对有意义的规律通过经验获得的

文摘

英语拼写提供多个线索词意思,这些线索很容易利用熟练的读者。在众包的两项研究中,我们测试了熟练的读者对大量的形态以及nonmorphological拼写提示通过询问他们对非言词作为形容词或名词进行分类。我们观察到的一个实质性的变化在个人和正字法的线索。在本文中,我们讨论一些这种变化的来源。具体来说,我们发现一致的读者的敏感信号之间的相关性及其对语言任务的性能(阅读、拼写和作者识别测试)表明阅读体验从书面语言同化spelling-to-meaning规律至关重要。进一步,我们确定了特征可能是重要的学习和开发的拼写提示其功能的性质和使用有关的上下文。

介绍

在拼音文字系统中,字母主要代表声音。然而,组字母在单词重复出现的具有相似的含义(“信任”,“说信任”、“信任值得”),从而形成岛屿形式和意义之间的规律性(Rastle et al。2000年)。最常见的情况是,这些岛屿的规律性与透明的语素,成分的含义。这些语素可以茎(例如,信任)或词缀(例如,以某方式),改变单词的含义以可预测的方式(例如,“野生ly”、“大胆ly“,”ly”;Rastle et al。2000年)。尽管如此,其他字母组,传统上不被认为是词素也可以重新出现在不同的单词,而带着某种程度的有意义的信息:glisten,gl屁股,gl它(与光有关);sn矿石,sneeze,sn支持(已与鼻子);凹口浆果,groc红霉素(伤害和赛登伯格2004年;Rastle et al。2000年;Aronoff1976年;赛登伯格和Gonnerman2000年)。

心理语言学的长期辩论词识别和阅读研究关注的问题是否明确代表词素在阅读系统。例如,塔夫特和福斯特(1975年)表明,非言词还带有明显的形态结构(如“dejuvenate”,由现有的前缀DE -和茎JUVEN”juvenile”、“再保险juven吃”)需要更长的时间来拒绝在一个词汇决定任务而非言词没有这样的结构(例如,”德无礼的oire”的“干”是不存在的;参见Rastle et al。2000年;福斯特等。1987年;Rastle et al。2004年)。这条线的证据表明语素可以享受特殊处理的优势相比,匹配nonmorphological模式。然而,一个有影响力的派生形态学(赛登伯格和Gonnerman2000年;伤害和赛登伯格2004年)避开一个单独的水平表示致力于词素。语素和其它常规或quasiregular模式成为分布在隐藏单位代表的统计规律,在拼写,语音和语义信息(赛登伯格和Gonnerman2000年)。在这种模型中,规律始终持有多个水平(正字法、音系学、语义)尤其突出。模型的这个特性可能占的影响被认为是纯粹的形态在本质上(塔夫特和福斯特1975年;Rastle et al。2004年)。

抛开这些理论上的争论不谈,所有阅读学者会同意阅读过程的最终目标是恢复词义的拼字法。词义的一个方面,对于成功的理解是尤其重要词汇范畴(例如,“我们看到了她”,“鸭子”可能意味着一个名词或动词,取决于一个更广泛的上下文)。提示在拼写词汇范畴非常突出。例如,有许多英语词素的拼写一致多次出现在不同的单词,而他们的发音不(伯格和Aronoff2017年;Rastle2019年;Ulicheva et al .,2020年)。例如,英语过去时态动词会在/əd /, / d /或/ t /在语音,但这些最终音素总是拼写连接(卡尼1994年)。有趣的是,这样的拼写提示并不总是语素。例如,上下文和虚词使用相同的发音可能需要不同的拼写(“酒店”,“再见”和“在”,“通过”,史密斯et al。1982年;Albrow1972年)。史密斯等人讨论类似的差异最终信翻来区分专有名词(如“基德”、“卡尔”)从普通名词(例如,“孩子”,“汽车”)。

读者对形态的敏感性和nonmorphological暗示

大量的研究表明,形态和nonmorphological的信息来源都是积极利用读者的理解力。Ulicheva et al。(2020年)研究了形态学线索的意思。英语的作者进行了计算分析推导显示后缀拼写携带独特含义的信息(具体地说,关于词汇类别)并不总是可用的语音形式的后缀(参见伯格和Aronoff2017年)。Ulicheva et al。(2020年)设计了一个测量的信息呈现在拼写并将它“诊断”。诊断是指与给定后缀拼写单词的数量属于一个特定的词汇范畴,除以总数量的单词拼写这个后缀。英语后缀的作者表明,诊断价值很高,平均为0.78(诊断值范围从0到1),表明英语派生后缀是可靠的标志意义。此外,在两个行为实验,Ulicheva et al。2020年)表明,熟练的读者拥有知识的有意义的信息和快速阅读时利用它。例如,在实验1中,46个参与者由名词或形容词分类判断无意义词汇,如“jixlet”。十名词和十个形容词后缀不同的诊断被用来形成非言词。总的来说,参与者更容易分类非言词作为形容词时以adjective-diagnostic后缀比当他们以noun-diagnostic后缀。进一步阅读和拼写行为反映的力量后缀拼写暗示类别在大型语料库。换句话说,作为后缀变得更加的诊断对于一个给定的类别,参与者的反应越来越青睐的那一类。基于这些数据,作者建议,熟练的读者长期知识代表了书写系统的统计结构,这些知识可能通过隐式统计学习过程(参见圣克莱尔等。2010年)。

另一方面,大量的文献表明,nonmorphological正字法的模式(例如咖啡匙,主要发生在名词,例如,“n咖啡匙”、“球咖啡匙”)也携带有意义的类别信息,熟练的读者能够利用这些与形态学线索。坎普et al。(2009年)演示了在三个任务,熟练的读者通常敏感nonmorphological字母序列诊断的名词(例如,咖啡匙)或动词(例如,-ERGE " diverge”、“新兴市场erge”;参见Arciuli Cupples2003年,2004年,2006年;农民et al。2006年;凯利1992年;Arciuli和莫纳亨2009年;卡等。2020年)。这项研究的一个重要方面是,他们发现,阅读能力是与信号灵敏度在句子结构(r= 32,p= .008)和句子判断任务(r=点,p= .038)。坎普等人认为,这些相关性反映了逐渐增长的意义通过反复接触(nonmorphological)信息也通过阅读(见Rastle字母字符串2019年;农民et al。2015年;Arciuli et al。2012年)。邻域的研究支持这一观点,在一定程度上概率模式,如print-to-sound通讯,可以从接触学习取决于阅读体验的丰富性(博士等。2019年;参见Treiman et al。2006年)。

据我们所知,只有一个试图比较形态学的处理和nonmorphological线索直接意义。使用梅格,Dikker et al。(2010年发现差异在视觉皮层活动早在120年初,后接触category-typical和category-atypical的话。刺激词包含的结局要么是后缀(如“农场”、“艺术坚持”)或nonmorphological结局(如“mov”、“草皮一个”)。没有差异报告在人们的敏感信号的两种类型。然而,仔细观察他们的材料表明,使用的一些线索的nonmorphological地位Dikker等人是有争议的。这些潜在的问题包括那些结束勒,ar, ess, ",或多达55%的单词在这种情况下,因此,这项研究的结果进行解释时应特别谨慎。

