Summary
Hier presenteren we een protocol om het effect van positieve geïnduceerde emotie op grammaticaleren bij vreemde taalleerlingen te meten met behulp van een semi-kunstmatige taal die de grammaticale regels van een vreemde taal integreert met het lexicon van de inheemse Language.
Abstract
Eerdere studies hebben aangetoond dat emotie een aanzienlijke invloed heeft op het leren van vreemde taal woordenschat en tekstueel begrip. Er is echter weinig aandacht besteed aan het effect van geïnduceerde emotie op grammaticaleren. Dit onderzoek onderzocht de invloed van positieve geïnduceerde emotie op het leren van Japanse grammaticale regels onder een groep leerlingen met Chinees als moedertaal, met behulp van een semi-kunstmatige taal (dwz Chipanese), die de grammaticale regels van het Japans en de woordenschat van het Chinees combineert. Muziek werd gebruikt om positieve emotionele omstandigheden bij de deelnemers aan te roepen. Deelnemers moesten Chipanese zinnen leren in een training door middel van de praktijk en vervolgens een grammaticaliteit oordeel taak werd toegediend om leerresultaten te meten. We ontdekten dat deelnemers in positieve emotionele toestanden minder nauwkeurig en efficiënt presteerden dan die in de controlegroep. De bevindingen suggereren dat het protocol effectief is in het identificeren van het effect van positieve geïnduceerde emotie op grammatica leren. De implicaties van dit experimentele paradigma voor het onderzoeken van het leren van vreemde talen worden besproken.
Introduction
Emoties spelen een cruciale rol in verschillende cognitieve activiteiten zoals perceptie, leren, redeneren, onthouden en het oplossen van problemen. Omdat het leren van talen aandacht, redenering en memorisatie vereist, kunnen emoties een aanzienlijke invloed hebben op de resultaten van het leren van talen1. Verschillende eerdere studies hebben het effect van geïnduceerde emoties op woordproductie of tekstbegrip2,3onderzocht en hebben consequent aangetoond dat emotie een cruciale invloed had op de twee taalprocessen. Egidi en Caramazza stelden bijvoorbeeld vast dat positieve emotie de gevoeligheid voor inconsistentie in tekstbegrip in de hersengebieden die specifiek zijn voor inconsistentiedetectie verhoogde, terwijl negatieve emotie de gevoeligheid voor inconsistentie in minder specifieke gebieden verhoogde2. Hinojosa et al. onderzochten het effect van geïnduceerde stemming op de woordproductie en ontdekten dat een negatieve stemming het ophalen van fonologische informatie tijdens woordproductie3belemmerde. Ondanks het bewijs waaruit blijkt dat emoties een duidelijke invloed hebben op tekstbegrip en woordproductie, is het nog steeds niet duidelijk of emoties van invloed zijn op grammaticaleren, een van de essentiële aspecten van het leren van talen. De huidige studie was gericht op het verkennen van het effect van de emotionele toestanden van leerlingen op grammaticaleren.
Taal en emotie zijn twee primaire componenten van de menselijke ervaring4. Hun relaties zijn meestal onderzocht door studies in affectieve neurolinguïstiek. Op het niveau van één woord hebben eerdere studies consequent aangetoond dat emotionele kenmerken, zoals opwinding of valentie, de verwerking van individuele woorden5,6,7aanzienlijk beïnvloeden. In het bijzonder hebben sommige studies een significant voordeel voor positieve woorden5geïdentificeerd , en andere studies hebben een voordeel gevonden voor zowel positieve als negatieve woorden7. Hoewel sommige studies een interactie tussen valentie en opwinding hebben gemeld, werd een gebrek aan significante interactie gemeld in ander onderzoek4. Het beeld is complexer op het niveau van zinsverwerking. Eerdere studies hebben onderzocht kwesties met betrekking tot de interactie tussen emotionele inhoud en syntactische of semantische eenwording processen tijdens zin begrip. Emotionele informatie blijkt verschillende invloeden uit te oefenen op de verwerking van geslacht of nummerkenmerken4. Verder werd positieve en negatieve emotie in verband gebracht met verschillende effecten van overeenstemming4. Positieve emotionele kenmerken vergemakkelijkten bijvoorbeeld de verwerking van de getalovereenkomst, terwijl negatieve emotionele kenmerken deze processen remden4. Op semantisch niveau beïnvloedden emotionele kenmerken semantische eenwordingsprocessen in zowel zin- als discourscontexten door de activering van de hersengebieden die betrokken zijn bij enkele tekstverwerking en combinatorische semantische processen4. Een overzicht van de vorige literatuur geeft aan dat het meeste eerdere onderzoek is gericht op de effecten van emotionele informatie op het begrip van woorden, zinnen en teksten8,9, of de neurale basis van emotionele effecten op de taalproductie10,11. Hoe de affectieve toestanden van individuen de taalverwerking of het leren kunnen beïnvloeden, is echter grotendeels over het hoofd gezien.
