April 1st, 2016
Les chercheurs adoptent à la fois la tâche de décision lexicale et la tâche de dénomination pour étudier certains sujets importants tels que la reconnaissance de caractères/mots en comparant l’effet de fréquence entre ces deux tâches. Cet article présente cette approche à travers deux expériences exemplaires et développe la logique sous-jacente.
L’objectif général de cette expérience est d’étudier l’effet de fréquence des caractères et des mots chinois en combinant la tâche de décision lexicale et la tâche de nommage. Cette méthode peut aider à répondre à des questions clés dans le domaine psycholinguistique, comme lorsque la récupération de la phonologie se produit dans le processus de reconnaissance chinoise. Le principal avantage de cette procédure est que les chercheurs peuvent désormais obtenir une image plus complète et plus précise de la reconnaissance de caractères ou de mots en comparant les résultats de deux tâches.
La démonstration visuelle de cette méthode est essentielle car la construction des pseudo-caractères est difficile à apprendre en raison de la complexité structurelle du caractère chinois. Avant l’expérience, recrutez suffisamment de droitiers de langue maternelle chinoise avec une vision normale ou corrigée à normale, répartis également par sexe, qui parlent couramment, écoutent, parlent, lisent et écrivent en mandarin. Notez qu’ils n’effectueront pas les expériences tous ensemble.
Pour concevoir la tâche, sélectionnez 180 caractères dans la base de données de caractères chinois. Utilisez 90 caractères à haute fréquence, ceux qui apparaissent plus de 100 fois par million, et 90 caractères à basse fréquence, ceux qui n’apparaissent qu’entre une et 15 fois par million de caractères. Assurez-vous que les caractères contiennent trois types de régularité : régulier, dans lequel le radical phonétique et le caractère partagent la même prononciation, irrégulier, dans lequel il y a des différences entre leurs prononciations, et non-phonogramme, dans lequel le caractère ne peut pas être défini comme un phonogramme.
Ensuite, classez chaque caractère dans l’une des six catégories suivantes : un, régulier à haute fréquence, deux, irrégulier à haute fréquence, trois, non-phonogramme à haute fréquence, quatre, régulier à basse fréquence, cinq, irrégulier à basse fréquence et six, non-phonogramme à basse fréquence. Utilisez un programme de conception de polices de contours pour construire 180 pseudo-caractères en gardant le radical droit des caractères et en remplaçant le radical gauche par un autre. Assurez-vous qu’il n’y a pas de différence significative dans le nombre de traits entre les caractères et les pseudo-caractères.
Pour ce faire, démarrez le programme standard de polices de contour. Lorsqu’une boîte de dialogue apparaît, cliquez sur le bouton ok et lancez le programme pour construire les pseudo-caractères. Cliquez sur référence dans le menu pour ouvrir le panneau de référence et choisir une police appropriée.
Entrez un personnage réel dans la boîte noire et cliquez sur le bouton OK, ce qui affichera deux panneaux côte à côte sur l’écran. Dans le panneau de droite, utilisez le bouton de sélection libre pour sélectionner le radical gauche de ce caractère réel avec un cercle. Déplacez le radical gauche vers le panneau de gauche pour obtenir le radical gauche du pseudo-caractère.
Ensuite, cliquez sur référence et adoptez des procédures similaires pour sélectionner le radical droit d’un caractère réel différent. Déplacez le radical droit de ce personnage réel vers le panneau de gauche. Ensuite, mettez les deux radicaux ensemble pour former le pseudo-caractère complet.
Assurez-vous que la combinaison de ces deux radicaux n’a aucun sens dans le lexique. Configurez la tâche de décision lexicale, ou LDT, en utilisant un logiciel expérimental standard pour programmer l’expérience selon des protocoles logiciels. Assurez-vous que 50 % des stimuli sont des caractères pour la réponse oui, et que les autres sont des pseudo-caractères pour la réponse non.
Demandez au participant de juger si le stimulus écrit apparaissant à l’écran est un caractère réel ou non. Demandez-lui de répondre aussi précisément et rapidement que possible en appuyant sur une touche correspondante pour dire oui ou non. Rappelez au participant d’utiliser sa main droite lorsqu’il répond.