分布形态和nonmorphological暗示意义的特征

基于上面的研究综述中,似乎没有理由或证据相信形态和monmorphological提示的意思是利用不同的读者,提供这些语言有相似的分布。尽管如此,典型的词缀和nonmorphological拼写模式往往截然不同的分布特征(Ulicheva et al。2020年)。图1说明了这种差异的诊断和频率。从CELEX提取英语后缀和正字法的结局。拼写模式被定义为一个五个字母序列出现词终于没有现有的后缀结尾。从图可以看到1许多词素和结局同样频繁和诊断,但一个典型的后缀是更频繁和更比一个典型的诊断nonmophological结局。这些光谱的两端之间的差异可能会影响学习(霜2012年)。由于他们的生产力,后缀以及它们所携带的信息,可能比最容易学non-morphological末梢(Tamminen et al。2015年)。此外,后缀更高比大多数non-morphological末梢信息判断,这可能提高他们的易学性(Tamminen et al。2015年)。第三有关不同的是,大多数拼写结局暗示名词含义(88%),而后缀主要是形容词(30%)和名词(65%)形成(Ulicheva et al。2020年)。

图1
图1

正字法的结局和后缀的分配属性。左面板是个极密度图。右面板的密度图logarithm-transformed频率值

事实上,可能有分布形态和nonmorphological模式之间的差异,关注他们的映射意义或上下文中使用,更广泛的讨论。例如,形态信息提供语义细节超出了纯粹的类别信息()意味着一个代理,ess通常对应于一个女特工等等,看到赛登伯格和Gonnerman2000年;公司和布洛尼2015年)。一般来说,这样的细粒度一致的信息编码在形态单位可能更容易获得比编码在学习拼写的结局。其次,而词缀修改茎的含义,不是所有在可预见的、透明的方式(公司和布洛尼2015年)。这些差异在内容的数量和类型,单位也可能意味着不同的用法:有人可能会推测,语素可以预见在具体使用时,语义相关的上下文,而nonmorphological末梢可以更广泛地说,出现在语义无关的话在一个广泛的上下文。识别的因素影响有意义的信息是有价值的学习和开发现有模型的细化的阅读。

为了理解如果有任何加工形态和nonmorphological拼写模式之间的差异,我们设计了两个网络众包实验,熟练的读者被要求分类非言词结束在形态和nonmorphological线索匹配(即两个重要的分布特征。,频率和诊断)。两个实验的不同类型的判断参与者。实验1使用一个明确的任务,要求分类隔离非言词为形容词和名词类别。实验2使用隐式类别判断任务,参与者必须决定如何非言词融入句子。我们第一个问题关注基于项目变化:有实际处理之间的差异不同类型的线索,和有没有证据差异在学习这些信息吗?我们提出,人们对后缀线索的敏感度可能强于nonmorphological线索的原因概述了在前面的段落。对于分类的目的任务,同等数量的形容词结局必须包括在实验中。这为我们提供了一个机会来比较人们的行为对名词后缀与形容词后缀,虽然没有预期的类别之间的差异先天的。额外的有关问题诊断的影响参与者的反应。信息判断解释作为证据的分级效果的统计学习机制参与学习(Ulicheva et al。2020年)。因此信息判断结束类型的微分效应作为窗口了解基于项目的变化,即。如何获得不同的结局。最后,坎普et al。(2009年),我们也感兴趣的解释可能出现的任何差异在个人对这两种类型的线索,和这些差异相关参与者的语言技能。特别是,我们提出更好的灵敏度信号将与更好的语言能力有关,或与更多的阅读体验。为此,我们将找到更好的提示诊断敏感性参与者更好的拼写、词汇、阅读和测试经验。

实验1

方法

材料

三种类型的信结尾中使用的主要实验:名词后缀,形容词后缀,nonmorphological名词的结局。我们发现只有四个nonmorphological形容词结局(-LETE艾克,ul,)),因此无法利用这个操作。两个比较计划:(1)名词和形容词后缀之间,和(2)名词后缀和名词之间的结局。表1列出所有的结局;表2列出为心理语言学变量描述性统计。后缀和nonmorphological结局。,endings of non-suffixed words, were extracted from CELEX (Baayen et al.1993年)。25个名词后缀匹配25名词结尾式频率,诊断,长度在字母(见表2)。注意,令牌频率没有控制在这个实验中,和名词的结局令牌频率低于名词后缀(t= 4.64,p< 0.0001)。捕获的类型诊断测量有意义的信息的数量在一个给定的拼写。为特定的拼写,诊断计算数除以结尾的单词的拼写和落入这一类包含拼写的单词总数(见Ulicheva et al。2020年,详情)。输入频率的字数CELEX结束在信中模式。例如,频率值)包括pseudoaffixed等词语角落,以及形态简单的词语如订单。

表1实验后缀和结局。名词后缀在斜体印刷从名词/名词后缀结尾比较,因为匹配nonmorphological结局并不可用
表2为匹配变量描述性统计(没有后缀除外)

只有21 nonmorphological末梢可以匹配对频率和诊断名词后缀,因为nonmorphological结局通常的特点是大幅度降低值两个指标(见图。1)。因此,四个名词后缀,例如),表示“状态”,湖水,表示“状态”,而nonmorphological同行并不可用,从相关分析(见表中删除1)。每一个参与者看到每个结束的4倍(除了21低频形容词后缀出现8次)。注意,我们的一些nonmorphological源于古典语言那些充当生产词素(如加如“语素”、“音素”、“粉末”;- m的“感冒”;罗格在“模拟”、“目录”;迪1984年)。设计了总共368件。所有的刺激,实验列表用于演示,以及进一步的细节在匹配条件在OSF存储项目的,可以在线观看(https://osf.io/rbxpn/)。

单音节的3 - 4封信了非言词茎辅音被从电弧非言词数据库(5942茎;Rastle et al。2002年)。这些茎与结局。真正的单词(如lin-EN)以及同音异形异义词(例如/ dju-tI)被过滤掉。进一步,我们删除以下:包含罕见的三元非言词(< 6实例每百万)和三元模型(< 3每百万实例),非言词,至少有一个直角的邻居(Coltheart et al。1977年),非言词模棱两可的结局(例如“cli-sy”/“clis-y”),与单词类似非言词(例如“行贿者”、“bonglike”,“lawlist”、“thegent”)。手动pronounceability检查不可行是因为大量使用非言词在这个实验中(40112)。我们最小化的可能性“奇怪的”非言词的存在可能会影响结果给每个参与者的独特组合茎和结局。每个参与者看到一个独特的实验清单,茎从来没有重复。

过程

实验实施在线使用大猩猩实验构建器(www.gorilla.sc;Anwyl-Irvine et al。2019年)。任务是决定是否“字母字符串看起来像一个名词或形容词”,点击其中一个标签按钮在电脑屏幕上。是解释一个名词等的名字是一个人,,,质量,或想法,形容词是描述词。现实世界的例子给出了(“时间”、“人”、“方法”,“年”;“红色”,“简单”,“聪明”),实验始于两个实践试验,涉及真正的词(“灯”、“五彩缤纷”),以确保参与者理解任务。实验才开始响应所有实践试验是正确的。在每个试验中,参与者有八个秒做出回应,否则没有响应记录,软件先进自动到下一个试验。每个试验的最后一秒钟,一个倒计时钟显示在屏幕的右上角。整个任务,平均20分钟。一个进度条显示在屏幕的左上角。 Trial order was random for each participant. Participants were offered to take three breaks throughout the experiment.

