Lexicale beslissings taak voor het bestuderen van geschreven woordherkenning bij volwassenen met en zonder dementie of milde cognitieve stoornissen

De lexicale beslissingstaak wordt gebruikt om de snelheid van woordherkenning te meten. Deze taak kan kenmerken van het mentale lexicon onthullen en hoe het lexicon verandert met veroudering en met neurodegeneratieve aandoeningen. Veel taaltaken vereisen de coördinatie van taal en andere aspecten van cognitie.

De lexicale beslissingstaak is niet sterk afhankelijk van andere cognitieve vaardigheden, die in sommige populaties, zoals patiënten met dementie, kunnen worden aangetast. Helpen om de procedure te demonstreren zal Dalia Garcia, onze lab manager. Plaats de deelnemer voor een computermonitor op een kijkafstand van ongeveer 80 centimeter in een normaal verlichte ruimte.

Hoe was de rit? Het was goed. Druk op de linkerknop als het woord een echt woord is.

Instrueer de deelnemer om zo snel en nauwkeurig mogelijk te beslissen of de lettertekenreeks op het scherm een echt woord is of niet door op een van de twee bijbehorende knoppen te drukken. Start het experiment met een oefensessie die een klein aantal proeven bevat met één woord horizontaal gepresenteerd per proefonderdeken van een visuele hoek van ongeveer vijf graden. Verdeel het experiment in blokken en geef korte pauzes na de oefensessie en tussen de blokken om deelnemers hun ogen te laten rusten en vermoeidheid te verminderen.

Start vervolgens elk nieuw blok met een paar vulitems van gemeenschappelijke zelfstandige naamwoorden, zoals hond, zus of jaar, die niet in de analyse worden opgenomen. Presenteer de items in willekeurige volgorde. Begin elke proefversie van het experiment met een fixatiemarkering die gedurende 500 milliseconden in het midden van het scherm wordt weergegeven, gevolgd door een leeg scherm voor nog eens 500 milliseconden.

Direct na het lege scherm, presenteer een letter string voor 1,500 milliseconden of totdat de deelnemer reageert. Tot slot, nadat een reactie is gemaakt, volg opnieuw met een leeg scherm tot 3, 000 milliseconden is verstreken vanaf het begin van de proef. Begin met het openen van het uitvoerbestand van het presentatieprogramma en verkrijg de reactietijd, gemeten in milliseconden, voor elke proef.

Gegevens importeren in R met behulp van bijvoorbeeld het lezen. tabelfunctie. Installeer de pakketten lme4 en lmerTest.

Sluit pakketten bij de functiebibliotheek of vereist. Controleer de noodzaak voor transformatie met behulp van de boxcox functie als de verdeling van de reactietijd gegevens is meestal zeer scheef. Transformeer de reactietijdwaarden met behulp van omgekeerde getransformeerde reactietijden of binaire logaritmen van reactietijden, omdat deze transformaties de neiging hebben om meer normaal-achtige distributies te bieden voor reactietijden in lexicale beslissingsexperimenten dan ruwe reactietijdwaarden.

Sluit vervolgens pseudo-woord- en vulproeven uit, evenals onjuiste reacties en omissies. Sluit proeven met responstijden sneller dan 300 milliseconden uit, omdat ze meestal aangeven dat de deelnemer te laat reageerde op een eerdere stimulus. Bouw vervolgens een basismodel voor lineaire gemengde effecten dat reactietijden identificeert als de uitkomstmeting en onderwerpitem en -studie als willekeurige effecten.

Voeg de willekeurige effecten toe om willekeurige onderscheppingen voor elk van de willekeurige effecten te schatten. Voeg verklarende variabelen toe in een theoretisch gemotiveerde volgorde. Voeg bijvoorbeeld op woorden gebaseerde frequentie toe als vast effect.

Voeg variabelen, zoals basis- of oppervlaktefrequentie, in het model met een transformatie die resulteert in een meer Gaussische distributievorm. Neem contact op met de anova-functie als het toevoegen van elke voorspeller de voorspellende kracht van het model aanzienlijk heeft verbeterd ten opzichte van een model zonder de voorspeller. Als er geen significant verschil in de pasvorm van het nieuwe model ten opzichte van het eenvoudiger model, kies de eenvoudigste model met minder voorspellers.

Controleer vervolgens het Akaike-informatiecriterium van elk model met behulp van de AIC-functie. Lagere waarden geven aan beter bij de gegevens te passen. Controleer vervolgens op theoretisch gemotiveerde interacties tussen voorspellers.

Voeg bijvoorbeeld een term van interactie toe, het logboek van de basisfrequentie naar leeftijd. Voeg vervolgens door deelnemer willekeurige hellingen voor voorspellers door het opnemen van een plus voor de variabele naam, dan een verticale balk, dan onderwerp, omdat de reactietijden van de deelnemers kunnen worden beïnvloed door hun individuele kenmerken of door words'lexicale kenmerken op verschillende manieren. Voer de analyse voor elke deelnemersgroep afzonderlijk uit of voer een analyse uit van alle gegevens met groep als een voorspeller met een vast effect en test vervolgens op een interactie van de groep door significante voorspellers.

Om de invloed van mogelijke uitschieters te verwijderen, sluit gegevenspunten met absolute gestandaardiseerde resten van meer dan 2,5 standaarddeviaties uit en past het model opnieuw aan de nieuwe gegevens. Ten slotte, in het geval van verkennende data-gedreven analyse, gebruik maken van een stapsgewijze regressie achteruit. Neem alle variabelen in de eerste analyse op en verwijder vervolgens niet-significante variabelen stapsgewijze uit het model.

Deze resultaten geven aan hoe de snelheid van woordherkenning anders kan zijn voor jongere volwassenen en oudere volwassenen. Slechts twee principecomponenten, PC1 en PC4, waren belangrijk bij de jonge volwassenen. Drie componenten waren significante voorspellers in de modellen voor oudere controles, personen met milde cognitieve stoornissen, en personen met de ziekte van Alzheimer.

Deze derde component, PC2, wordt geïnterpreteerd als een weerspiegeling van de invloed van op formulieren gebaseerde aspecten van een woord op woordherkenningssnelheid. Verder ontstond er een interessant verschil tussen de drie oudere groepen. Onderwijs voorspelde aanzienlijk snelheid van woordherkenning voor ouderen controles en personen met een milde cognitieve stoornissen, maar niet voor personen met de ziekte van Alzheimer.

Deze methodologie kan worden toegepast op andere soorten vragen over het mentale lexicon en op andere bevolkingsgroepen, zoals meertaligen en mensen met afasie.