Artificiell grammatikinlärning

Artificiell grammatikinlärning ( AGL ) är ett studieparadigm inom kognitiv psykologi och lingvistik . Dess mål är att undersöka de processer som ligger till grund för mänskligt språkinlärning genom att testa försökspersoners förmåga att lära sig en påhittad grammatik i en laboratoriemiljö. Den utvecklades för att utvärdera processerna för mänskligt språkinlärning men har också använts för att studera implicit inlärning i en mer allmän mening. Intresseområdet är typiskt försökspersonernas förmåga att upptäcka mönster och statistiska regelbundenheter under en träningsfas och sedan använda sin nya kunskap om dessa mönster i en testfas. Testfasen kan antingen använda symbolerna eller ljuden som används i träningsfasen eller överföra mönstren till en annan uppsättning symboler eller ljud som ytstruktur.

Många forskare föreslår att reglerna för den konstgjorda grammatiken lärs in på en implicit nivå eftersom grammatikens regler aldrig explicit presenteras för deltagarna. Paradigmet har nyligen också använts för andra forskningsområden som språkinlärningsförmåga, strukturell priming och för att undersöka vilka hjärnstrukturer som är involverade i syntaxinlärning och implicit inlärning.

Förutom människor har paradigmet även använts för att undersöka mönsterinlärning hos andra arter, t.ex. bomullstamariner och starar .

Historia

För mer än ett halvt sekel sedan etablerade George A. Miller paradigmet för artificiell grammatikinlärning för att undersöka inflytandet av explicita grammatikstrukturer på mänskligt lärande, han designade en grammatikmodell av bokstäver med olika sekvenser. Hans forskning visade att det var lättare att komma ihåg en strukturerad grammatiksekvens än en slumpmässig sekvens av bokstäver. Hans förklaring var att eleverna kunde identifiera de gemensamma egenskaperna mellan inlärda sekvenser och följaktligen koda dem till en minnesuppsättning. Han förutspådde att försökspersoner kunde identifiera vilka bokstäver som sannolikt kommer att visas tillsammans som en sekvens upprepade gånger och vilka bokstäver som inte skulle göra det och att försökspersonerna skulle använda denna information för att bilda minnesuppsättningar. Dessa minnesuppsättningar tjänade deltagarna som en strategi senare under deras minnestester.

Reber tvivlade på Millers förklaring. Han hävdade att om deltagarna kunde koda grammatikreglerna som produktiva minnesuppsättningar, borde de kunna verbalisera sin strategi i detalj. Han bedrev forskning som ledde till utvecklingen av det moderna AGL-paradigmet. Denna forskning använde en syntetisk grammatikinlärningsmodell för att testa implicit inlärning. AGL blev den mest använda och testade modellen på området. Som i det ursprungliga paradigmet som utvecklats av Miller, ombads deltagarna att memorera en lista med bokstavssträngar som skapades från en artificiell grammatikregelmodell. Det var först under testfasen som deltagarna fick veta att det fanns en uppsättning regler bakom bokstavssekvenserna de memorerade. De instruerades sedan att kategorisera nya bokstavssträngar utifrån samma uppsättning regler som de inte tidigare varit utsatta för. De klassificerade nya bokstavssträngar som "grammatiska" (konstruerade från grammatikregeln), kontra "slumpmässigt konstruerade" sekvenser. Om försökspersonerna korrekt sorterade de nya strängarna över chansnivån, kunde man dra slutsatsen att försökspersonerna hade förvärvat den grammatiska regelstrukturen utan någon explicit instruktion av reglerna. Reber fann att deltagarna sorterade ut nya strängar över chansnivån. Även om de rapporterade att de använde strategier under sorteringsuppgiften, kunde de faktiskt inte verbalisera dessa strategier. Försökspersoner kunde identifiera vilka strängar som var grammatiskt korrekta men kunde inte identifiera reglerna som komponerade grammatiska strängar.