参与者

为了参加在这项研究中,参与者必须是右撇子,英国公民,没有以前的历史阅读障碍,障碍,多动症,或任何相关的文化或语言的困难,提出了在单语环境中英语作为第一语言。109名参与者完成了通过多产的学术研究。他们平均24岁(从19岁到27岁);68年的女性。一位与会者表示,他们也会说法语。在教育方面,一位与会者没有完成高中学业,16岁高中毕业,和40完成大学。三个参与者接受专业培训,其余的研究生学位。

平均每小时报酬是£10.35。参与者阅读一种知情同意并确认,他们愿意参加实验。自执行的任务是在网上,一个额外的检查是必要的,以过滤掉参与者没有注意和/或做出任何努力来执行。主要分类任务不允许做这样的判断,因为任何反应(名词/形容词)是可以接受的任何非言词。我们选择使用参与者的表现拼写任务作为标准过滤掉不佳的参与者,因为在这个任务中,正确的反应在每个审判是已知的先验。总之,我们排除了三个参与者,其拼写远离正确的拼写(即。,超过3 SD)。脚注1正确的拼写之间的距离估计使用Levenshtein距离测量(R vwr包;Keuleers2013年)。例如,排除参与者产生的反应就像“youfemism”,“apololypse”、“bueocrat”“委婉语”,“现代启示录”,和“官僚”。来自105个参与者的数据保留分析。

任务测量个体差异

词汇量。参与者完成了词汇量偏小皮普生活研究所的规模(皮普1940年)。词汇测试由40项,要求参与者选择一个词的四个最相似的提示词的意思。响应时间是无限的。词汇得分范围从14岁到39岁。

作者的认可。在这个测试中,参与者提出了作者名和箔,并要求说明哪些作者他们承认是真实的。这个测试是一个可靠的预测的阅读技能,因为作者的知识被认为是通过打印暴露(摩尔和戈登2015年;Stanovich和西1989年)。65现有的作者列表取自艾奇逊等人。2008年)。根据分析由摩尔和戈登(2015年),参与者的反应的变化给15名从这个列表是最小的,而且没有歧视性的权力。因此,我们这些15名换成我们的选择的名字。这些新名字是取自普利策的列表,布克和笔奖在2001年和2012年之间。我们使用65箔名称使用Martin-Chang和古尔德(2008年)。我们的参与者被要求避免猜测他们会惩罚不正确的响应。总分是数值差异作者被识别正确的数量和作者猜测不正确的参与者的数量。总分范围从2到49(65),平均15岁。

拼写。四十个单词八个字母的长度,从伯特和泰特(2002年拼写),提出了生产。首先追溯了每个单词的录音,然后一次一个句子中去。录音可以重播的10倍。参与者可以输入他们的拼写录音停止吸烟后,他们有15秒。一个倒计时钟显示每个审判的最后五秒。拼写分数范围从0到39(平均15岁)。

分析

分析使用广义线性mixed-effects模型(Baayen et al。2008年)作为实现lme4包(版本1.1 -14年,贝茨等。2015年3.6.1)R统计软件(版本,R开发核心团队2018年)。首先,我们将介绍两个计划比较的结果:(1)形容词后缀vs名词后缀;(2)名词后缀与名词的结局。运行两个独立的线性混合模型分析每一种对比。我们的统计模型包括响应作为一个因变量(二进制分类变量,形容词编码为1,或名词编码为0),条件,即。,ending type (adjective suffix or noun suffix or noun ending, depending on the comparison), as a fixed factor, and random intercepts for subjects and suffixes. Second, we will report the effects of diagnosticity on participants’ behaviour. Finally, we will investigate the sources of individual variation in people’s sensitivity to these cues.

基于项目的变化

计划在结束比较类型。脚注2第一个计划比较是形容词和名词后缀的对比。正如预期的那样,我们观察到相当重要作用的条件(z= 5.694,p< 0.001;见图。2),这样更多的形容词反应给非言词,结束于形容词后缀相比,名词后缀。第二个计划比较是名词后缀与nonmorphological名词的结局对比,这里,我们观察到有明显的区别条件:非言词作为后缀引起名词反应少于nonmorphological非言词(z=−3.132,p< 0.01)。

图2
figure2

概率的回应“形容词”轴(1)或“名词”(0轴)三种类型的结局(名词-形容词后缀,NE -末梢,NS -名词后缀)。误差线代表着参与者标准错误

为了理解基于项目的潜在来源可变性,我们研究结束诊断和参与者的反应之间的关系。实现了三个额外的统计模型分别为每个结束类型(形容词后缀,名词后缀,名词的结局)。脚注3使用的模型信息判断作为唯一固定的连续测量预测(因变量以及随机效应与上面描述的模型)。结果如下。首先,在形容词后缀中,那些有较高的诊断价值出现更多的adjective-like参与者(z= 3.642,p< 0.001),见图。3。的诊断名词后缀不显著影响反应非言词,包含这些后缀,见图。4(z= 0.831,p= 0.406)。同样,我们没有观察到任何影响极nonmorphological末梢的反应非言词,见图。5(z=−0.983,p= 0.326)。

图3
图3

平均概率的“形容词”应对非言词形容词后缀。后缀增加诊断的顺序排列。暗条对应于实验1,轻酒吧对应于实验2。当我们移动轴从左到右,诊断增加,和“形容词”的比例反应轴(1)增加

图4
装具

平均概率的回应“形容词”(1)或“名词”(0)非言词,名词后缀。极没有影响参与者的分类行为实验1:随着后缀诊断增加,形容词(1)反应的比例是恒定的,且不降低,正如人们预期的那样,而在实验2中,信息判断引起更多的名词后缀中更高的响应

图5
figure5

平均概率的回应“形容词”(1)或“名词”(0)非言词,结束在noun-biasing nonmorphological模式。诊断没有影响参与者的分类行为:随着结束的东西增加,形容词反应的比例是恒定在实验1中,同时减少在实验2中,如预期