De meest gebruikte benadering van de studies van emoties in grammatica leren is de kunstmatige grammatica leren paradigma. Verschillende studies hebben kunstmatige grammaticataken gebruikt om het effect van emotie op het leren van een nieuwe taal te onderzoeken12. Voor het eerst geïntroduceerd door Reber in 196713,de kunstmatige grammatica leren paradigma wordt gekenmerkt door het gebruik van niet-zinvolle materialen, zoals nummer snaren of niet-woord letter strings, die in feite worden gegenereerd door een onderliggende grammatica. Onderzoekers meestal blootgesteld deelnemers in verschillende emotionele staten (positief, neutraal, of negatief) aan het aantal snaren of letter strings gepresenteerd, hetzij visueel of hoorbaar en gemeten hun leerresultaten. Studies met de kunstmatige grammatica benadering bestaan meestal uit een training en een testsessie. In de trainingssessie krijgen de deelnemers de opdracht om een lijst met symboolsequenties die worden gegenereerd uit een eindige staatsgrammatica te observeren of te onthouden. Deelnemers worden geïnformeerd dat de sequenties een bepaalde reeks regels volgen, maar ze krijgen geen details over deze regels. In de testsessie krijgen de deelnemers nieuwe symboolsequenties voorgeschote's voorgeschoten voorgeschoten voorgeschoten voorgeschoten voorgeschoten voorgeschoten voorgeschoten voorgeschoten en andere niet. Ze zijn dan verplicht om te beoordelen of de snaren zijn grammaticaal of niet. Kunstmatige grammatica taken maken het mogelijk de instantiatie van verschillende theorieën van het leren, zoals regels, gelijkenis, en associatieve leertheorieën14. Deze aanpak kan effectief minimaliseren van de invloed van lexicale factoren op het leren van grammaticale regels, als kunstmatige talen zijn opgebouwd uit cijfers, letters, of andere betekenisloze symbolen, in plaats van woorden in natuurlijke talen. Echter, veel onderzoekers hebben betoogd dat de kennis verworven in kunstmatige grammatica leren kan statistische eigenschappen die verschillen van de kenmerken van de natuurlijke grammatica gebruikt door de mens15vertegenwoordigen. Bewijs uit neurologische studies toont aan dat de grammatica's in natuurlijke talen anders worden verwerkt dan de eindige grammatica's die worden gebruikt in kunstmatige grammatica leertaken16,17. Daarom kunnen kunstmatige grammatica leertaken niet het leren van menselijke talen weerspiegelen. Studies van het emotie-effect op grammaticaleren met behulp van kunstmatige grammatica's zullen eerder onthullen hoe emotie statistisch leren beïnvloedt, in plaats van het leren van natuurlijke grammatica's in menselijke talen. Het is niet helemaal duidelijk of bevindingen van de zinloze stimuli kunnen worden gegeneraliseerd tot het leren van vreemde talen.
De huidige studie was bedoeld om een semi-kunstmatig taalparadigma aan te nemen om het effect van emotie op grammaticahet leren te onderzoeken. Semi-kunstmatige taaltaken werden voor het eerst geïntroduceerd door Williams en Kuribara om het leren van talen te onderzoeken. Een semi-kunstmatige taal wordt gegenereerd met de combinatie van lexicon in de moedertaal van de leerlingen en de grammatica van een andere taal. Een voorbeeld van dergelijke taal is te vinden in Williams en Kuribara's studie18. Williams en Kuribara ontwierpen een nieuwe semi-kunstmatige taal, Japlish, die het woord orde en case-markering regels van de Japanse gevolgd, maar gebruikt Engels woordenschat18. Voorbeeld Japlish zinnen in hun studie zijn voorzien in tabel 1.
| Structuur | Voorbeelden |
| Sv | Horse-ga toen viel? |
| Sov | Pilot-ga dat runway-o zaag |
| SIOV SIOV | Student-ga dog-ni what-o aangeboden? |
| S wanneer wat-o V? | Bill-ga toen wat-o zong? |
| S who-ni what-o V? | Die doctor-ga who-ni what-o liet zien? |
| S [SOV]V | John-ga boos Mary-ga dat ring-o verloren dat gezegd. |
| OS[SV]V | Dat ziekte-o dierenarts-ga cow-ga hebben dat verklaard. |
Tabel 1: Voorbeeldzinnen in een semi-kunstmatige taal. De zinnen werden gegenereerd met Engelse lexis en Japanse syntaxis. De zinnen in de tabel zijn van Williams en Kuribara's studie18.
Zoals in de tabel wordt weergegeven, worden engelse woorden weliswaar gebruikt, maar worden ze gecombineerd tot zinnen in overeenstemming met de Japanse woordvolgorde en regels voor het merken van gevallen. De Jaappische zinnen zijn allemaal werkwoord-definitief en zelfstandige naamwoorden zijn case-marked voor onderwerp (-ga), indirect object (-ni), of object (-o). Een gedetailleerde beschrijving van Japlish is te vinden in Grey et al.'s studie19. Semi-kunstmatige taaltaken omvatten een trainingsfase en een testfase. Tijdens de trainingsfase krijgen de deelnemers de opdracht om een nieuwe taal te leren en in de testfase moeten ze beoordelingstaken of zinsfoto-matchingtaken uitvoeren. De nauwkeurigheid en reactietijden (RT's) van hun antwoorden worden geregistreerd om hun leerprestaties te beoordelen.
Semi-kunstmatige taaltaken hebben voornamelijk drie voordelen: Ten eerste, als semi-kunstmatige talen worden gemaakt met behulp van grammaticale regels in een nieuwe taal, kunnen de taken de invloed van voorkennis van de structuren en taaloverdracht minimaliseren19. Ten tweede stellen de taken ons in staat om het type en de hoeveelheid blootstelling te controleren en te manipuleren die deelnemers ontvangen19. Op deze manier maken ze een nauwkeurigere beoordeling van de leereffecten mogelijk. Ten slotte, als de grammatica's die worden gebruikt in semi-kunstmatige taal taken zijn van menselijke talen, de taken stellen ons in staat om te meten hoe deelnemers verwerven natuurlijke grammatica's, in plaats van kunstmatige degenen. In dit aspect zijn ze voordeliger dan kunstmatige grammaticataken waarbij sequenties van cijfers of letters worden gebruikt in plaats van echte woorden. Het gebruik van natuurlijke grammatica maakt ons meer vertrouwen om te concluderen dat de verkregen bevindingen van toepassing zijn op het leren van natuurlijke talen. Aangezien eerdere studies leereffecten hebben aangetoond met behulp van het semi-kunstmatige taalparadigma20,21,22, is het een nuttige benadering voor het onderzoeken van kwesties in het leren van talen die moeilijk te isoleren zijn in de complexe context van natuurlijk taalonderzoek. Semi-kunstmatige taaltaken zijn echter alleen van toepassing op vreemde talen die structureel verschillen van de moedertaal van lerenden. Als de geteste taal structureel vergelijkbaar is met de moedertaal van de lerenden, zou het de eerste niet van de laatste te onderscheiden kunnen maken.