Denna forskning replikerades och utökades av många andra. Slutsatserna från de flesta av dessa studier stämde överens med Rebers hypotes: den implicita inlärningsprocessen gjordes utan avsiktliga inlärningsstrategier. Dessa studier identifierade också gemensamma egenskaper för den implicit förvärvade kunskapen:

  1. Abstrakt representation för regeluppsättningen.
  2. Omedvetna strategier som kan testas med prestation.

Det moderna paradigmet

Det moderna AGL-paradigmet kan användas för att undersöka explicit och implicit lärande, även om det oftast används för att testa implicit lärande. I ett typiskt AGL-experiment måste deltagarna memorera strängar av bokstäver som tidigare genererats av en specifik grammatik . Längden på strängarna varierar vanligtvis från 2-9 bokstäver per sträng. Ett exempel på en sådan grammatik visas i figur 1.

Artificial grammar learning example.jpg

Figur 1: Exempel på en konstgjord grammatikregel

  • Regelbundna strängar: VXVS, TPTXVS Oregelbundna strängar: VXXXS, TPTPS

För att komponera en grammatiskt "regelbunden" sträng av bokstäver, enligt den förutbestämda grammatikregeln, måste ett subjekt följa reglerna för bokstäverpar som representeras i modellen (figur 1). När man observerar ett brott mot det grammatiska regelsystemet som komponerar strängen, anses det vara en "oregelbunden" eller slumpmässigt konstruerad sträng.

När det gäller en standard AGL-implicit inlärningsuppgift får inte försökspersonerna veta att strängarna är baserade på en specifik grammatik. Istället får de helt enkelt uppdraget att memorera bokstavssträngarna för ett minne. Efter inlärningsfasen får försökspersonerna höra att bokstavssträngarna som presenterades under inlärningsfasen var baserade på specifika regler, men de får inte uttryckligen veta vilka reglerna är. Under en testfas instrueras försökspersonerna att kategorisera nya bokstavssträngar som "regelbundna" eller "oregelbundna". Den beroende variabeln som vanligtvis mäts är procentandelen korrekt kategoriserade strängar. Implicit lärande anses vara framgångsrikt när andelen korrekt sorterade strängar är betydligt högre än chansnivån. Om denna signifikanta skillnad hittas, indikerar det att det finns en inlärningsprocess som är mer involverad än att memorera de presenterade bokstavssträngarna.

Bayesiansk inlärning

Mekanismen bakom den implicita inlärningen som antas ske medan människor ägnar sig åt artificiell grammatikinlärning är statistisk inlärning eller, mer specifikt, Bayesiansk inlärning . Bayesiansk inlärning tar hänsyn till typer av fördomar eller "tidigare sannolikhetsfördelningar" som individer har som bidrar till resultatet av implicita inlärningsuppgifter. Dessa fördomar kan ses som en sannolikhetsfördelning som innehåller sannolikheten att varje möjlig hypotes sannolikt är korrekt. På grund av strukturen av den Bayesianska modellen är slutledningarna som produceras av modellen i form av en sannolikhetsfördelning snarare än en mest trolig händelse. Denna utdatafördelning är en "posterior sannolikhetsfördelning". Den bakre sannolikheten för varje hypotes i den ursprungliga fördelningen är sannolikheten för att hypotesen är sann givet data och sannolikheten för data givet hypotesen är sann. Denna Bayesianska modell för inlärning är grundläggande för att förstå mönsterdetekteringsprocessen involverad i implicit inlärning och därför de mekanismer som ligger till grund för förvärvet av artificiell grammatikinlärningsregler. Det antas att den implicita inlärningen av grammatik innebär att förutsäga samtidiga förekomster av vissa ord i en viss ordning. Till exempel är "hunden jagade bollen" en mening som kan läras in som grammatiskt korrekt på en underförstådd nivå på grund av att den höga samtidiga förekomsten av "jaga" är ett av orden att följa efter "hund". En mening som "hunden katten bollen" är implicit erkänd som grammatiskt felaktig på grund av bristen på yttranden som innehåller dessa ord parade i den specifika ordningen. Denna process är viktig för att reta isär tematiska roller och orddelar i grammatisk bearbetning (se grammatik ). Medan märkningen av de tematiska rollerna och delarna av tal är explicit, är identifieringen av ord och delar av tal implicit.

