1 april 2016
Onderzoekers hanteren zowel de lexicale beslissingstaak als de naamgevingstaak om enkele belangrijke onderwerpen te onderzoeken, zoals teken-/woodherkenning door het vergelijken van het frequentie-effect tussen deze twee taken. Dit artikel introduceert deze aanpak aan de hand van twee voorbeeldexperimenten en gaat dieper in op de onderliggende logica.
Het algemene doel van dit experiment is om het frequentie-effect van Chinese tekens en woorden te onderzoeken door de lexicale beslistak en de naamgevingstaak te combineren. Deze methode kan helpen bij het beantwoorden van kernvragen binnen het psycholinguïstische veld, zoals het moment waarop de terughaling van de fonologie plaatsvindt in het Chinese herkenningsproces. Het belangrijkste voordeel van deze procedure is dat onderzoekers nu een completer en nauwkeuriger beeld kunnen krijgen van de herkenning van tekens of woorden door de resultaten van de twee taken te vergelijken.
Een visuele demonstratie van deze methode is essentieel, omdat het construeren van de pseudo-karakters moeilijk aan te leren is vanwege de structurele complexiteit van het Chinese karakter. Rekruter vóór het experiment voldoende rechtshandige moedertaalsprekers van het Chinees met een normaal of tot normaal gecorrigeerd gezichtsvermogen, gelijk verdeeld over beide geslachten, die vloeiend zijn in het luisteren, spreken, lezen en schrijven van het Mandarijn. Houd er rekening mee dat zij de experimenten niet allemaal tegelijkertijd zullen uitvoeren.
Selecteer voor het ontwerp van de taak 180 tekens uit de Chinese tekendatabase. Gebruik 90 hoogfrequente tekens, die meer dan 100 keer per miljoen voorkomen, en 90 laagfrequente tekens, die slechts één tot 15 keer per miljoen tekens voorkomen. Zorg ervoor dat de tekens drie regelmatige typen bevatten: regulier, waarbij het fonetische radicaal en het teken dezelfde uitspraak hebben; irregulier, waarbij er verschillen zijn in hun uitspraak; en niet-fonogram, waarbij het teken niet als een fonogram kan worden gedefinieerd.
Classificeer vervolgens elk karakter in een van zes categorieën: één, hoogfrequente regelmatige, twee, hoogfrequente onregelmatige, drie, hoogfrequente non-fonogrammen, vier, laagfrequente regelmatige, vijf, laagfrequente onregelmatige en zes, laagfrequente non-fonogrammen. Gebruik een programma voor outline-lettertypeontwerp om 180 pseudo-karakters te construeren door het rechterradicaal van de karakters te behouden en het linkerradicaal te vervangen door een ander radicaal. Zorg ervoor dat er geen significant verschil is in het aantal streken tussen de karakters en de pseudo-karakters.
Om dit te doen, start u het standaardprogramma voor contourlettertypen. Wanneer er een dialoogvenster verschijnt, klikt u op de knop ok en start u het programma om de pseudo-tekens te construeren. Klik in het menu op referentie om het referentiepaneel te openen en kies een geschikt lettertype.
Voer één echt karakter in het zwarte vak in en klik op de ok-knop, waardoor er twee panelen naast elkaar op het scherm verschijnen. Gebruik in het rechterpaneel de knop voor vrije selectie om het linker radicaal van dit echte karakter met een cirkel te selecteren. Verplaats het linker radicaal naar het linkerpaneel om het linker radicaal van het pseudokarakter te vormen.
Klik vervolgens op referentie en hanteer soortgelijke procedures om het rechterradicaal van een ander echt karakter te selecteren. Verplaats het rechterradicaal van dit echte karakter naar het linkerpaneel. Voeg daarna de twee radicalen samen om het volledige pseudokarakter te vormen.
Zorg ervoor dat de combinatie van deze twee radicalen betekenisloos is in het lexicon. Stel de lexicale beslistaak, of LDT, in door standaard experimentele software te gebruiken om het experiment te programmeren volgens de softwareprotocollen. Zorg ervoor dat 50% van de stimuli tekens zijn voor het 'ja'-antwoord en de overige pseudo-tekens zijn voor het 'nee'-antwoord.
Vraag de deelnemer om te beoordelen of de geschreven stimulus die op het scherm verschijnt een echt teken is of niet. Instrueer hen om zo nauwkeurig en snel mogelijk te reageren door op de overeenkomstige toets voor ja of nee te drukken. Herinner de deelnemer eraan om hun rechterhand te gebruiken bij het geven van de reacties.
