلال التواصل مع الآخرين، يمكننا حفظ الكلمات والعبارات الجديدة بشكل أفضل، والتعرف على البيئات والثقافات اللغوية المختلفة، وتعميق فهمنا للغة.

يتيح لنا تعلم اللغة أيضًا تغيير طريقة تفكيرنا، ويعزز مرونة التفكير والإبداع، ويحسن الذاكرة. في الوقت نفسه، يمكننا أيضًا إجراء تعلم اللغة وتدريب الذاكرة من خلال الاستماع إلى الموسيقى ومشاهدة الأفلام وقراءة الأدب الصيني والأجنبي وما إلى ذلك، والتعلم بطرق مختلفة، واللعب أثناء التعلم لجعل عملية التعلم أكثر إثارة للاهتمام، وزيادة التعلم الفائدة، وتحسين الذاكرة.

لذلك، عند تعلم لغة ما، يمكننا استخدام مجموعة متنوعة من الأساليب للممارسة، والتركيز على أنشطة وتمارين الذاكرة، وابتكار أساليب وأساليب التعلم باستمرار، وتعزيز تدريب الذاكرة لتحسين تأثيرات التعلم وتحسين الذاكرة. يمكن ملاحظة أننا بحاجة إلى تحسين ذاكرتنا. يمكن لـ Cistanche deserticola أن يحسن الذاكرة بشكل كبير لأن Cistanche deserticola هي مادة طبية صينية تقليدية لها العديد من التأثيرات الفريدة، أحدها هو تحسين الذاكرة. تأتي فعالية اللحم المفروم من المكونات النشطة العديدة التي يحتوي عليها، بما في ذلك الأحماض والسكريات والفلافونويد وما إلى ذلك. ويمكن لهذه المكونات تعزيز صحة الدماغ بعدة طرق.

انقر فوق تعرف على 10 طرق لتحسين الذاكرة

من خلال ضبط معلمات النموذج لتناسب الاختيارات السلوكية للمشاركين، بدلاً من ملاءمة نموذج واحد للجميع باستخدام مجموعة واحدة من المعلمات الافتراضية، نظهر أن النموذج يلتقط بدقة اختيارات المشاركين، وزمن الوصول، ومستويات اتفاق الاستجابة. نظهر أيضًا أن سعة الذاكرة العاملة والجنس تؤثر على مدى استيعاب نموذج ريسكورلا-واغنر لتعلم اللغة.

الكلمات الدالة

تعلم اللغة؛ تعلم تصحيح الأخطاء؛ نموذج ريسكورلا-فاغنر؛ التشكل؛ اتفاق.

مقدمة

نحن البشر نتشارك مع الأنواع الأخرى في العديد من آليات التعلم الأساسية التي تسمح لنا بالتكيف مع بيئتنا (Rescorla، 1988). تتضمن هذه الآليات، من بين أمور أخرى، الإشراط الكلاسيكي (أي الإشراط البافلوفي؛ بافلوف، 1927)، الإشراط الآلي (أيضًا الإشراط الفعال؛ سكينر، 1938)، وأشكال التعلم الاجتماعي، مثل التعلم غير المباشر (باندورا، 1962).

إن القدرة على التعلم البشري الأكثر تميزًا هي تعلم اللغة، والذي يتضمن أيضًا النقل الفعال عبر الأجيال، وهو أمر أساسي للاندماج والتماسك الاجتماعي. ومع ذلك، في حين أن آليات التعلم الأساسية مفهومة جيدًا نسبيًا، إلا أن تعلم اللغة يظل لغزًا كبيرًا (Ambridge & Lieven, 2011). محاولة مبكرة قام بها سكينر (1957) لتفسير تعلم اللغة باستخدام نفس المبادئ التي تحكم المهام المعرفية ذات المستوى الأدنى، تم سحقها من قبل تشومسكي (1959).

خلال الجزء الأكبر من ما تبقى من القرن العشرين، كان يُنظر إلى اللغة على أنها نظام فطري إلى حد كبير، تحكمه قواعد ويتم التعامل معه من خلال بنية معرفية بشرية ومتخصصة فريدة من نوعها. تم تصور هذه البنية في البداية كأداة لاكتساب اللغة ثم امتدت لاحقًا لتصبح قواعد عالمية.

