認知症または軽度認知障害の有無にかかわらず成人における書かれた単語認識を研究するための語彙的意思決定タスク

字句決定タスクは、単語認識の速度を測定するために使用されます。このタスクは、精神的な語彙の特徴と、老化と神経変性疾患で語彙がどのように変化するかを明らかにすることができます。多くの言語タスクは、言語の調整や認知の他の側面を必要とします。

語彙決定タスクは、認知症の患者などの一部の集団で損なわれる可能性のある他の認知能力に大きく依存していません。手順のデモンストレーションを手伝うのは、ラボマネージャーのダリア・ガルシアです。通常の照明の部屋で約80センチメートルの視聴距離でコンピュータモニターの前に参加者を置きます。

乗り心地はどうでしたか?よかった。単語が実際の単語の場合は左ボタンを押します。

画面上の文字ストリングが実際の単語であるかどうかを、対応する 2 つのボタンのいずれかを押して、できるだけ迅速かつ正確に判断するよう参加者に指示します。1 回の試行で、約 5 度の視覚的角度に従って水平に提示された 1 つの単語を含む少数の試行を含む演習を開始します。実験をブロックに分け、練習後、ブロック間で短い休憩を取り、参加者が目を休ませて疲労を軽減できるようにします。

次に、分析に含まれない犬、姉妹、年などの一般的な名詞のフィラー項目をいくつか使用して、新しいブロックを開始します。アイテムをランダムな順序で表示します。500 ミリ秒の間、画面の中央に表示される固定マークを使用して各実験の試行を開始し、さらに 500 ミリ秒の空白の画面を表示します。

空白の画面の直後に、1,500 ミリ秒の文字文字列を提示するか、参加者が応答するまでの間に文字の文字列を提示します。最後に、応答が行われた後、試行の最初から 3,000 ミリ秒が経過するまで、もう一度空白の画面を表示します。プレゼンテーションプログラムの出力ファイルを開いて開始し、各試行のミリ秒単位で測定された反応時間を取得します。

読み取りなどを使用して、データを R にインポートします。テーブル関数。パッケージ lme4 と lmerTest をインストールします。

関数ライブラリまたは必要なパッケージを添付します。反応時間データの分布は通常、高度に歪んでいるため、boxcox関数を使用した変換の必要性を確認します。これらの変換は、生の反応時間値よりも字語決定実験で反応時間に対してより正常な分布を提供する傾向があるため、反転変換反応時間または反応時間の二項対数を使用して反応時間値を変換します。

次に、疑似語とフィラーの試行、および誤った応答と省略を除外します。通常、参加者が以前の刺激に反応するのが遅すぎたことを示すため、応答時間が 300 ミリ秒を超える試行を除外します。次に、結果の測定と被験者項目とランダム効果として試行として反応時間を識別する基本的な線形混合効果モデルを構築します。

ランダム効果の各ランダムなインターセプトを推定するためにランダム効果を追加します。理論的に動機づけられた順序で説明変数を追加します。たとえば、単語ベースの頻度を固定効果として追加します。

基数や表面周波数などの変数を、よりガウス分布形状になる変換を使用してモデルに挿入します。各予測変数を追加すると、予測子のないモデルと比較して、モデルの予測パワーが大幅に向上したかどうかを確認します。新しいモデルの適合性が単純なモデルよりも大きな違いがない場合は、予測変数の数が少ない最も単純なモデルを選択します。

次に、AIC関数を使用して各モデルのアカイケ情報基準を確認します。値が小さい場合は、データに適した値を示します。次に、予測変数間の理論的動機付けの相互作用を確認します。

たとえば、対話の用語、年齢別の基準頻度のログを追加します。次に、参加者の反応時間は個々の特性または単語の語彙特性によって異なる方法で影響を受ける可能性があるため、変数名の前に1プラスを含め、次に垂直バー、次に主題を追加します。各参加者グループの分析を個別に実行するか、グループを固定効果予測値としてすべてのデータに対して実行し、有意な予測変数によるグループの相互作用をテストします。

可能な外れ値の影響を除去するために、絶対標準化残差が 2.5 標準偏差を超えるデータポイントを除外し、新しいデータでモデルを再変換します。最後に、探索的データ駆動型分析の場合は、後方回帰回帰を使用します。初期分析にすべての変数を含め、モデルから重要でない変数をステップバイステップで削除します。

これらの結果は、若年成人と高齢者の単語認識速度がどのように異なるかを示しています。若年成人では、PC1とPC4の2つの原則コンポーネントだけが重要でした。3つの成分は、高齢者コントロールのモデルにおける重要な予測変数であり、軽度の認知障害を有する個人およびアルツハイマー病の個体であった。

この第3の要素であるPC2は、単語のフォームベースの側面が単語認識速度に及ぼす影響を反映していると解釈される。さらに、3つの高齢者グループの間に1つの興味深い違いが浮かび上がりました。教育は、高齢者のコントロールや軽度の認知障害を持つ個人のための単語認識の速度を有意に予測したが、アルツハイマー病の個人のためではない。

この方法論は、メンタル語彙に関する他のタイプの質問や、多言語や失語症の人々などの他の集団に適用することができます。