In vergelijking met de taken met behulp van natuurlijke talen, semi-kunstmatige taal taken zorgen voor een meer objectieve beoordeling van de effecten van emotie op grammatica leren. Dit komt omdat woorden in natuurlijke talen nauw verbonden zijn met specifieke grammaticale functies. Bijvoorbeeld, levenloze zelfstandige naamwoorden (bijvoorbeeld, bureau, nagel) hebben meer kans om te functioneren als de patiënten van werkwoorden. Zo is het moeilijk om de prestaties van woordenschat leren van die van grammatica leren te onderscheiden, omdat de twee zijn met elkaar verbonden en onlosmakelijk verbonden in natuurlijke talen. Aangezien emoties zijn gevonden om vitale invloed op tekstverwerking23,24hebben, kunnen ze indirecte invloed hebben op grammatica leren. Daarom is het niet gemakkelijk om duidelijk te differentiëren het effect van emotie op woordenschat leren van dat op grammatica leren. Dit probleem kan gemakkelijk worden opgelost in semi-kunstmatige taaltaken, omdat deze taken zorgen maken voor de scheiding van woordenschat van grammatica, en dus ons in staat stellen om het effect van emotie op grammatica leren te identificeren, zonder zich zorgen te maken over de interferentie van lexicale leren.
Hoewel het semi-kunstmatige taalparadigma in sommige studies is gebruikt om taalkundige kennis in tweede taalverwerving te onderzoeken25,26, is deze benadering zelden gebruikt om individuele verschillen van leerlingen in emotionele voorwaarden in het vreemde taalonderwijs te onderzoeken. In deze studie wilden we onderzoeken hoe positieve geïnduceerde emotie het grammaticaleren beïnvloedt met behulp van een semi-kunstmatige taal. De bevindingen van deze studie hebben belangrijke implicaties voor het onderwijs en het leren van vreemde talen.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Het experiment werd goedgekeurd door de Ethische Commissie van de Universiteit van de Buitenlandse Studies van Peking en het voldeed aan de richtlijn voor experimenten met menselijke onderwerpen. Alle proefpersonen in dit onderzoek gaven schriftelijke geïnformeerde toestemming.
1. Stimuli constructie
- Ontwerp experimentele stimuli op basis van de specifieke onderzoeksvragen. Aangezien deze studie bedoeld is om het leren van vreemde talen te onderzoeken met behulp van een semi-kunstmatige taal, de experimentele zinnen te creëren door zinnen in de moedertaal van de deelnemers te herschikken in overeenstemming met de grammaticale regels van de geteste vreemde taal. In tabel 2zijn proefproefzinnen opgenomen.
OPMERKING: Aangezien onze studie was bedoeld om het leren van Japanse grammatica door Chinese studenten te onderzoeken, werd een semi-kunstmatige taal(Chipanese)geproduceerd met de woordenschat van Chinees en de syntaxis van Het Japans. De experimentele zinnen werden aangepast van de experimentele stimuli gebruikt in Liu, Xu, en Wang27.
Tabel 2: Proef experimentele zinnen die in deze studie worden gebruikt. Zin (a) is een Chinese zin en (b) is de Japanse gelijkwaardigheid. Zin (c) is de experimentele stimuli gegenereerd door het herschikken van zin (a) in overeenstemming met de syntactische structuur van (b). Deze semi-kunstmatige taal werd voor het eerst ontworpen door Liu, Xu en Wang27.
- Selecteer representatieve grammaticale structuren in de geteste taal. Zorg ervoor dat u een verscheidenheid aan grammaticale structuren opte nemen om de grammaticale complexiteit en diversiteit van een natuurlijke taal te behouden.
OPMERKING: Vier grammaticale structuren werden getest in onze studie, waaronder twee eenvoudige grammaticale structuren (SOV, SIOV) en twee complexe structuren ([SOV]SV, [OSV]SV). De lexicale frequentie van zelfstandige naamwoorden en werkwoorden werd gematcht tussen verschillende soorten zinnen. - Ontwerp voor de trainingsfase ten minste 20 zinnen voor elke grammaticale structuur in de geteste taal voor de grammaticaliteitsbeoordelingstaak. De grammaticale en niet-grammaticale zinnen moeten worden gecompenseerd en gecontroleerd op lexicale variabelen zoals lexicale frequentie en aantal slagen.
- Ontwerp voor de testfase ten minste 12 zinnen voor elke grammaticale structuur in de geteste taal. Maak de helft van de zinnen grammaticaal en de andere helft ongrammaticaal. De grammaticale en niet-grammaticale zinnen moeten worden gecompenseerd en gecontroleerd op lexicale variabelen.
- Randomiseren van de zinnen en het ontwerp van het experiment.
- Randomiseren van de zinnen alvorens ze te presenteren aan de deelnemers in zowel de trainingsfase en de testfase. Zoek het tabblad'Selectie'op de eigenschapspagina in de stimuluspresentatiesoftware en stel de selectiemethode in op 'Random'.
- Verdeel het experiment in blokken met elk van elk die niet meer dan 10 min duurt.