基于subject的可变性

为了解决个体差异的问题,我们研究了参与者之间的关系表现在语言和文化背景的措施及其非言词分类性能。线性混合模型包括一个结局之间的交互类型条件和参与者的语言任务(得分三个独立的模型实现由于个人特征之间有高度的相关性,见下表3),和潜在的影响可解释性的个人影响,这可能(Belsley et al。2005年)。因变量以及随机效应的结构都是相同的在上面的其他分析报告。参与者的反应与预测的词汇范畴当参与者更好的拼写能力(形容词与名词后缀:z= 19.814,p< 0.001;名词后缀与名词的结局:z=−5.189,p< 0.001),最好词汇表(形容词与名词后缀:z= 16.619,p< 0.001;名词后缀与名词的结局:z=−7.630,p< 0.001),或者最好作者识别评分(形容词与名词后缀:z= 11.787,p< 0.001;名词后缀与名词的结局:z=−3.306,p< 0.001)。

表3相关矩阵之间的关系,反映了参与者的表现语言任务(艺术、词汇和拼写)。拼写分数sign-transformed可解释性,所以,更高的值在所有变量反映了更好的性能

讨论

实验1复制早期发现(Ulicheva et al。2020年)。非言词与adjective-biasing末梢被归类为比名词形容词更频繁。后缀诊断是分级的影响这样的形容词反应共同增加的东西。我们解释这些量效应作为证据统计学习机制,参与同化这些spelling-to-meaning规律。这个结论之间的关系得到加强,当我们考虑参与者的表现语言和读写能力测试和类别信息的敏感度。

在这个实验中,名词的结局是更强的信号类别相比,名词后缀。尽管这些条件令牌频率不同,当我们发现因果(见材料),我们认为不太可能令牌频率负责这些观察到的差异。这一观点的原因是名词的结局令牌频率低于名词后缀,这样,他们应该较弱的线索的范畴。我们进一步讨论这个发现在一般讨论。

本实验的一个潜在的缺陷是,它涉及元语言的判断词汇范畴。这是一个问题,原因至少有两个。首先,参与者可能没有得到足够的培训,充分掌握形容词和名词之间微妙的区别。其次,要求让元语言的判断可能有偏见的参与者注意词汇范畴的线索。因此,实验2中,我们选择了一个隐式的任务不太倾向于这些元认知的影响。

实验2

本实验涉及更隐式版本的类别分类的任务。实验1的复制发现在这样的条件下将构成有力的证据支持一个统计学习机制,从环境中吸收这些线索。

方法

材料

所有材料和实验1一样,除非另有指示。每一个参与者看到每个名词结束一次,每个形容词结束两次,总共产生92非言词。非言词形成实验1一样,除了我们应用更严格的筛选标准。具体地说,非言词被用在这个实验如果他们组成三元发生至少10倍每百万字(cf 6在实验1)。此外,所有非言词(除了那些结束- y - z,因为有很少的)开始合法现有quadrigrams最初的三元模型和包含。为了最大化pronounceability,非言词没有嵌入式频繁(> 6 k实例每百万字)现有茎(如工资),辅音翻了一倍,比四个字母或辅音长。

九十二adjective-biasing和92 noun-biasing句子框架。句子框架包括一个缺口表示位置的目标非言词。非言词名词背景模板中占据一个主题的句法位置或直接/间接对象,通常下面一篇文章或一个形容词,所以应该解释为名词。非言词在形容词的上下文中出现动词(如后似乎)和量词(如)在名词之前,它的概率最大化,他们将被视为形容词。例如,“他太______为自己好”和“第______是一个宣泄的经历”。三个列表创建相互配对打乱的句子框架,和后缀。

过程

两个句子的任务是决定哪些框架更适合目标非言词。两个实践试验涉及非言词与一个形容词和一个名词后缀了使用相同的标准作为主要实验。在每个试验中,参与者有一分钟的时间回答。每个试验的最后一秒钟,一个倒计时钟显示在屏幕的右上角。任务花了10分钟。一个进度条显示在屏幕的左上角。试订单是每个参与者随机。在实验参与者提供休息。

参与者

101名参与者通过多产的学术进行了测试。四个参与者排除由于技术问题。入选标准是实验1。参与者平均22岁(从17到26岁);59岁的女性。在教育方面,12高中毕业,51完成大学。三个参与者接受专业培训,其余的研究生学位。一位与会者没有指定他们的教育。

平均每小时报酬是£9.82。参与者阅读一种知情同意并确认,他们愿意参加实验。两个参与者异常低的拼写成绩被排除在外,遵循同样的步骤与实验1。

分析

一个重要的条件(主要影响z= 7.968,p观察< 0.0001),非言词,结束于形容词后缀放入adjective-biasing句子框架相比,名词后缀(图。2)。这两个名词条件(没有区别z=−.546,p= 0.585)。形容词后缀中,那些有较高的诊断价值出现更多的adjective-like参与者(z= 2.697,p< 0.01;见图。3)。此外,名词后缀具有更高的诊断价值更有可能被放置在noun-biasing上下文,见图。4(z=−2.475,p< 0.05)。nonmorphological结局也是如此,见图。5(z=−2.937,p< 0.01)。脚注4

基于subject的可变性,实验1的结果完全复制。参与者的反应显示出更大的一致性预测词汇范畴时更好的拼写能力(拼写和条件之间的相互作用是重要的,\ (X ^ {2} \)= 93.340,p< 0.001,这样更好的拼写能力的判断与形容词后缀更adjective-like非言词,z= 4.356,p< 0.001,noun-ending非言词更noun-like,z= 2.954,p< 0.01,没有后缀和nonmorphological末梢之间的差异)。类似的效果被发现为参与者更好的词汇知识(\ (X ^ {2} \)= 63.372,p< 0.001),和更好的作者识别评分(\ (X ^ {2} \)= 27.037,p< 0.001)。

讨论

使用一个任务,不需要元语言的判断,实验2复制发现非言词adjective-biasing末梢被归类为比名词形容词更频繁。我们观察到一致的分级诊断的影响在所有三个类别。此外,参与者的表现良好在语言和读写能力测试也表现出更大的敏感性类别线索。综上所述,我们的研究结果有力地表明,吸收这些spelling-to-meaning规律涉及到隐式,统计学习机制和相关的阅读体验。

一般讨论

在两个网络众包的实验中,超过200个参与者公开或秘密决定是否非言词像名词或形容词。使用大量不同的结局他们暗示词汇范畴(即多么强烈。早些时候,不同诊断),我们复制结果(Ulicheva et al。2020年;参见Arciuli Cupples2003年,2004年,2006年;农民et al。2006年;凯利1992年;Arciuli和莫纳亨2009年;坎普等。2009年)。具体来说,非言词与adjective-biasing末梢被归类为比名词形容词更频繁。进一步,后缀的东西增加,范畴特定反应的数量逐渐增加。后Ulicheva et al。(2020年),我们解释这些分级效果作为证据的统计学习机制,参与同化这些spelling-to-meaning规律。这个结论是加强当我们考虑参与者之间的关系表现在语言和读写能力测试(作者识别、拼写和词汇测试)和他们的敏感性由末梢的有意义的信息。参与者有更好的语言能力可能有更多的阅读体验,并有可能积累足够的词汇和语义知识来概括。