وقد تم تحدي هذا الرأي السائد من جانبين في وقت واحد. أدى ظهور اللغويات القائمة على الاستخدام في الثمانينيات (Langacker, 1987) إلى تعزيز وجهة نظر اللغة باعتبارها نظامًا ديناميكيًا واحتماليًا، ناتجًا عن القدرات المعرفية العامة التي تعمل على مدخلات اللغة (D ˛abrowska & Divjak, 2015). يتوافق هذا الرأي بشكل جيد مع الأطر الاتصالية، التي أظهرت أن السلوك الشبيه بالقواعد يمكن أن ينشأ من التعرض للاستخدام وحده وأن المعرفة اللغوية حساسة لخصائص المدخلات (Plaut & Gonnerman, 2000; Seidenberg & McClelland, 1989). '

يمكن القول إن الترابطية مهدت الطريق لتغييرات في التنظير أيضًا، نحو رؤية اللغة باعتبارها متعلمة مثل أي مهارة أخرى، وشهدت أوائل العقد الأول من القرن الحادي والعشرين بداية إعادة دمج المبادئ الأساسية للتعلم في مجموعة العمل على اللغة (على سبيل المثال، انظر بايبي & McClelland, 2005؛ لمزيد من الأعمال الحديثة، راجع Ellis et al., 2016، الذي يتناول تعلم اللغة الأولى والثانية، وكذلك Chuanget al., 2021، الذي يتناول اكتساب المفردات في اللغتين الثانية والثالثة). يُنظر الآن إلى اللغة على أنها قابلة لنفس القدرات المعرفية ذات الأغراض العامة وآليات التعلم التي يستخدمها البشر والحيوانات للتنقل والتكيف مع بيئتهم (راجع Ellis، 2006a؛ Ellis & Sagarra، 2010، 2011؛ ​​Sturdy & Nicoladis، 2017). .

ومن بين نماذج التعلم هذه، يبرز نموذج ريسكورلا وفاغنر (1972) للتكييف الكلاسيكي بسبب بساطته وقدرته على شرح مجموعة من ظواهر التعلم التجريبية (سيجل وآلان، 1996). هذا النموذج معقول بيولوجيًا (Chen et al., 2008) وله ميزة تطورية مقارنة بآليات التعلم الأخرى الأكثر قوة، بمعنى أن لديه احتمالية أكبر لأن يتم اختياره بشكل طبيعي والاستمرار في العملية التطورية، مقارنة بآليات التعلم المعقولة الأخرى (لمزيد من المعلومات، التفاصيل، انظر تريمر وآخرون، 2012).

الأدب الخلفي

نموذج ريسكورلا-واغنر

كنموذج للتكييف الكلاسيكي، يهتم نموذج ريسكورلا-فاغنر (R-W) بالمواقف التي يتعين فيها على كيان (إنسان، حيوان، أو آلة) أن يتعلم العلاقة التنبؤية بين الأشياء و/أو الأحداث (على سبيل المثال، الإشارات والأحداث). النتائج) في بيئة ما، وحيث تتنافس الإشارات على قيمتها التنبؤية للحصول على نتيجة أثناء (إعادة) معايرة أوزان التعلم (أو الارتباط) بشكل متكرر. وبشكل أكثر تحديدًا، يعكس وزن الارتباط ميل النتيجة إلى الحدوث في وجود إشارة معينة. تتوافق قيمة وزن الارتباط الإيجابي الأعلى لنتيجة معينة مع احتمالية أكبر لحدوث تلك النتيجة في وجود الإشارة؛ وعلى العكس من ذلك، فإن القيمة السالبة للغاية تتوافق مع احتمال أكبر لعدم حدوث تلك النتيجة (يقال إن الإشارة مثبطة في هذه الحالة). القيم القريبة من الصفر تعني فرصًا منخفضة لملاحظة النتيجة (إذا كان الوزن موجبًا) أو تثبيط النتيجة (إذا كان الوزن سالبًا).

يفترض نموذج R-W أن الكائن الحي يحسب قاعدة تعلم بسيطة لتصحيح الأخطاء تستخدم لتحديث أوزان الارتباط في كل حدث تعلم جديد (على سبيل المثال، كل تجربة في تجربة سلوكية). الفكرة العامة وراء قاعدة التصحيح هي أن الارتباط بين الإشارة والنتيجة يكون (أ) أقوى إذا كانت الإشارة والنتيجة موجودة في حدث التعلم، (ب) يضعف إذا كانت الإشارة موجودة ولكن النتيجة غير موجودة، و(ج) ) أبقى على حاله إذا كان الإشارة نفسها غائبة.