2. Aanwerving en voorbereiding van de deelnemers voor het experiment
- Rekruteer deelnemers die geen leesproblemen hebben en geen achtergrond in de vreemde taal die zal worden getest. Zorg ervoor dat deelnemers een normaal of gecorrigeerd-naar-normaal zicht hebben.
- Wijs de deelnemers willekeurig toe in twee groepen (een experimentele groep en een controlegroep), waarbij elke groep ten minste 30 leden bevat. Zorg ervoor dat de twee groepen niet verschillen in jaren van onderwijs of genderratio.
- Informeer de deelnemers dat ze vrij moeten zijn van uitputting, honger, ziekte of andere aandoeningen die hen ongemakkelijk maken op de dag van het experiment.
- Nodig de deelnemers individueel of in groepen uit in het laboratorium.
3. Procedure
- Neem de deelnemers mee naar de laboratoriumruimte en instrueer ze om op computerwerkplekken te gaan zitten.
- Vraag de deelnemers om de schriftelijke geïnformeerde toestemmingsformulieren te lezen en te ondertekenen.
- Laat de deelnemers volledige emotie-inductie maken.
- Geef de deelnemers de potlood-en-papier versie van de Self-Assessment Manikin (SAM) picturale rating schaal28,29. Vraag de deelnemers om hun emotie te beoordelen met behulp van potloden om de bijbehorende pop te markeren.
OPMERKING: De zelfevaluatie manikin schaal is een non-verbale beoordeling instrument om de drie dimensies van emotie (dat wil zeggen, valentie, opwinding, en dominantie) te meten). De schaal die we beheerden was een schaal van negen punten die varieert van één tot negen in elk van de drie dimensies. - Instrueer deelnemers in de experimentele groep om 10 min via een koptelefoon naar de positief gevalenced muziek te luisteren.
OPMERKING: In deze studie werd Good Time gebruikt om positieve emotie te induceren. Een pilot studie werd uitgevoerd in een groep van 20 deelnemers om de geldigheid van de muziek te testen in emotionele inductie, en de resultaten gaven aan dat de deelnemers beoordeelden hun emotie als aanzienlijk positiever na de inductie, waaruit bleek dat de muziek effectief was in het plaatsen van deelnemers in de positieve affectieve toestand. Deelnemers aan de controlegroep werden niet blootgesteld aan emotioneel geladen materialen. Integendeel, ze gingen rechtstreeks naar de leertaak. - Geef de deelnemers de potlood-en-papier versie van de Self-Assessment Manikin schaal28,29 en vraag hen om hun emotionele toestand te beoordelen.
- Geef de deelnemers de potlood-en-papier versie van de Self-Assessment Manikin (SAM) picturale rating schaal28,29. Vraag de deelnemers om hun emotie te beoordelen met behulp van potloden om de bijbehorende pop te markeren.
- Vraag de deelnemers om de trainingstaak uit te voeren.
- Presenteer de volgende schriftelijke instructies op de computerschermen om de deelnemers te informeren dat ze een taal leren die de woordenschat in hun moedertaal bevat en een nieuwe grammatica: "Welkom bij ons experiment! In dit experiment moet u een nieuwe taal leren die Chinese woorden en een nieuwe grammatica bevat. Als je er klaar voor bent, druk je op elke toets om door te gaan naar het experiment."
- Presenteer de volgende schriftelijke instructies op de computerschermen om deelnemers te instrueren om de leertaak uit te voeren: "Vervolgens ziet u enkele zinnen op het scherm. Let ze goed op en beslis of ze grammaticaal zijn of niet. Druk op '1' als de zinnen grammaticaal zijn, en '0' als ze niet grammaticaal zijn. Na elk antwoord ontvangt u een feedbackantwoord ('CORRECT!' of 'INCORRECT!') en wordt de juiste zin gepresenteerd. Druk op elke toets om door te gaan naar de leertaak."
- Laat de deelnemers de grammaticale aanvaardbaarheid van de zinnen op het computerscherm beoordelen met een druk op de knop ('1' voor grammaticale en '0' voor niet-grammaticale) en presenteer na elk antwoord een antwoord ('CORRECT!' of 'INCORRECT!') op het scherm. Presenteer de juiste structuren na de antwoorden om het effect van het leren te versterken.
- Wanneer alle proeven zijn voltooid, presenteert u de volgende schriftelijke instructies op de computerschermen om de deelnemers te informeren dat de trainingstaak voorbij is: "De leertaak is voltooid!"
- Geef de deelnemers de potlood-en-papier versie van de Self-Assessment Manikin schaal28,29 en vraag hen om hun emotionele omstandigheden te beoordelen.
- Vraag de deelnemers om de grammaticaliteitsbeoordelingstaak voor de testsessie uit te voeren.
- Presenteer de volgende schriftelijke instructies op de computerschermen: "Blijf soortgelijke vragen beantwoorden. Bepaal of de grammaticale structuren van de zinnen correct zijn. Druk op '1' als je denkt dat ze juist zijn en druk op '0' als je denkt dat ze onjuist zijn. Je krijgt zeven seconden om te reageren. Als u niet binnen de tijdslimiet reageert, wordt de volgende vraag automatisch gestart. Druk op een toets om het experiment te starten."
- Laat de deelnemers de zinnen lezen die op het scherm worden getoond en beoordelen de grammaticaliteit van de zinnen met een druk op de knop ("1" voor grammaticale en "0" voor niet-grammaticale).
- Wanneer alle proeven zijn voltooid, presenteert u de volgende schriftelijke instructie op de computerschermen om de deelnemers te informeren dat de taak voorbij is: "Het einde. Bedankt voor uw deelname!"
- Vraag de deelnemers om een vragenlijst in te vullen over hun demografische gegevens. Bereid hun betaling voor tijdens de vragenlijst.