Förklaringsmodeller

Traditionella förhållningssätt till AGL hävdar att den lagrade kunskapen som erhålls under inlärningsfasen är abstrakt. Andra tillvägagångssätt hävdar att denna lagrade kunskap är konkret och består av exemplar av strängar som man stöter på under inlärningsfasen eller "bitar" av dessa exemplar. Det antas i alla fall att informationen som finns lagrad i minnet hämtas i testfasen och används för att underlätta beslut om bokstavssträngar. Tre huvudsakliga tillvägagångssätt försöker förklara AGL-fenomenen:

  1. Abstrakt tillvägagångssätt : Enligt detta traditionella tillvägagångssätt får deltagarna en abstrakt representation av den artificiella grammatikregeln i inlärningsstadiet. Den abstrakta strukturen hjälper dem att avgöra om den nya strängen som presenteras under testfasen är grammatisk eller slumpmässigt konstruerad.
  2. Konkret kunskapsmetod : Detta tillvägagångssätt föreslår att deltagarna under inlärningsstadiet lär sig specifika exempel på strängar och lagrar dem i deras minne. Under teststadiet sorterar deltagarna inte de nya strängarna enligt en abstrakt regel; istället kommer de att sortera dem efter deras likhet med exemplen lagrade i minnet från inlärningsstadiet. Det finns flera åsikter om hur konkret den inlärda kunskapen verkligen är. Brooks & Vokey hävdar att all kunskap som lagras i minnet representeras som konkreta exempel på de fullständiga exemplen som studerats under inlärningsstadiet. Strängarna sorteras under teststadiet enligt en fullständig representation av strängexemplen från inlärningsstadiet. Å andra sidan hävdade Perruchet & Pacteau att kunskapen om strängarna från inlärningsstadiet lagras i form av "minnesbitar" där 2 - 3 bokstäver lärs in som en sekvens tillsammans med kunskap om deras tillåtna placering i hela strängen .
  3. Dual Factor approach : Dual process learning model, kombinerar de metoder som beskrivs ovan. Detta tillvägagångssätt föreslår att en person kommer att förlita sig på konkret kunskap när de kan. När de inte kan lita på konkret kunskap (till exempel på en överföring av lärandeuppgift ), kommer personen att använda abstrakt kunskap om reglerna.

Forskning med amnesipatienter tyder på att "Dual Factor-metoden" kan vara den mest exakta modellen. En serie experiment med amnesipatienter stödjer tanken att AGL involverar både abstrakta begrepp och konkreta exemplar. Amnesiacs kunde klassificera stimuli som "grammatiska" kontra "slumpmässigt konstruerade" lika bra som deltagarna i kontrollgruppen. Även om de kunde slutföra uppgiften framgångsrikt kunde amnesiacs inte explicit återkalla grammatiska "bitar" av bokstavssekvensen medan kontrollgruppen explicit kunde återkalla dem. När du utförde uppgiften med samma grammatikregler men en annan sekvens av bokstäver än de som de tidigare testades på, kunde både amnesiacs och kontrollgruppen slutföra uppgiften (även om prestandan var bättre när uppgiften slutfördes med samma uppsättning av bokstäver som används för träning). Resultaten av experimentet stöder dubbelfaktormetoden för artificiell grammatikinlärning genom att människor använder abstrakt information för att lära sig regler för grammatik och använder konkreta, exemplarspecifika minne för bitar. Eftersom amnesiacerna inte kunde lagra specifika "bitar" i minnet, slutförde de uppgiften med hjälp av en abstrakt uppsättning regler. Kontrollgruppen kunde lagra dessa specifika bitar i minnet och (vilket framgår av återkallelse) lagrade dessa exempel i minnet för senare referens.