يتم تحديث أوزان الارتباط بواسطة التناقض بين النتيجة المتوقعة والنتيجة التي تم الحصول عليها، بحيث يتم تحديد حجم التحديث - مقدار تعديل أوزان الارتباط - بواسطة معلمتين تسمى معدلات التعلم، واتجاه التحديث - سواء زاد الوزن أو النقصان منه – يعتمد على علامة الفرق بين النتيجة المتوقعة والنتيجة المرصودة. بهذه الطريقة، وعلى نطاق أوسع، بالنسبة لنموذج R-W، فإن التعلم يدور حول النتائج، وهذا يميزه عن النماذج ذات الصلة حيث يكون التعلم حول إشارات الإدخال (على سبيل المثال، Pearce & Hall, 1980).

ميزة أخرى لنموذج R-W هي أنه على الرغم من أن النتائج يتم تحديثها بشكل مستقل عن بعضها البعض، إلا أن إشارات الإدخال تتنافس على التنبؤ بالنتائج.

بمعنى آخر، لا يعتمد تعديل الأوزان على الإشارة الفردية التي يتم تحديثها فحسب، بل على جميع الإشارات الموجودة في حدث التعلم من خلال مجموع أوزان الارتباط الخاصة بها. سمح مبدأ المنافسة هذا لنموذج R-W بشرح العديد من الظواهر المحيرة للتكييف الكلاسيكي، والتي كان بعضها أيضًا ذا قيمة لفهم آليات تعلم اللغة (انظر القسم التالي للمناقشة). إن ظاهرة التعلم هذه هي تأثير الحجب (Kamin, 1969). يحدث هذا التأثير عندما يتم تدريب إشارة في مركب باستخدام إشارة ثانية للتنبؤ بالنتيجة، ولكن عندما تكون الإشارة الثانية بالفعل مؤشرًا جيدًا للنتيجة. في مثل هذه الحالات، لا يمكن للإشارة الأولى أن تشكل ارتباطًا قويًا بالنتيجة (أي، يتم حظر الإشارة الأولى بواسطة الإشارة الثانية). وبشكل أكثر عمومية، غالبًا ما يؤدي مبدأ المنافسة على الإشارة إلى ملاحظة أن أفضل الإشارات للنتيجة تمنع الإشارات الأخرى من تطوير ارتباط قوي بنفس النتيجة.

نموذج ريسكورلا – فاغنر وتعلم اللغة

منذ ذكره لأول مرة في سياق لغوي بواسطة Ellis (2006a)، تراكمت الأدلة التي تظهر أن نموذج R–W يمكنه التقاط عدة جوانب من تعلم اللغة (على سبيل المثال، Baayen et al., 2011; Ellis, 2006b; Milin, Divjak, &Baayen, 2017). ؛ ميلين، فيلدمان، وآخرون، 2017). حتى الآن، تنبع الأدلة التجريبية المتاحة من الدراسات التي تدرب نموذج R-W الذي يستخدم قيم المعلمات الافتراضية (نشير هنا إلى معلمتي معدل التعلم المستخدمتين لتحديث أوزان الارتباط بعد كل حدث جديد)، عادةً على عينة صغيرة من التجارب على لغات اصطناعية أو مجموعة كبيرة من النصوص.2 يتم بعد ذلك استخراج مقاييس التعلم بعد التدريب من النموذج المحاكى ومقارنتها بقياسات الاستجابة الملحوظة من مهمة تجريبية.

المشكلة الأولى هي أن التنبؤات الخاصة بهذه النماذج (ومنها) يتم إنشاؤها عادةً بشكل مستقل عن التجربة (مع استثناءات مثل دراسات رامسكار ويارليت، 2007، وديفجاك وآخرون، 2021، حيث أنشأ النموذج الفرضيات التي سيتم اختبارها تجريبيًا). .