- Geef de geldelijke compensatie of beloning aan de deelnemers.
4. Gegevensanalyse
- Verzamel gegevens uit de uitvoerbestanden van de stimuluspresentatiesoftware.
- Voer een ANOVA-analyse uit met emotie (positief, controle) en zinstype (SOV, SIOV, OSVSV, SOVSV) als de onafhankelijke variabelen en de gemiddelde nauwkeurigheid van het leren als de afhankelijke variabele om het effect van emotie op nauwkeurigheid te onderzoeken.
- Voer een ANOVA-analyse uit met emotie (positief, controle) en zinstype (SOV, SIOV, OSVSV, SOVSV) als de onafhankelijke variabelen en de gemiddelde RT's als de afhankelijke variabele om het effect van emotie op RT's te onderzoeken.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Het doel van deze studie is om het effect van positieve geïnduceerde emotie op het leren van vreemde talen grammatica te onderzoeken. Hiervoor werden twee groepen deelnemers aangeworven om deel te nemen aan het experiment, waaronder een groep met positieve emoties (15 vrouwen, M-leeftijd = 20,20, leeftijdscategorie: 18-27) en een controlegroep (16 vrouw, M-leeftijd = 20,33, leeftijdscategorie: 18-26). Elke groep bestond uit 30 deelnemers. De twee groepen verschilden niet significant in leeftijd, t (58) = -0.215, p = 0.831 of jaren van onderwijs, t (58) = -0.830, p = 0.410, hoewel de controlegroep hoger niveau van Engelse taalvaardigheid dan de andere groep had. Geen van hen meldde eerder Japans te hebben geleerd. Muziek werd gebruikt om positieve emoties te opwekken. Na emotie inductie, deelnemers werden verplicht om een nieuwe taal te leren, Chipanese, die werd gegenereerd met de Chinese woordenschat en de Japanse grammatica. De deelnemers leerden de taal door middel van een grammaticaliteit oordeel taak waarin ze werden gevraagd om de grammaticaliteit van de zinnen te beoordelen, met feedback gegeven na elke reactie. Om de leerresultaten te beoordelen, hebben we een aanvaardbaarheidsbeoordelingstaak uitgevoerd waarbij deelnemers nieuwe Chipanese zinnen kregen voorgeschotek, waarvan sommige grammaticaal waren en andere niet. De deelnemers werd gevraagd om te beslissen of de zinnen grammaticaal waren of niet. De nauwkeurigheid en DE's van hun antwoorden werden geregistreerd en geanalyseerd om hun leerprestaties te beoordelen.
Om erachter te komen of emotie-inductie succesvol was, werd een herhaalde anova uitgevoerd met de tijd (vóór inductie vs. na inductie) en groep (positief versus controle) als voorspellers en rating scores als de afhankelijke variabele. De analyse bracht een significant hoofdeffect van de tijd aan het licht, F(1, 58) = 25,91, p < 0,001; een significant hoofdeffect van groep F(1, 58) = 12,62, p < 0,001; en een significant interactie-effect tussen tijd en groep, F(1, 58) = 28,03, p < 0,001. De vergelijking van het paar toonde aan dat de valenceclassificaties voor de controlegroep niet beduidend na inductie veranderden. De deelnemers aan de controlegroep waren in een relatief neutrale emotionele toestand, zowel voor als na de inductie. De kijkcijfers voor de groep positieve emoties stegen aanzienlijk na de inductie met de positief-valenced muziek (p < 0,001). Deelnemers aan de groep positieve emotie waren aanzienlijk gelukkiger dan die in de controlegroep (p < 0,001). Daarom was onze emotie-inductie succesvol (figuur 1).
Figuur 1: Resultaten van emotie-inductie. Het cijfer presenteert de gemiddelde rating scores voor de emotionele omstandigheden van de twee groepen. De foutbalken vertegenwoordigen de standaardafwijking van de gegevens. Klik hier om een grotere versie van dit cijfer te bekijken.
Om te onderzoeken of emotionele toestanden werden ondersteund tijdens de trainingsfase, voerden we een herhaalde maatregelen ANOVA met groep (positief vs. controle) en tijd (na inductie vs. na de training) als voorspellers en rating scores als de afhankelijke variabele. De resultaten geven aan dat er een significant hoofdeffect was van groep F(1, 58) = 52,96, p < 0,001. De gemiddelde score voor de groep met positieve emoties was aanzienlijk hoger dan die voor de controlegroep, wat suggereerde dat de groep met positieve emoties aanzienlijk gelukkiger was dan de controlegroep. Er werd geen significant effect van de tijd gevonden, F(1, 58) = .61, p = 0,436, waaruit bleek dat valentiebeoordelingen voor de twee groepen tijdens de trainingsfase niet significant veranderden en dat de deelnemers met positieve emotie gelukkiger bleven dan de controles in deze periode. De resultaten wezen uit dat de emotionele omstandigheden van de deelnemers gedurende het hele experiment werden aangehouden.
Figuur 2: Nauwkeurigheid van grammaticaleren per groep. De figuur presenteert het gemiddelde percentage van de juiste antwoorden door de groep positieve-emotie en de controlegroep. De foutbalken vertegenwoordigen de standaardfouten van de gegevens. Klik hier om een grotere versie van dit cijfer te bekijken.