一个意想不到的结果是,我们观察到不同形态和nonmorphological实验1中名词讲结局。具体来说,名词结尾暗示类别比名词后缀更强烈。正如简介中所讨论的,这个结果出现不一致与任何现有的理论形态表示:即便理论假定的地方特色,明确表示词素的预测相反的模式的结果,与形态学线索比nonmorphological更突出。然而,这种差异并不是出现在实验2提出了非言词在句子上下文而不是孤立的。下面我们提出一个潜在的因果解释的区别两种noun-like非言词出现在实验1中,而不是在实验2。

我们在引言中提到,词义的词汇范畴是一个基本的方面,可能还有其他有意义的形态和nonmorphological结束类型之间的区别没有被我们的任何措施。这种分布差异将扮演一个角色在实验1中,参与者可以自由地利用任何类型的信息,可能与非言词或其相关组件。另一方面,这些差异可能不明显在实验2非言词中提出了一个预定义的语法/语义上下文从而减少需要利用这种类型的信息,即使它存在在sublexical线索。在下一节中,我们在探索迈出第一步这些分布信号,并提供一些证据表明,这些参与者可能利用我们的实验。

分配不同的含义和使用

阅读体验包括经历词上下文而不是孤立的(国家2017年)。单词,有经验丰富的语言环境中处理优势(萧,国家2018年)。另一方面,有类似情况的词或词部分在上下文可能更相关从认知的角度来看(蓝和杜1997年)。在这里我们建议相同的词成分可能是真的(参看形态家庭的影响;德容等。2000年)。subword线索的具体来说,更广泛的方面的意义和它们的使用环境可能会影响对这些线索如何发展与提高阅读体验。为了进一步探究这种理念,我们设计了两个额外的措施描述这些微妙的暗示意义和上下文的变化。我们将把第一个特征称为“内容相似性”。这是旨在衡量相似性在含义上所有文字,一个给定的结局。高含量相似值表明,结尾有一些材料的意义和修改茎以可预测的方式。第二个措施是“环境变化”。这个词的使用在不同的捕获上下文(参见里纳尔蒂的公司,2020年)。

为了operationalise这些措施,我们应用分布语义方法(冈瑟et al。2019年)。这些技术应用于开发数据驱动的语义空间,在这个词的含义是表示为向量,从大型文本语料获取词汇同现模式。特别是,我们采用了语义空间开发和发布的巴罗尼et al。(2014年),诱导从2.8 -billion-word语料库ukWaC的串联,得到的英文维基百科,英国国家语料库。语义空间被训练使用word-embeddings方法提出Mikolov et al。2013年),特别是连续袋的话(CBOW)方法。采用空间显示的参数设置提供最佳的性能在许多任务(巴罗尼et al。2014年),基本符合心理语言学评价曼德拉等。2017年;5-word同现窗口,400 -维向量,负采样k = 10,二次抽样与t = 1 e-5)。

获得第一个测量的内容相似度对于一个给定的结局,结尾的词与给定所有代表CELEX和语义空间被认为是;然后为所有可能的余弦相似性对航母的话,平均计算。例如,477字在CELEX结束我们的(例如,“的”)。结尾的词,是一个重复的茎被移除的一部分。在我们的情况下,六个字删除,如潜意识,因为CELEX分类“意识”作为杆语素和阀杆已经计算,即,在有意识的)。脚注5进一步,允许词对与更大的令牌频率影响测量在更大程度上比罕见的对我们每个相似值乘以总结单词组成的频率之比这双包含结束总结所有单词的频率问题(-IECE诸多加权相似度为0.002,1.121)。例如,后缀式表明相似(内容相似度为1.165;例如,“天真烂漫”),而诸多的功能不一致(内容相似度为0.002;cf。“快乐”,“氧化”)。这一措施有关orthography-semantic一致性(OSC)指标在公司提出et al。(2015年),尽管呈现一个关键区别就OSC利用给定的独立的词间的语义相似度作为估计的平均主正字法类似的物品,而内容相似度考虑所有可能的单词对共享某个sublexical块。

第二测量、上下文变化是基于所有的均值向量对应词与给定的结束代表CELEX和韦斯特伯里提出的方法后的语义空间(和霍利斯2019年)。上下文可变性当时operationalised的标准差这意味着向量。例如,上下文的变化我们的= 0.057,而对于-IECE 0.070表明词结束在-IECE用于多变量情况下相比,词汇在我们的结局。后缀式和我们说明,例如,使用在各种各样的环境(上下文变化分别为0.061和0.057),而结局ird的可变性是高,0.076,可能反映了解码器可以发生在动词(“束缚”),名词(“鸟”)、形容词(“奇怪”,“第三”)。

Nonmorphological结局,我们在实验中使用不同于形态同行(名词后缀)内容相似度(意味着分别为1.392和0.043,分别;t= 3.170,p< 0.01)。环境变化的差异也显著,名词的结局是在上下文中可变性(平均为0.061)高于名词后缀(意思是0.053;t= 3.786,p< 0.001)。我们添加了语义措施作为线性混合模型的预测。独立模型logarithm-transformed内容相似性和上下文变化实施在每个实验中,因为这两种措施相关的(.62,p< 0.0001);glm(响应∼诊断* Semantic_Measure +(1 |参与者)+(1 |后缀)数据)。名词的结局,在环境变化出现更多adjective-like参与者在两个实验(实验1中:z= 2.442,p< 0.05;在实验2:z= 1.987,p< 0.05)。名词后缀以类似的方式处理在实验2:z= 2.022,p< 0.05。注意,我们统计模型的迭代次数增加到25 k让模型收敛。换句话说,线索不定地在使用上下文的含义似乎有点抽象或“稀释”;这样的话更容易被视为比名词的形容词。

这些因果分析进行解释时应特别谨慎,和我们的发现应该被复制使用更合适的实验设计。首先,我们的实验并没有用来测试语义变量的影响,和条件没有匹配这些。其次,环境变化的影响并没有发现两组实验的所有类别。尽管如此,这些分析表明,参与者可以利用上下文信息时明确判断词汇范畴的孤立的非言词,他们这样做即使上下文信息是现成的(实验2)。我们认为,不同的设计两个实验(实验1中表示非言词断章取义的,或语境在实验2)可能会影响参与者的激活和利用上下文信息与类别相关线索,导致健壮的名词后缀和名词之间的差异末梢在实验1中,但不是在实验2中。我们的分析从而表明可能有细微的分布差异提示的意义及其用法的全集(见根特纳也2006年;坎普等。2009年)。鉴于需求匹配nonmorphological末梢后缀的分布参数(频率和诊断),我们选择nonmorphological结局不同寻常的高内容相似性和上下文的变化。考虑,例如,nonmorphological结束罗格,实际使用后缀用拉丁文,意思“类型的话语”在“对话”、“模拟”、“目录”(迪1984年)。其内容相似度为8.208,其上下文变化为0.084,而更典型的价值观nonmorphological结局并不是用于实验由于其低频的特点是较低的值(例如,ack上下文相似度为0.036,输入法0.161)。这样的结局引发更多category-atypical反应在我们的实验。