يتم عادةً تعيين المعلمات على قيمها الافتراضية، مما يؤدي إلى فقدان الفرصة لمراعاة التباين الذي يمكن أن ينشأ من محاكاة النموذج بقيم معلمات مختلفة (على الرغم من راجع Olejarczuk et al., 2018، الذين استخدموا قيم المعلمات الثابتة ولكنهم قاموا بتركيب نموذج منفصل لكل منها) بيانات المشارك باستخدام نفس تسلسل الأمثلة التي واجهها المشارك). إن دمج التباين الناشئ عن معلمات النموذج عند ملاءمة نماذج التعلم لبيانات اللغة لديه القدرة على تحسين إمكانية تفسير الفروق الفردية التي لوحظت في التجربة، خاصة وأن استخدام اللغة وتمثيلها هو مجال يظهر تباينًا فرديًا كبيرًا (D ˛abrowska, 2018). .

إن تدريب النموذج على مجموعة كبيرة الحجم يأتي بتكلفة أكبر. نترك جانبًا هنا مسألة (عدم وجود) التشابه بين محتويات المجموعة والمدخلات التي يتلقاها مستخدمو اللغة (والتي ابتليت بها دراسات الأدلة المتقاربة بشكل عام؛ للحصول على ملخص) المناقشة، انظر Klavan & Divjak,2016، وللاطلاع على مجموعات الأمثلة العملية، انظر Divjak & Gries, 2012, andGries & Divjak, 2012). نركز هنا على مسألة أخرى: التدريب على متن المتن يتجاهل المصدرين الرئيسيين لتنوع النموذج - أي تلك المتعلقة باختيار معلمات النموذج وترتيب أمثلة التدريب - والتي تنشط في الغالب خلال المراحل الأولى من التعلم (شانكس، 1995). انظر أيضًا ميلين وآخرون، 2020، لمناقشة أكثر عمومية حول تأثير أمر التجربة في تعلم تصحيح الأخطاء).3 تشكل هذه التحيزات المبكرة، كما أطلق عليها إليس (2006أ)، اختبارًا حقيقيًا لنموذج R-W قبله يمكن نشرها كنموذج لتعلم اللغة على نطاق واسع. تمثل نمذجة تباين المعلمات وتدريب نموذج R-W على نفس الأمثلة التي واجهها المشاركون فرصًا جديدة لفهم تعلم اللغة لم يتم استكشافها بالكامل بعد في الدراسات السابقة.

الدراسة الحالية

تهدف الدراسة الحالية إلى وضع نموذج لكيفية تفاعل متعلمي اللغة الفرديين مع المهمة المطروحة على أساس التجربة تلو الأخرى، مما يشكل تحديًا تدريجيًا للتطبيق على تعلم اللغة لتعلم التمييز أو تصحيح الأخطاء بشكل عام ونموذج R-W في على وجه الخصوص. في حين قدمت الدراسات السابقة دعمًا عامًا لقاعدة R-W باستخدام هذا النموذج لشرح سلوك المشاركين عبر مجموعة من المهام (Divjak, 2019; Milin & Blevins, 2020; Milin, Feldman, et al., 2017; Pirrelli) وآخرون، 2020)، نحن نركز على اختبار التنبؤات الناتجة عن النموذج في مهمة تعلم اللغة الطبيعية الخاضعة للرقابة ونمذجة البيانات على مستوى متعلم اللغة الفردي. ومن خلال القيام بذلك، فإننا نتعامل مع كل مشارك باعتباره كيانًا تعليميًا منفصلاً تحكمه قدرات مختلفة، والتي يتم إضفاء الطابع الرسمي عليها بشكل حاسم من خلال معلمات التعلم للنموذج المختار.

بالنظر إلى أن العديد من الدراسات ذكرت أن أداء التكييف الكلاسيكي يمكن أن يتأثر بالخصائص المعرفية والشخصية مثل الذاكرة العاملة (Baetu et al., 2018; Sasaki, 2009)، والجنس (Lonsdorfet al., 2015; Merz et al., 2018)، والعمر (على سبيل المثال، Mutter et al., 2012)، فإننا نتحقق أيضًا مما إذا كانت هذه الخصائص يمكن أن تؤثر على اعتماد آلية R-Wlike لتعلم اللغة.