Notez que les instructions à l’écran doivent être dans la langue cible. Les instructions en anglais dans cette vidéo ne sont qu’à titre de démonstration et dans des situations réelles, elles sont présentées en chinois. Commencez l’expérience par une séance d’entraînement de 12 essais.
Commencez chaque essai par une croix pour indiquer un point de fixation au centre de l’écran pendant 500 millisecondes, qui est accompagné d’une tonalité d’avertissement de 100 Hertz pendant 200 millisecondes. Ensuite, affichez un écran vide pendant 500 millisecondes. Ensuite, affichez le caractère cible à l’écran jusqu’à ce que l’ordinateur détecte la réponse clé du participant.
Définissez l’intervalle entre les essais sur 1 000 millisecondes et mesurez le temps de réponse depuis le début du caractère cible jusqu’à ce qu’une réponse d’une pression sur une touche soit effectuée. Pour la tâche de nommage, utilisez un logiciel expérimental standard pour programmer l’expérience selon des protocoles logiciels. Assurez-vous que tous les stimuli sont des caractères réels.
Demandez au participant de prononcer les caractères écrits à l’écran. Demandez-leur de faire une réponse orale aussi précise et rapide que possible, et de juger cette réponse orale comme correcte uniquement lorsqu’un participant la prononce avec la prononciation correcte. Utilisez un microphone avec un circuit à commande vocale pour détecter les réponses orales des participants.
Tout comme pour le LDT, commencez chaque essai par une croix pour indiquer un point de fixation au centre de l’écran pendant 500 millisecondes, qui est accompagné d’une tonalité d’avertissement de 100 Hertz pendant 200 millisecondes. Ensuite, affichez un écran vide pendant 500 millisecondes, suivi du caractère cible à l’écran. Mesurez le temps de réponse et le taux de précision de la réponse du participant.
Ce protocole étudie la reconnaissance des caractères chinois en comparant l’effet de fréquence entre le LDT et les tâches de nommage. Les participants ont exécuté plus rapidement et plus précisément pour les caractères à haute fréquence, ce qui est connu sous le nom d’effet de fréquence. De plus, dans la tâche de nommage, un effet de régularité a été observé, ce qui indique que les participants ont réagi plus lentement aux caractères irréguliers à basse fréquence et aux non-phonogrammes.
Une fois maîtrisée, cette technique peut être réalisée en sept minutes environ si elle est exécutée correctement. Lors de cette procédure, il est important que les chercheurs se souviennent de recruter suffisamment de participants et de sélectionner les stimuli appropriés. Suite à cette procédure, d’autres méthodes comme l’IRMF peuvent être effectuées pour répondre à des questions supplémentaires, comme quels corrélats neuronaux sont associés à des processus cognitifs connexes ?
Après ce développement, cette technique a ouvert la voie aux chercheurs dans le domaine de la psychologie expérimentale et cognitive pour explorer des sujets psycholinguistiques tels que l’existence de la phonologie prélexicale et la reconnaissance chinoise. Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’élucider le rôle de la phonologie et de la reconnaissance chinoise en comparant les résultats de la tâche de décision lexicale et de la tâche de nommage.
View the full transcript and gain access to thousands of scientific videos
Cet article étudie l'effet de fréquence des caractères et des mots chinois en utilisant la tâche de décision lexicale et la tâche de dénomination. En comparant les résultats de ces deux tâches, les chercheurs visent à acquérir des informations sur les processus psycholinguistiques impliqués dans la reconnaissance des caractères et des mots.
This psycholinguistic method enables comparative analysis of lexical access mechanisms by contrasting lexical decision and naming task performance. For biopharma R&D, such comparative task designs support target validation by revealing differential engagement of cognitive pathways. The approach provides a framework for de-risking hypotheses about molecular target function through parallel behavioral readouts.
This method fits within the discovery continuum from hypothesis generation to lead identification, offering orthogonal validation of target engagement before resource-intensive screening campaigns.