Automaticitetsdebatt

AGL-forskningen har kritiserats på grund av den "automatiska frågan": Anses AGL vara en automatisk process? Under kodning (se kodning (minne) ), kan prestation vara automatisk i den meningen att den inträffar utan medveten övervakning (utan medveten vägledning av artistens avsikter). I fallet med AGL hävdades det att implicit inlärning är en automatisk process på grund av att den görs utan avsikt att lära sig en specifik grammatikregel. Detta överensstämmer med den klassiska definitionen av en "automatisk process" som en snabb, omedveten, enkel process som kan starta oavsiktligt. När den är upphetsad fortsätter den tills den är över utan att kunna stoppa eller ignorera dess konsekvenser. Denna definition har ifrågasatts många gånger. Alternativa definitioner för automatisk process har getts. Rebers presumtion att AGL är automatisk kan vara problematisk genom att antyda att en oavsiktlig process är en automatisk process i sin essens. När man fokuserar på AGL-tester måste några frågor åtgärdas. Processen är komplex och innehåller kodning och återkallande eller hämtning. Både kodning och hämtning skulle kunna tolkas som automatiska processer eftersom det som kodades under inlärningsstadiet inte är nödvändigt för den uppgift som avsiktligt utförs under teststadiet. Forskare behöver skilja mellan implicititet som hänvisar till inlärningsprocessen eller kunskapskodning och även som hänvisar till prestation under testfasen eller kunskapsinhämtning. Kunskap som kodas under träning kan innefatta många aspekter av de presenterade stimuli (hela strängar, relationer mellan element, etc.). De olika komponenternas bidrag till prestandan beror på både den specifika instruktionen i inhämtningsfasen och kraven på hämtningsuppgiften. Därför är instruktionerna för varje fas viktiga för att avgöra om varje steg kommer att kräva automatisk bearbetning eller inte. Varje fas bör utvärderas för automatik separat.

En hypotes som motsäger automatiken hos AGL är "bara exponeringseffekten". Blotta exponeringseffekten är ökad påverkan mot en stimulans som är resultatet av icke-förstärkt, upprepad exponering för stimulus. Resultat från över 200 experiment på denna effekt indikerar att det finns ett positivt samband mellan medelvärde för "godhet" och frekvensen av stimulansexponering. Stimuli för dessa experiment inkluderade linjeteckningar, polygoner och nonsensord (som är typer av stimuli som används i AGL-forskning). Dessa experiment exponerade deltagarna för varje stimulans upp till 25 gånger. Efter varje exponering ombads deltagarna att bedöma i vilken grad varje stimulans antydde "bra" kontra "dålig" effekt på en 7-gradig skala. Förutom huvudmönstret av resultat, fann man också i flera experiment att deltagarna bedömde högre positiv effekt för tidigare exponerade föremål än för nya föremål. Eftersom implicit kognition inte bör referera till tidigare studieepisoder, borde effekterna på affektbetyg inte ha observerats om bearbetningen av dessa stimuli verkligen är implicit. Resultaten av dessa experiment tyder på att olika kategorisering av strängarna kan förekomma på grund av skillnader i affekt associerade med strängarna och inte på grund av implicit inlärda grammatikregler.

Artificiell intelligens

Sedan tillkomsten av datorer och artificiell intelligens har datorprogram anpassats som försöker simulera den implicita inlärningsprocess som observeras i AGL-paradigmet. AI-programmen som först anpassades för att simulera både naturlig och artificiell grammatikinlärning använde följande grundläggande struktur:

Given
En uppsättning grammatiska meningar från något språk.
Hitta
En procedur för att känna igen och/eller generera alla grammatiska meningar på det språket.

