跨情境统计（cross-situational statistics）学习词汇和语法

文献：Rebuschat, P., Monaghan, P., & Schoetensack, C. (2020). Learning vocabulary and grammar from cross-situational statistics. Cognition, 206. doi:10.1016/j.cognition.2020.104475

原文

理解句子的前提是理解单词意义，并且知道其语法角色。跨情境统计（cross-situational statistics）被认为是一种关键机制，可以将句子中的信息和环境中信息匹配起来，从而进行语言学习。相比之下，单一情境，容易造成歧义。

已有研究证明成人和婴儿能通过跨情境统计（cross-situational statistics）快速学习新词。但已有研究采用的实验材料只从一到两种语法范畴内选择，而自然语言环境中，是多样的词序和多样的语法范畴相对应。因此跨情境统计（cross-situational statistics）是否足够有效来处理语言学习时的歧义仍待证实。

词汇和语法的学习顺序就像“先有鸡还是先有蛋”这个问题。

1.确认跨情境统计（cross-situational statistics）在复杂的情境下匹配多样的词序是否足够有效； 2.在跨情境情况下，词汇和语法是同时获得的还是词汇训练是成功获得语法知识的先决条件。

1.实验1

  • 被试：20个大学生，平均年龄22.6，英语母语，没有日语/其他动词结尾的语言背景

  • 材料：来自4种不同词汇类别的假词组成的人造语言，句法结构和日语一致，假词来自Monaghan and Mattock (2012)

图1

  • 过程：4个训练blocks ，4个测试blocks

训练：观察屏幕上的动态场景，听描述场景的句子。

测试：

词汇学习：两个动画场景，一个句子，被试听到句子后判断是哪个场景。名词：2个仅在一个词符中不同的场景；动词：仅场景间动作变化；形容词：外星人的颜色变化；语法：主语-宾语颠倒

图2

语法学习：句法判断任务，判断听到的句子是否正确。“good”-绿色按钮；“funny”-红色按钮。

  • 结果：

    图3

跨情境的统计数据足以让成人习得多种词汇类别。习得顺序：首先习得动词和词序，然后是名词，其次是形容词。学习效果：动词最大，词序学习时中等、在训练结束时变大，而形容词和标记词的效果中等。关键结果是，由于跨情境统计信息的存在，所有这些语言功能-词汇和单词顺序都是可以学习的。但是，每种语言功能的精确学习顺序可能部分是设计中特定语言结构的结果，因此无法从当前研究中得出有关特定词汇类别优先顺序的结论。

2.实验2

  • 被试：20个大学生，平均年龄25.2，英语母语，没有日语/其他动词结尾的语言背景，没参加过实验1

  • 过程：和实验1相同，但被试同时观察2个场景（目标场景、干扰场景）

图4

  • 结果：

表1

表2

实验1、2中，名词、形容词和标记词的训练准确度得到提高，但动词和词序由于初始水平较高而趋于以较低的速度提高。

成人可以通过跨情境数据获得多种词汇类别和复杂的句法结构，但不清楚训练和测试块的交织是否影响被试表现。

3.实验3

  • 被试：20个大学生，平均年龄21.7，英语母语，没有日语/其他动词结尾的语言背景，没参加过实验1、2

  • 过程： 和实验2一致，在训练结束后只有一个测试block

  • 结果：图3，和实验2相似。

1.通过进一步实验对语言功能知识进行更细度的分析来解决语法知识和词汇知识先后的问题。

2.减少标记词。标记词可以有效指示主语和宾语，在人造语言中出现频率很高，但习得很难。人工语言中名词和名词标记之间有250ms停顿，而自然语言中名词的附加词是没有停顿的，如果标记词的作用类似附加词，可能会更容易习得。

3.已有研究（e.g., Scott & Fisher, 2012; Smith & Yu, 2008) 表明，跨情景学习在儿童的语言发展中发挥作用；且已有的结果表示某些情况下，我们已有的语言经验会阻碍新型系统的学习。未来的研究可以针对儿童和婴儿，确定跨情景学习在语言习得中的作用。