De gemiddelde nauwkeurigheid van grammaticaleren door de twee groepen wordt weergegeven in figuur 2. ANOVA werd uitgevoerd met emotie (positief, controle) en zinstype (SOV, SIOV, OSVSV, SOVSV) als de voorspellers en gemiddelde nauwkeurigheid als de afhankelijke variabele. Resultaten toonden een significant effect van emotie, F(1, 58) = 62,68, p < 0,001; en een significant effect van zinstype, F(1, 58) = 35.21, p < 0,001. De interactie tussen emotie en zintype was niet statistisch significant, F(1, 58) = 1.71, p = 0.165. De deelnemers aan de controlegroep presteerden aanzienlijk nauwkeuriger dan die in de positieve emotieconditie. SIOV en SOVSV structuren werden aanzienlijk minder nauwkeurig begrepen dan SOV en OSVSV structuren. De controlegroep presteerde beter dan de groep met positieve emoties, ongeacht de grammaticale structuren.
Figuur 3: Reactietijden in grammaticaleren per groep. De figuur presenteert de gemiddelde RT's door de groep met positieve emoties en de controlegroep. De foutbalken vertegenwoordigen de standaardfouten van de gegevens. Klik hier om een grotere versie van dit cijfer te bekijken.
De gemiddelde RT's voor de twee groepen zijn weergegeven in figuur 3. Vóór de analyse werden de RT's voor onjuiste antwoorden verwijderd. RT's boven drie standaardafwijkingen van het gemiddelde werden beschouwd als uitschieters en uitgesloten van analyse. ANOVA werd uitgevoerd met emotie (positief, controle) en zinstype (SOV, SIOV, OSVSV, SOVSV) als de voorspellers en RT's als de afhankelijke variabele. De resultaten toonden aan dat er een significant effect van emotie was, F(1, 58) = 600,81, p < 0,001; en een significant effect van zinstype, F(1, 58) = 77,03, p < 0,001. De interactie tussen emotie en zintype was niet significant, F(1, 58) = 1.70, p = 0.165. De deelnemers aan de controlegroep reageerden sneller dan die in de positieve emotionele toestanden. SOV structuren werden sneller herkend dan de andere drie structuren, en SIOV structuren werden herkend langzamer dan andere structuren. Het effect van emotie verschilde echter niet significant tussen verschillende structuren. De groep met positieve emoties reageerde aanzienlijk langzamer dan de controlegroep in alle geteste structuren.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
De resultaten geven aan dat de deelnemers beoordeelden hun emoties aanzienlijk positiever na blootstelling aan de positief-valenced muziek. Deze onderwerpen waren aanzienlijk gelukkiger dan de controlegroep. Dit suggereert dat onze emotie manipulatie succesvol was. Deelnemers aan de groep met positieve emoties bleken aanzienlijk minder nauwkeurig en efficiënt te zijn dan die in de controlegroep. Een mogelijke reden is dat deelnemers een inductieve strategie hanteren in grammaticaleren, wat resulteert in een sterke afhankelijkheid van analytische en bottom-up verwerking. Inductieve verwerking omvat de zorgvuldige afweging van gedetailleerde informatie en het gebruik van analytische strategieën om informatie te verwerken. Deductieve verwerking, aan de andere kant, omvat het gebruik van heuristische strategieën die een sterke afhankelijkheid van eerdere ervaring om het probleemoplossend proces te versnellen functie. Aangezien grammaticaleren een proces is dat de afweging van de relaties tussen verschillende linguïstische eenheden en de extractie van de regels voor deze relaties vereist, is inductieve verwerking een meer faciliterende verwerkingsstijl dan deductieve verwerking. Eerdere studies hebben aangetoond dat de inductieve aanpak is een effectieve benadering van het leren van vreemde taal grammatica30. In deze studie manipuleerden we het woord orde en case-marking van de experimentele zinnen, die essentiële aspecten van grammatica zijn. Deze leertaak vereiste deelnemers om de relaties tussen verschillende woorden in de zinnen te analyseren en te identificeren en oordelen te vormen over de legitieme volgorde van de woorden in de zinnen. Het belangrijkste is dat deze oordelen gebaseerd moeten zijn op de zorgvuldige observatie en analyse van specifieke taalkundige details, zoals syntactische categorieën of semantische rollen. Daarom profiteerde het leren van woordorder meer van inductieve strategieën en de bijbehorende bottom-up verwerkingsstijl. Aangezien positieve emotie een deductieve of top-down verwerkingsstijl31,32bevordert, wat onverenigbaar is met de inductieve benadering die door deelnemers wordt gebruikt, kan het een remmend effect hebben op de prestaties van deelnemers in grammaticaleren. Een andere mogelijke reden is dat individuen in positieve emotionele omstandigheden de neiging hebben om informatie op een minder inspanningsvolle manier te verwerken33,34. Volgens de motiverende principes, individuen in positieve affectieve omstandigheden zijn minder gemotiveerd om grote inspanningen te leveren, omdat ze meer geneigd zijn om hun affectieve staten te handhaven door het vermijden van cognitieve inspanningen35. Daarom kunnen leerlingen in de positieve emotionele toestand minder gemotiveerd zijn dan de controles, wat zou kunnen verklaren waarom ze slechter presteerden in de experimentele taak. De bevindingen komen overeen met de studie36 van Politis en Houtz en Liu et al.'s studie27, waaruit bleek dat leerlingen in positieve emotionele omstandigheden minder nauwkeurig en zorgvuldig presteerden in leeractiviteiten. De bevindingen van deze studie toonden aan dat het protocol succesvol was in het identificeren van het effect van kunstmatig geïnduceerde positieve emotie op het leren van vreemde talengrammatica.