根据研究的有利影响一致性学习(Tamminen et al。2015年;赛登伯格和Gonnerman2000年),我们应该期待,把一个特定的模式,具体含义是始终应该比那些不容易学定义的意义。此外,鉴于证据有利影响的差异性和多样性学习和文字处理(Tamminen et al。2015年;萧和国家2018年),我们应该期望模式,呈现出这种可变性更容易学习。Nonmorphological结局,我们在实验中使用因此似乎受益于语义一致性和上下文可变性,事实上,似乎实际功能语素。因此,我们相信这些拼写信号分布的因素可能影响人们的反应。我们也相信联结主义模型与语义信息的更复杂的表示可以捕获这些规律在拼写和意义之间的映射,从而可以解释我们的结果。

令我们吃惊的是,我们发现在单词的方式形成了鲜明的对比与形容词的结尾和名词的结尾讲实验1。至关重要的是,没有分级名词诊断对响应的影响:所有noun-diagnostic暗示我们测试在诱发名词同样强烈的反应。然而,一致的信息判断所有结局的影响类型被发现在实验2中,使用相似的材料。前的结果可能反映了战略偏向于感知独立词为名词名词的原因包括比任何其他类别的英语单词,和noun-diagnostic结局比结局更大量其他类型(坎普et al。2009年;根特纳2006年)。这个结果也反映了任务相关的变化相对权重,参与者在不同类型的线索进行类别判断。如前所述,在实验1中,参与者可以自由地利用任何句法和语义信息编码在sublexical线索(所以可能会减少需求/可用性的其他类型的信息,如诊断)。相比之下,严格的句子框架在实验2中可以限制可用性或剥削的字面意思分布信息。

结论

符合Ulicheva et al。(2020年),我们观察到,读者对有意义的线索增加这些表示词汇范畴更强的书面语言。我们解释这个发现作为证据统计机制参与这些spelling-to-meaning规律的学习。我们还发现,变化在个体对这些线索与他们在语言表现任务(拼写,词汇,和作者识别测试)表明足够的阅读体验是关键对于发展中对所有类型的有意义的线索。基于项目的变化,我们已经确定了候选人的因素影响了读者的学习能力或有效利用线索。这些都是相关的可变性在上下文中使用这些线索。

笔记

  1. 1。

    我们也实现了不同,clustering-based算法识别离群值参与者的行为可能不同于其他(罗德里格斯和Laio2014年;博雷利et al。2018年)。在这个过程中,一个参与者是排除在实验1中,实验2中也没有。所有结果都是复制。的R脚本分析可以在OSF存储为这个项目。

  2. 2。

    所有三个条件的综合分析与“名词后缀”作为参考水平,这里没有后缀排除复制模式的报道。即,非言词adjective-biasing后缀经常被当作形容词比noun-biasing后缀(z= 6.399,p< 0.0001)。名词的结局被视为更noun-like相比,名词后缀(z=−3.053,p< 0.01)。

  3. 3所示。

    结束所有类别的综合分析表明,诊断和结束之间的交互类型是重要的(\ (X ^ {2} \)= 10.918,p< 0.01),极有积极影响的分类adjective-suffixed相比非言词noun-suffix (z=−2.262,p< 0.05)和noun-ending (z=−3.233,p< 0.01)条件,极没有影响。没有这两个名词之间的区别的条件。

  4. 4所示。

    所有三个条件的综合分析与“名词后缀”作为参考电平和后缀排除复制这种模式。非言词与adjective-biasing后缀经常被当作形容词比noun-biasing后缀(z= 8.263,p< 0.001)。名词的结局并不不同于名词后缀(z=−0.071,p= 0.943)。诊断和结束之间的交互类型是重要的(\ (X ^ {2} \)= 19.810,p< 0.001),极有积极影响的分类adjective-suffixed相比非言词noun-suffixed (z=−3.858,p< 0.001)和noun-ending (z=−3.854,p< 0.001)条件。没有这两个名词之间的区别的条件。

  5. 5。

    这个过滤方法的实用程序可以使用的一个例子演示了拼写的结局,如-IECE。22个单词在-IECE CELEX结束。随着侄女一块有化合物等侄孙女,祭坛的装饰品,耳机等之间的相似性侄女侄孙女非常高,包括化合物会扭曲我们估计很相似。通过过滤词语重复的茎,现在只剩下两个关键原型-侄女一块。内容相似的我们是0.164(未修正的价值是0.168),-IECE是0.138(未修正的价值是0.197)。

引用

  1. 艾奇逊,d J。,水井,j·B。,&MacDonald, M. C. (2008). New and updated tests of print exposure and reading abilities in college students.行为研究方法,40(1),278 - 289。https://doi.org/10.3758/BRM.40.1.278

    文章谷歌学术搜索

  2. Albrow, k h (1972)。英语写作系统:指出描述。伦敦:朗文。

    谷歌学术搜索

  3. Anwyl-Irvine, a . L。Massonnie, J。Flitton,。Kirkham, N。,&Evershed, J. K. (2019). Gorilla in our Midst: An online behavioral experiment builder.行为研究方法,1 - 20。https://doi.org/10.1101/438242

  4. Arciuli, J。,&Cupples, L. (2003). Effects of stress typicality during speeded grammatical classification.语言和言语,46,353 - 374。https://doi.org/10.1177/00238309030460040101

    文章谷歌学术搜索

  5. Arciuli, J。,&Cupples, L. (2004). The effects of stress typicality during spoken word recognition by native and non-native speakers: Evidence from onset-gating.记忆与认知,32,21 - 30。https://doi.org/10.3758/BF03195817

    文章谷歌学术搜索

  6. Arciuli, J。,&Cupples, L. (2006). The processing of lexical stress during visual word recognition: Typicality effects and orthographic correlates.季度《实验心理学》杂志上,59,920 - 948。https://doi.org/10.1080/02724980443000782

    文章谷歌学术搜索

  7. Arciuli, J。,&Monaghan, P. (2009). Probabilistic cues to grammatical category in English orthography and their influence during reading.科学研究的阅读,13(1),73 - 93。https://doi.org/10.1080/10888430802633508

    文章谷歌学术搜索

  8. Arciuli, J。,McMahon, K., & de Zubicaray, G. (2012). Probabilistic orthographic cues to grammatical category in the brain.大脑和语言,123年(3),202 - 210。https://doi.org/10.1016/j.bandl.2012.09.009

    文章谷歌学术搜索

  9. Aronoff, m (1976)。在生成语法构词(页1 - 134)。剑桥:麻省理工学院出版社。

    谷歌学术搜索

  10. Baayen, r . H。,Piepenbrock, R., & van Rijn, H. (1993).CELEX词汇数据库(cd - rom)。宾夕法尼亚大学,爸爸:语言数据财团。

    谷歌学术搜索

  11. Baayen, r . H。,Davidson, D. J., & Bates, D. M. (2008). Mixed-effects modeling with crossed random effects for subjects and items.杂志的记忆和语言,59(4),390 - 412。https://doi.org/10.1016/j.jml.2007.12.005

    文章谷歌学术搜索

  12. 巴罗尼M。人,G。,&Kruszewski, G. (2014). Don’t count, predict! A systematic comparison of context-counting vs. context-predicting semantic vectors. In诉讼的第52位的计算语言学协会年度会议上,卷1:论文,238 - 247。

    谷歌学术搜索

  13. 贝茨,D。,Maechler, M., Bolker, B., & Walker, S. (2015). lme4: Linear mixed-effects models using Eigen and S4. R package version 1.1–7. 2014.

