Project

Predictie in taalverwerking: Quantitatief bepalen hoe sterk de betekenis en de spelling van een woord verwacht op basis van de voorafgaande context bijdragen tot de efficiëntie van de verwerking van het woord

Acroniem
G011617N
Looptijd
01-01-2017 → 31-12-2018
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Onderzoeksdisciplines
  • Natural sciences
    • Other biological sciences
    • Other natural sciences
Trefwoorden
taalverwerking
 
Projectomschrijving

  Taalbegrip is incrementeel. Dit betekent dat woorden worden voorspeld tot op zekere hoogte op basis van de voorafgaande context. De voorspelling is zowel semantische (het woord " eiken " palm ", wordt sneller wanneer het woord " verwerkt wordt verwacht) en orthografische (de eerste reactie op het onverwachte woord " schotel " wordt minder verstoord wanneer het woord " wens " is verwacht). Tot nu toe echter al het bewijs is beperkt tot ja / nee situaties (verwachte vs. onverwacht) en de schending paradigma (hoeveel verstoring wordt veroorzaakt door een woord dat niet past in de context). In het huidige onderzoek willen we onderzoeken hoe sterk voorspelling effecten zijn in de verwerking van doorlopende tekst, waar de voorspellingen zijn zelden zeer sterk en waar niemand echt onverwacht woorden worden aangetroffen. Om dit te doen, zullen we de voorspelbaarheid van elk woord in een tekst op basis van nieuw ontwikkelde semantische vectoren die hun nut in onze vorige studies hebben aangetoond te bepalen. Vervolgens zullen we de impact van de semantische vectoren over de verwerking efficiëntie in oogbewegingsdata en in ERP resultaten te onderzoeken. Dit zal ons toelaten om de mate waarin tekstverwerking in het lezen van tekst is afhankelijk van de fit met de voorgaande context en hoe de precieze relatie ziet eruit als in een breed scala van voorspelbaarheid waarden te kwantificeren. Het huidige onderzoek maakt deel uit van de huidige beweging om faculteit, experimentele ontwerpen met analyses van big data van grootschalige corpora en megastudies vullen.