In termen van methodologie, het experiment was gebaseerd op de semi-kunstmatige taal paradigma. De semi-kunstmatige taal werd gekozen om ervoor te zorgen dat de geteste structuren nieuw waren voor de deelnemers. Deze studie verschilt van traditionele kunstmatige taalstudies in de volgende twee aspecten: Ten eerste hebben we een doeltaalsysteem aangenomen dat de grammaticale regels van een natuurlijke taal (Japans) volgde. Ten tweede bestond het lexicon dat in het doeltaalsysteem wordt gebruikt uit echte woorden (Chinees), eerder dan betekenisloos aantal of briefkoorden. Deze twee kenmerken vergrootten de gelijkenis van de semi-kunstmatige taal met natuurlijke talen die door mensen worden gebruikt. Het gebruik van semi-kunstmatige talen kan de grammaticale complexiteit en de semantische informatie in natuurlijke talen behouden en kan zo beter onthullen hoe de individuele verschillen van deelnemers in affectieve toestanden hun leren van grammaticale regels beïnvloeden in natuurlijke talen. Daarom zijn de bevindingen van deze studie generaliserend voor vreemde taal leren buiten het laboratorium.
Door de woordenschat in de moedertaal van de leerlingen te combineren met de grammatica in een vreemde taal, kunnen semi-kunstmatige taaltaken de twee leerprocessen effectief scheiden en het effect van emotie op grammaticaleren onderscheiden van dat op woordenschatleren. In vergelijking met natuurlijke talen kunnen semi-kunstmatige talen de interferentie van lexicale factoren in het grammaticaleren minimaliseren en zo een objectievere beoordeling van leerresultaten mogelijk maken. Semi-kunstmatige taaltaken zijn gebruikt in verschillende studies en bleken een effectieve benadering te zijn voor het bestuderen van het impliciete of incidentele leren van syntaxis of morfosyntaxine in niet-inheemse talen19. De huidige studie toonde aan dat deze aanpak ook van toepassing is op de onderzoeken naar de individuele verschillen van leerlingen in het leren van niet-moedertaal.
Een groot probleem met dit protocol is het ontbreken van a priori maatregelen die zorgen voor een vergelijkbare verwerking van grammaticaliteit en van leren in de afwezigheid van enige emotie manipulatie in de twee groepen. Een ideaal protocol moet een reeks pretest manipulaties bevatten die het mogelijk maken om ondubbelzinnig aan te tonen dat de twee groepen grammatica op dezelfde manier leren bij afwezigheid van emotie-inductie. We zouden bijvoorbeeld een grammaticaliteitsbeoordelingstaak en een leertaak van woordvolgorde beheren met behulp van een andere vreemde taal en de prestaties van de twee groepen vergelijken. Zij mogen alleen naar het experiment gaan als er geen significant verschil tussen de twee groepen wordt gevonden. Resultaten van deze studie zouden overtuigender zijn als we voorafgaand aan het experiment konden aantonen dat de twee groepen niet verschilden in basisaspecten die hun gedragsreacties hadden kunnen beïnvloeden. Dit is een stap die in ons protocol is genegeerd en in toekomstige studies nauwlettend in overweging moet worden genomen. Een andere beperking is dat het alleen van toepassing is op de talen die grammaticaal verschillen van de moedertaal van de lerenden. Als de vreemde taal vergelijkbare grammaticale structuren heeft als de moedertaal van de leerling, zal de resulterende semi-kunstmatige taal dezelfde woordenschat en dezelfde grammatica bevatten als hun moedertaal, waardoor het moeilijk is om onderscheid te maken tussen de twee . Voor talen die vergelijkbaar zijn met de moedertaal van leerlingen, verdient het de voorkeur om kunstmatige taaltaken te gebruiken waarin sequenties van letters of getallen worden gebruikt in plaats van woorden. Bovendien, aangezien dit onderzoek slechts het effect van kunstmatig veroorzaakte positieve emotie op grammatica het leren heeft onderzocht, kunnen de resultaten niet noodzakelijk het zelfde voor negatieve affectieve staten houden. Verdere studies zijn nodig om te onderzoeken hoe negatieve affectieve staten het leren van vreemde talen kunnen beïnvloeden met behulp van het semi-kunstmatige taalparadigma.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs verklaren dat zij geen concurrerende belangen hebben.
Acknowledgments
Deze studie werd ondersteund door het kernproject [18AYY003] van de National Social Science Foundation of China, het National Research Centre for Foreign Language Education (MOE Key Research Institute of Humanities and Social Sciences at Universities), Beijing Foreign Studies University, en het post-gefinancierde project van Beijing Foreign Studies University [2019SYLHQ012].
Materials
| Name | Company | Catalog Number | Comments |
| E-prime | PST | 2.0.8.22 | Stimulus presentation software |
| Computer | N/A | N/A | Used to present stimuli and record subjects' responses |
| Self-Assessment Manikin (SAM) | N/A | N/A | Used to assess subjects' affective states. From Lang (1980)29 |
References
- Affect in Language Learning. Arnold, J. , Cambridge University Press. Cambridge. (1999).
- Egidi, G., Caramazza, A. Mood-dependent integration in discourse comprehension: Happy and sad moods affect consistency processing via different brain networks. NeuroImage. 103, 20-32 (2014).
- Hinojosa, J. A., et al. Negative induced mood influences word production: An event-related potentials study with a covert picture naming task. Neuropsychologia. 95, 227-239 (2017).
- Hinojosa, J. A., Moreno, E. M., Ferré, P. Affective neurolinguistics: towards a framework for reconciling language and emotion. Language, Cognition and Neuroscience. , 1-27 (2019).
- Kuperman, V., Estes, Z., Brysbaert, M., Warriner, A. B. Emotion and language: valence and arousal affect word recognition. Journal of Experimental Psychology: General. 143 (3), 1065-1081 (2014).
- Rodríguez-Ferreiro, J., Davies, R. The graded effect of valence on word recognition in Spanish. Journal of Experimental Psychology: Learning, Memory, and Cognition. , (2018).
- Vinson, D., Ponari, M., Vigliocco, G. How does emotional content affect lexical processing. Cognition and Emotion. 28 (4), 737-746 (2014).