  14. Belsley, d . A。栏,E。,&Welsch, R. E. (2005).回归诊断:识别影响数据和共线性的来源。纽约:威利。

    谷歌学术搜索

  15. Berg, K。,&Aronoff,M. (2017). Self-organization in the spelling of English suffixes: The emergence of culture out of anarchy.语言,93年(1),37 - 64。https://doi.org/10.1353/lan.2017.0000

    文章谷歌学术搜索

  16. 伯雷利,E。,Crepaldi, D., Porro, C. A., & Cacciari, C. (2018). The psycholinguistic and affective structure of words conveying pain.《公共科学图书馆•综合》,13(6)。https://doi.org/10.6084/m9.figshare.6531308

  17. 伯特,j·S。,&Tate, H. (2002). Does a reading lexicon provide orthographic representations for spelling?杂志的记忆和语言,46(3),518 - 543。https://doi.org/10.1006/jmla.2001.2818

    文章谷歌学术搜索

  18. 卡尼,大肠(1994)。英语拼写的调查。伦敦:劳特利奇。https://doi.org/10.4324/9780203199916

    谷歌学术搜索

  19. 卡萨尼,G。,Chuang, Y-Y., & Baayen, R. H. (2020). On the semantics of nonwords and their lexical categories.实验心理学杂志:学习、记忆和认知,46(4),621 - 637。https://doi.org/10.1037/xlm0000747

    文章谷歌学术搜索

  20. Coltheart, M。,Davelaar, E., Jonasson, J. T., & Besner, D. (1977). Access to the internal lexicon. In S. Dornic (Ed.),关注和表现六世(页535 - 555)。山谷,台北:Erlbaum。

    谷歌学术搜索

  21. 德容IV。n . H。Schreuder, R。,&Harald Baayen, R. (2000). The morphological family size effect and morphology.语言和认知过程,15(4 - 5),329 - 365。https://doi.org/10.1080/01690960050119625

    文章谷歌学术搜索

  22. 迪,j . (1984)。与经典剧目的英语单词后缀:第二部分。经典的杂志,80年(1),58 - 62。从检索http://www.jstor.org/stable/3297399

    谷歌学术搜索

  23. Dikker, S。,Rabagliati, H., Farmer, T. A., & Pylkkänen, L. (2010). Early occipital sensitivity to syntactic category is based on form typicality.心理科学,21(5),629 - 634。https://doi.org/10.1177/0956797610367751

    文章谷歌学术搜索

  24. 农民,t。,Christiansen, M. H., & Monaghan, P. (2006). Phonological typicality influences on-line sentence comprehension.美国国家科学院院刊》上的美利坚合众国,103年(32),12203 - 12208。https://doi.org/10.1073/pnas.0602173103

    文章谷歌学术搜索

  25. 农民,t。燕,S。,Bicknell, K., & Tanenhaus, M. K. (2015). Form-to-expectation matching effects on first-pass eye movement measures during reading.实验心理学杂志》:人类感知和性能,41(4),958 - 976。https://doi.org/10.1037/xhp0000054

    文章谷歌学术搜索

  26. 福斯特,k。戴维斯分校C。,Schoknecht, C., & Carter, R. (1987). Masked priming with graphemically related forms: Repetition or partial activation?实验心理学季刊》的部分,39(2),211 - 251。https://doi.org/10.1080/14640748708401785

    文章谷歌学术搜索

  27. 霜,r (2012)。对阅读的通用模型。行为和大脑科学,35(5),263 - 279。https://doi.org/10.1017/S0140525X11001841

    文章谷歌学术搜索

  28. 根特纳,d . (2006)。为什么动词是很难学习的。行动符合词:儿童如何学习动词,544 - 564。https://doi.org/10.1093/acprof oso / 9780195170009.003.0022

  29. 冈瑟,F。,里纳尔蒂,L。,&公司制作,M。(2019). Vector-space models of semantic representation from a cognitive perspective: a discussion of common misconceptions.心理科学观点,14,1006 - 1033。

    文章谷歌学术搜索

  30. 伤害,m . W。,&赛登伯格,m . S。(2004). Computing the meanings of words in reading: cooperative division of labor between visual and phonological processes.心理评估,111年(3),662 - 720。https://doi.org/10.1037/0033 - 295 x.111.3.662

    文章谷歌学术搜索

  31. 萧,Y。,&Nation, K. (2018). Semantic diversity, frequency and the development of lexical quality in children’s word reading.杂志的记忆和语言,103年,114 - 126。https://doi.org/10.1016/j.jml.2018.08.005

    文章谷歌学术搜索

  32. 凯利,m . h (1992)。使用声音来解决语法问题:语音语法类别分配的角色。心理评估,99年,349 - 364。https://doi.org/10.1037/0033 - 295 x.99.2.349

    文章谷歌学术搜索

  33. 坎普,N。,Nilsson, J., & Arciuli, J. (2009). Noun or verb? Adult readers’ sensitivity to spelling cues to grammatical category in word endings.阅读和写作,22,661 - 685。https://doi.org/10.1007/s11145 - 008 - 9140 - z

    文章谷歌学术搜索

  34. Keuleers,大肠(2013)。为视觉单词识别研究vwr:有用的功能。0.3.0 R包版本。

  35. 蓝道·t·K。,&Dumais, S. T. (1997). A solution to Plato’s problem: The latent semantic analysis theory of acquisition, induction, and representation of knowledge.心理评估,104年(2),211 - 240。https://doi.org/10.1037/0033 - 295 x.104.2.211

    文章谷歌学术搜索

  36. 曼德拉,P。,Keuleers,E., & Brysbaert, M. (2017). Explaining human performance in psycholinguistic tasks with models of semantic similarity based on prediction and counting: a review and empirical validation.杂志的记忆和语言,92年57 - 78。

    文章谷歌学术搜索

  37. 公司制作,M。,&巴罗尼M。(2015). Affixation in semantic space: modeling morpheme meanings with compositional distributional semantics.心理评估,122年(3),485 - 515。https://doi.org/10.1037/a0039267

    文章谷歌学术搜索

  38. 公司制作,M。,Amenta, S., & Crepaldi, D. (2015). Semantic transparency in free stems: The effect of Orthography-Semantics Consistency on word recognition.《实验心理学季刊》的,68年(8),1571 - 1583。https://doi.org/10.1080/17470218.2014.959709

    文章谷歌学术搜索

  39. Martin-Chang, s . L。,&Gould, O. N. (2008). Revisiting print exposure: exploring differential links to vocabulary, comprehension and reading rate.在阅读杂志》上的研究,31日(3),273 - 284。https://doi.org/10.1111/j.1467-9817.2008.00371.x