Let op: de instructies op het scherm moeten in de doeltaal zijn. De Engelse instructies in deze video zijn uitsluitend ter demonstratie; in werkelijke situaties worden deze in het Chinees gepresenteerd. Begin het experiment met een oefensessie van 12 trials.
Start elke trial met een kruis om een fixatiepunt in het midden van het scherm aan te geven gedurende 500 milliseconden, vergezeld van een waarschuwingstoon van 100 Hertz gedurende 200 milliseconden. Toon vervolgens gedurende 500 milliseconden een leeg scherm. Toon daarna het doelkarakter op het scherm totdat de computer de toetsreactie van de deelnemer detecteert.
Stel het inter-trial interval in op 1 000 milliseconden en meet de responstijd vanaf het begin van het doelkarakter tot aan het moment van de toetsaanslag. Gebruik voor de naamgevingstaak standaard experimentele software om het experiment te programmeren volgens de softwareprotocollen. Zorg ervoor dat alle stimuli echte karakters zijn.
Vraag de deelnemer om de geschreven tekens op het scherm uit te spreken. Instrueer hen om zo nauwkeurig en snel mogelijk een mondeling antwoord te geven, en beoordeel dit mondelinge antwoord alleen als correct wanneer een deelnemer het met de enige juiste uitspraak uitspreekt. Gebruik een microfoon met een spraakgeactiveerd circuit om de mondelinge antwoorden van de deelnemers te detecteren.
Net als bij de LDT, begint elke trial met een kruis om een fixatiepunt in het midden van het scherm aan te geven gedurende 500 milliseconden, vergezeld van een waarschuwingstoon van 100 Hertz gedurende 200 milliseconden. Toon vervolgens gedurende 500 milliseconden een leeg scherm, gevolgd door het doelkarakter op het scherm. Meet de responstijd en het nauwkeurigheidspercentage van de respons van de deelnemer.
Dit protocol onderzoekt de herkenning van Chinese karakters door het frequentie-effect tussen de LDT en naamgevingstaken te vergelijken. De participanten presteerden sneller en nauwkeuriger bij karakters met een hoge frequentie, wat bekend staat als het frequentie-effect. Bovendien werd in de naamgevingstaak een regulariteitseffect waargenomen, waaruit bleek dat participanten trager reageerden op onregelmatige karakters met een lage frequentie en non-fonogrammen.
Zodra deze techniek onder de knie is, kan deze in ongeveer zeven minuten worden uitgevoerd mits deze correct wordt toegepast. Tijdens het uitvoeren van deze procedure is het voor onderzoekers belangrijk om voldoende deelnemers te werven en de juiste stimuli te selecteren. Na deze procedure kunnen andere methoden, zoals fMRI, worden ingezet om aanvullende vragen te beantwoorden, zoals welke neurale correlaten geassocieerd zijn met gerelateerde cognitieve processen?
Na deze ontwikkeling maakte deze techniek de weg vrij voor onderzoekers op het gebied van de experimentele en cognitieve psychologie om psycholinguïstische onderwerpen te verkennen, zoals het bestaan van prelexicale fonologie en Chinese herkenning. Na het bekijken van deze video zou u een goed inzicht hebben in hoe de rol van fonologie en Chinese herkenning kan worden verduidelijkt door resultaten van de lexicale beslistaak en de naamgevingstaak te vergelijken.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Dit artikel onderzoekt het frequentie-effect van Chinese karakters en woorden met behulp van de lexicale beslissingstaak en de benoemingstaak. Door de resultaten van deze twee taken te vergelijken, streven onderzoekers ernaar inzicht te krijgen in de psycholinguïstische processen die betrokken zijn bij de herkenning van karakters en woorden.
Deze psycholinguïstische methode maakt een vergelijkende analyse van lexicale toegangmechanismen mogelijk door de prestaties bij lexicale beslissingstaken en benoemingstaken tegenover elkaar te stellen. Voor biopharma R&D ondersteunen dergelijke vergelijkende taakontwerpen de targetvalidatie door de differentiële betrokkenheid van cognitieve paden te onthullen. De aanpak biedt een kader voor het verminderen van risico's bij hypothesen over de functie van moleculaire targets via parallelle gedragsmatige readouts.
Deze methode past binnen het ontdekkingscontinuüm van hypothesegeneratie tot lead-identificatie en biedt orthogonale validatie van target-engagement voorafgaand aan arbeidsintensieve screeningcampagnes.