لتحقيق هذه الأهداف ومعالجة هذه الأسئلة، قمنا بتصميم مهمة مبسطة لتعلم اللغة الطبيعية: مبسطة لاستغلال ميزة التحكم التجريبي المحكم، ولكن جزئيًا فقط للحفاظ على الالتزام بالصلاحية البيئية من خلال تقديم تجربة إدخال لغة أكثر طبيعية. وتمثل المهمة، إلى حد معقول، كيف يمكن للناس أن يتعلموا الخرائط التوافقية بين الفعل والموضوع البولندية من خلال التعرض الطبيعي للأمثلة.

لقد قمنا بتدريب متحدثي اللغة الإنجليزية الأصليين على مجموعة من الأمثلة المصممة بعناية، والتي كانت لها أبعاد سمعية وبصرية، والتي تضمنت بعض التعقيدات المتأصلة في الاتفاق بين الموضوع والفعل في اللغة البولندية. بعد ذلك، قمنا باختيار النموذج الأنسب لكل مشارك على حدة (أي المعلمات التي أدت إلى أقرب تطابق بين استجابات المشارك والنموذج)، باستخدام نفس أمثلة التدريب التي واجهها المشارك. قمنا بعد ذلك بتقييم نموذج R-W لقدرته على استعادة اختيارات المشاركين اللغوية بالإضافة إلى زمن الاستجابة الزمني الخاص بهم، وقمنا بمقارنتها باستراتيجيات استجابة أخرى معقولة ولكنها قائمة على القواعد. أخيرًا، قمنا باختبار ما إذا كانت الخصائص المعرفية والشخصية، مثل سعة الذاكرة العاملة، والعمر، والجنس، تؤثر على مدى استيعاب نموذج R-W لتعلم اللغة.

طريقة

مشاركون

شارك ستة وستون مشاركًا (Mdnage=20 سنة؛ النطاق=18–65؛ 41 أنثى) في التجربة مقابل الحصول على قسيمة أمازون بقيمة 7 جنيهات إسترلينية. وكان المشاركون من طلاب الجامعة والموظفين. جميعهم كانوا متحدثين أصليين للغة الإنجليزية دون معرفة اللغة البولندية أو أي لغة سلافية أخرى، وكان لديهم سمع ورؤية طبيعيين أو مصححين إلى طبيعيين، ولم يعلنوا عن أي صعوبات في التعلم. كان للمشاركين خلفيات تعليمية مختلفة، وكان الكثير منهم يتحدثون لغات أخرى في بالإضافة إلى اللغة الإنجليزية (يتم عرض توزيعات الخلفيات التعليمية واللغوية في الملحق S1 في المعلومات الداعمة عبر الإنترنت).

المواد والإجراءات

جميع موادنا، بما في ذلك البيانات والتعليمات البرمجية، متاحة بشكل مفتوح على Github(https://github.com/ooominds/Error-correction-mechanisms-in-languagelearning) ومستودع الوصول المفتوح لجامعة برمنغهام، UBIRA(https:/ /doi.org/10.25500/edata.bham.00000911). أكمل المشاركون ثلاث مهام واستبيانًا قصيرًا بالترتيب التالي: (أ) مهمة تعلم اللغة (المهمة الرئيسية)، (ب) استبيان صريح للمعرفة والديموغرافية، (ج) مهمة تعليمية ضمنية، و (د) الذاكرة العاملة ( WM) المهمة. (يرد وصف تفصيلي لكل مهمة في القسم التالي.)

تم تنفيذ مهام تعلم اللغة والتعلم الضمني وعرضها على المشاركين باستخدام OpenSesame (Mathôt et al., 2012; Mathôt & March 2022). تم تقديم الاستبيان الديموغرافي باستخدام Google Forms، وتمت إدارة مهمة WM باستخدام Tatool (von Bastian et al., 2013). تم إجراء التجربة إما بشكل فردي أو، كلما أمكن، في أزواج، في غرفة هادئة، على Intel Core i 7-8700 أجهزة كمبيوتر تعمل بنظام التشغيل Windows 10 ومجهزة بـ Iiyama G-Master 24.5-in. شاشات تعمل بتردد 59 هرتز ودقة شاشة تبلغ 1,920 × 1,080 بكسل. استمع المشاركون إلى المحفزات السمعية عبر سماعات الرأس Bose QuietComfort 35 II المانعة للضوضاء وسجلوا استجاباتهم باستخدام لوحة المفاتيح. استغرقت التجربة حوالي 50 دقيقة لتكتمل.

For more information:1950477648nn@gmail.com