    文章谷歌学术搜索

  40. Mikolov, T。陈,K。,Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint,arXiv: 1301.3781

  41. 摩尔,M。,&Gordon, P. C. (2015). Reading ability and print exposure: item response theory analysis of the author recognition test.行为研究方法,47(4),1095 - 1109。https://doi.org/10.3758/s13428 - 014 - 0534 - 3

    文章谷歌学术搜索

  42. 国家,k (2017)。培养一个词汇的遗产:阅读体验单词阅读能力的发展是至关重要的。科学的学习,2(1)3。https://doi.org/10.1038/s41539 - 017 - 0004 - 7

    文章谷歌学术搜索

  43. R发展核心团队(2018)。接待员:统计计算的语言和环境。奥地利维也纳。R基础,统计计算。从检索http://www.R-project.org

    谷歌学术搜索

  44. Rastle, k (2019)。EPS讲座2017年中期奖:书写系统,阅读,和语言。季度《实验心理学》杂志上,72年,677 - 692。https://doi.org/10.1177/1747021819829696

    文章谷歌学术搜索

  45. Rastle, K。,Davis, M. H., Marslen-Wilson, W. D., & Tyler, L. K. (2000). Morphological and semantic effects in visual word recognition: a time-course study.语言和认知过程,15(4 - 5),507 - 537。https://doi.org/10.1080/01690960050119689

    文章谷歌学术搜索

  46. Rastle, K。,Harrington, J., & Coltheart, M. (2002). 358,534 nonwords: the ARC nonword database.实验心理学季刊》的部分,55(4),1339 - 1362。https://doi.org/10.1080/02724980244000099

    文章谷歌学术搜索

  47. Rastle, K。,Davis, M. H., & New, B. (2004). The broth in my brother’s brothel: morpho-orthographic segmentation in visual word recognition.心理计量学公告与评论,11(6),1090 - 1098。https://doi.org/10.3758/BF03196742

    文章谷歌学术搜索

  48. 里纳尔蒂,L。,&公司制作,M。(2020). The use of number words in natural language obeys Weber’s law.实验心理学杂志》:一般,149年(7),1215 - 1230。https://doi.org/10.1037/xge0000715

    文章谷歌学术搜索

  49. 罗德里格斯,。,&Laio, A. (2014). Clustering by fast search and find of density peaks.科学,344年(6191),1492 - 1496。https://doi.org/10.1126/science.1242072

    文章谷歌学术搜索

  50. 赛登伯格,m . S。,&Gonnerman, L. M. (2000). Explaining derivational morphology as the convergence of codes.认知科学趋势,4(9),353 - 361。https://doi.org/10.1016/s1364 - 6613 (00) 01515 - 1

    文章谷歌学术搜索

  51. 皮普,w . c (1940)。自主量表测量智力障碍和恶化。《华尔街日报》的心理学,9(2),371 - 377。https://doi.org/10.1080/00223980.1940.9917704

    文章谷歌学术搜索

  52. 史密斯,p . T。,Baker, R. G., & Groat, A. (1982). Spelling as a source of information about children’s linguistic knowledge.英国心理学杂志上的,73年(3),339 - 350。https://doi.org/10.1111/j.2044-8295.1982.tb01816.x

    文章谷歌学术搜索

  53. 圣克莱尔,m . C。莫纳亨,P。,&Christiansen, M. H. (2010). Learning grammatical categories from distributional cues: flexible frames for language acquisition.认知,116年(3),341 - 360。https://doi.org/10.1016/j.cognition.2010.05.012

    文章谷歌学术搜索

  54. Stanovich k . E。,&West, R. F. (1989). Exposure to print and orthographic processing.阅读研究季刊,24(4),402 - 433。https://doi.org/10.2307/747605

    文章谷歌学术搜索

  55. 博士,l . M。,Compton, D. L., Petscher, Y., Elliott, J. D., Smith, K., Rueckl, J. G., Sawi, O., Frost, S. J., & Pugh, K. R. (2019). Development and prediction of context-dependent vowel pronunciation in elementary readers.科学研究的阅读,23(1),49 - 63。https://doi.org/10.1080/10888438.2018.1466303

    文章谷歌学术搜索

  56. 塔夫脱,M。,&福斯特,k。(1975). Lexical storage and retrieval or prefixed words.语言学习和语言行为杂志》上,14(6),638 - 647。https://doi.org/10.1016/s0022 - 5371 (75) 80051 - x

    文章谷歌学术搜索

  57. Tamminen, J。,Davis, M. H., & Rastle, K. (2015). From specific examples to general knowledge in language learning.认知心理学,79年,1-39。https://doi.org/10.1016/j.cogpsych.2015.03.003

    文章谷歌学术搜索

  58. Treiman, R。,Kessler, B., Zevin, J. D., Bick, S., & Davis, M. (2006). Influence of consonantal context on the reading of vowels: evidence from children.实验儿童心理学杂志》上,93年(1)、上皮。https://doi.org/10.1016/j.jecp.2005.06.008

    文章谷歌学术搜索

  59. Ulicheva,。哈维,H。,Aronoff,M., & Rastle, K. (2020). Skilled readers’ sensitivity to meaningful regularities in English writing.认知,195年,103810年。https://doi.org/10.1016/j.cognition.2018.09.013

    文章谷歌学术搜索

  60. 韦斯特伯里,C。,&Hollis, G. (2019). Conceptualizing syntactic categories as semantic categories: unifying part-of-speech identification and semantics using co-occurrence vector averaging.行为研究方法,51(3),1371 - 1398。

    文章谷歌学术搜索

下载参考

确认

这项工作是由经济与社会研究理事会(ESRC)未来的研究领导人奖学金和居里夫人的个人奖学金授予运算器(批准号ES / N016440/1和747987)和一个ESRC项目授予投资者(批准号ES / P001874/1)。我们感谢Oxana Grosseck为她贡献实验设计2。作者参与这项工作没有利益冲突。这个项目包含的OSF存储刺激,与工作相关的数据和额外的分析在这篇文章中报道(https://osf.io/rbxpn/)。

作者信息

从属关系

作者

相应的作者

对应到阿纳斯塔西娅Ulicheva

额外的信息

出版商的注意

beplay登入施普林格自然保持中立在发表关于司法主权地图和所属机构。

权利和权限

开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图片或其他第三方材料都包含在本文的创作共用许可证,除非另有说明在一个信用额度的材料。如果材料不包括在本文的创作共用许可证和用途是不允许按法定规定或超过允许的使用,您将需要获得直接从版权所有者的许可。查看本许可证的副本,访问http://creativecommons.org/licenses/by/4.0/

再版和权限

关于这篇文章

验证通过CrossMark货币和真实性

引用这篇文章

Ulicheva,。,公司制作,M。&Rastle, K。对有意义的规律通过经验获得的。形态31日,275 - 296 (2021)。https://doi.org/10.1007/s11525 - 020 - 09363 - 5

下载引用

关键字

  • 拼写
  • 意义
  • 形态
  • 词汇范畴
  • 分布语义
  • 个体差异