- Kotz, S. A., Kalberlah, C., Bahlmann, J., Friederici, A. D., Haynes, J. D. Predicting vocal emotion expressions from the human brain. Human Brain Mapping. 34 (8), 1971-1981 (2013).
- Wegrzyn, M., Herbert, C., Ethofer, T., Flaisch, T., Kissler, J. Auditory attention enhances processing of positive and negative words in inferior and superior prefrontal cortex. Cortex. 96, 31-45 (2017).
- Cato, M. A., et al. Processing words with emotional connotation: an FMRI study of time course and laterality in rostral frontal and retrosplenial cortices. Journal of Cognitive Neuroscience. 16 (2), 167-177 (2004).
- Hinojosa, J. A., Méndez-Bértolo, C., Carretié, L., Pozo, M. A. Emotion modulates language production during covert picture naming. Neuropsychologia. 48 (6), 1725-1734 (2010).
- Larsen, K. G. The relationship between mood and implicit learning. , University of Nevada. Doctorate thesis (2017).
- Reber, A. S. Implicit learning of artificial grammars. Journal of Verbal Learning and Verbal Behavior. 6, 855-863 (1967).
- Ziori, E., Pothos, E. Artificial grammar learning: An introduction to key issues and debates. Implicit and Explicit Learning of Languages. Rebuschat, P. , John Benjamins Publishing Company. Amsterdam. 249-273 (2015).
- Opitz, B., Hofmann, J. Concurrence of rule- and similarity-based mechanisms in artificial grammar learning. Cognitive Psychology. 77, 77-99 (2015).
- Bahlmann, J., Gunter, T. C., Friederici, A. D. Hierarchical and linear sequence processing: An electrophysiological exploration of two different grammar types. Journal of Cognitive Neuroscience. 18, 1829-1842 (2006).
- Friederici, A. D., Bahlmann, J. H. S., Schubotz, R. I., Anwander, A. The brain differentiates human and nonhuman grammars: Functional localization and structural connectivity. Proceedings of the National Academy of Sciences of the United States of America. 103, 2458-2463 (2006).
- Williams, J. N., Kuribara, C. Comparing a nativist and emergentist approach to the initial stage of SLA: An investigation of Japanese scrambling. Lingua. 118, 522-553 (2008).
- Grey, S., Williams, J. N., Rebuschat, P. Individual differences in incidental language learning: Phonological working memory, learning styles, and personality. Learning and Individual Differences. 38, 44-53 (2015).
- Williams, J. N. Learning without awareness. Studies in Second Language Acquisition. 27, 269-304 (2005).
- Leung, J. H. C., Williams, J. N. The implicit learning of mappings between forms and contextually derived meanings. Studies in Second Language Acquisition. 33, 33-55 (2011).
- Leung, J. H. C., Williams, J. N. Constraints on implicit learning of grammatical form-meaning connections. Language Learning. 62, 634-662 (2012).
- Pratt, N. L., Kelly, S. D. Emotional states influence the neural processing of affective language. Social Neuroscience. 3 (3-4), 434-442 (2008).
- Chwilla, D. J., Virgillito, D., Vissers, C. T. W. The relationship of language and emotion: N400 support for an embodied view of language comprehension. Journal of Cognitive Neuroscience. 23 (9), 2400-2414 (2011).
- Williams, J. N., Paciorek, A. Indirect tests of implicit linguistic knowledge. Advancing Methodology and Practice: The IRIS Repository of Instruments for Research into Second Languages. Mackey, A., Marsden, E. , Taylor & Francis. 25-42 (2016).
- Rebuschat, P., Williams, J. N. Implicit and explicit knowledge in second language acquisition. Applied Psycholinguistics. 33, 829-856 (2012).
- Liu, X., Xu, X., Wang, H. The effect of emotion on morphosyntactic learning in foreign language learners. PloS One. 13 (11), 0207592 (2018).
- Bradley, M. M., Lang, P. J. Measuring emotion: the self-assessment manikin and the semantic differential. Journal of Behavior Therapy and Experimental Psychiatry. 25 (1), 49-59 (1994).
- Lang, P. J. Behavioral treatment and bio-behavioral assessment: computer applications. Technology in mental health care delivery systems. Sidowski, J. B., Johnson, J. H., Williams, T. A. , Ablex. Norwood, NJ. 119-137 (1980).
- Vogel, S., Herron, C., Cole, S. P., York, H. Effectiveness of a guided inductive versus a deductive approach on the learning of grammar in the intermediate‐level college French classroom. Foreign Language Annals. 44 (2), 353-380 (2011).
- Storbeck, J., Clore, G. L. On the interdependence of cognition and emotion. Cognition and Emotion. 21 (6), 1212-1237 (2007).
- Clore, G. L., Storbeck, J. Affect as information about liking, efficacy, and importance. Affect in Social Thinking and Behavior. Forgas, J. P. , Psychology Press. New York. 123-141 (2006).
- Clark, M. S., Isen, A. M. Towards understanding the relationship between feeling states and social behavior. Cognitive Social Psychology. Hastorf, A. H., Isen, A. M. , Elsevier. North Holland, New York. 73-108 (1982).
- Sinclair, R. C., Mark, M. M., Clore, G. L. Mood-related persuasion depends on (mis)attributions. Social Cognition. 12, 309-326 (1994).
- Forgas, J. P. Can sadness be good for you? On the Cognitive, Motivational, and Interpersonal Benefits of Negative Affect. The Positive Side of Negative Emotions. Porrott, W. G. , Guilford Publications. New York. 3-35 (2014).
- Politis, J., Houtz, J. C. Effects of positive mood on generative and evaluative thinking in creative problem solving. SAGE Open. 5 (2), 2158244015592679 (2015).