En tidig modell för AI-grammatikinlärning är Wolffs SNPR-system. Programmet får en serie bokstäver utan pauser eller skiljetecken mellan ord och meningar. Programmet undersöker sedan strängen i delmängder och letar efter vanliga sekvenser av symboler och definierar "bitar" i termer av dessa sekvenser (dessa bitar är besläktade med de exemplarspecifika bitarna som beskrivs för AGL). När modellen förvärvar dessa bitar genom exponering, börjar bitarna att ersätta sekvenserna av obrutna bokstäver. När en chunk föregår eller följer en gemensam chunk, bestämmer modellen disjunktiva klasser i termer av den första uppsättningen. Till exempel, när modellen stöter på "hunden jagad" och "katten jagad" klassificerar den "hund" och "katt" som medlemmar av samma klass eftersom de båda går före "jakt". Även om modellen sorterar in delar i klasser, definierar den uttryckligen dessa grupper (t.ex. substantiv, verb). Tidiga AI-modeller för grammatikinlärning som dessa ignorerade vikten av negativa instanser av grammatiks effekt på grammatikinlärning och saknade också förmågan att koppla grammatiska regler till pragmatik och semantik . Nyare modeller har försökt ta hänsyn till dessa detaljer. Den förenade modellen försöker ta hänsyn till båda dessa faktorer. Modellen bryter ner grammatiken efter "cues". Språk markerar kasusroller med hjälp av fem möjliga ledtrådstyper: ordföljd, kasusmarkering, överensstämmelse, intonation och verbbaserad förväntan (se grammatik ). Inflytandet som varje cue har över ett språks grammatik bestäms av dess "cue-styrka" och "cue validity". Båda dessa värden bestäms med samma formel, förutom att cue-styrkan definieras genom experimentella resultat och cue-validiteten definieras genom korpusräkningar från språkdatabaser. Formeln för signalstyrka/giltighet är följande:

Cue styrka/cue validity = Cue tillgänglighet * Cue reliability

Cue-tillgänglighet är andelen gånger som köen är tillgänglig under de tider som den behövs. Cue-tillförlitlighet är andelen gånger som cue är korrekt över det totala antalet förekomster av cue. Genom att inkludera cue-tillförlitlighet tillsammans med cue-tillgänglighet kan The Unified Model ta hänsyn till effekterna av negativa instanser av grammatik eftersom den tar hänsyn till noggrannhet och inte bara frekvens. Som ett resultat står detta också för den semantiska och pragmatiska informationen eftersom ledtrådar som inte producerar grammatik i lämpligt sammanhang kommer att ha låg signalstyrka och ledtrådsvaliditet. Medan MacWhinneys modell också simulerar naturlig grammatikinlärning, försöker den modellera de implicita inlärningsprocesserna som observeras i AGL-paradigmet.

Kognitiv neurovetenskap och AGL-paradigmet

Samtida studier med AGL har försökt identifiera vilka strukturer som är involverade i tillägnandet av grammatik och implicit lärande. Agrammatiska afasipatienter (se Agrammatism ) testades med AGL-paradigmet. Resultaten visar att nedbrytning av språk vid agrammatisk afasi är förknippat med en försämring av artificiell grammatikinlärning, vilket indikerar skador på domängenerella neurala mekanismer som tjänar både språk och sekventiell inlärning. De Vries, Barth, Maiworm, Knecht, Zwitserlood & Flöel fann att elektrisk stimulering av Brocas område förbättrar implicit inlärning av en artificiell grammatik. Likströmsstimulering kan underlätta förvärvet av grammatisk kunskap, ett fynd av potentiellt intresse för rehabilitering av afasi. Petersson, Vasiliki & Hagoort, undersöker de neurobiologiska korrelaten för syntax , bearbetningen av strukturerade sekvenser, genom att jämföra fMRI- resultat på artificiell och naturlig språksyntax. De hävdar att " Chomsky-hierarkin " inte är direkt relevant för neurobiologiska system genom AGL-testning.

Se även

  1. ^   Peter, Michelle; Chang, Franklin; Pine, Julian M.; Blything, Ryan; Rowland, Caroline F. (maj 2015). "När och hur utvecklar barn kunskap om verbargumentstruktur? Bevis från verbbiaseffekter i en strukturell primingsuppgift". Tidskrift för minne och språk . 81 : 1–15. doi : 10.1016/j.jml.2014.12.002 . hdl : 11858/00-001M-0000-002B-4649-3 . ISSN 0749-596X .
  2. ^   Miller, GA (1958). "Fri återkallelse av överflödiga bokstäver". Journal of Experimental Psychology . 56 (6): 485–491. doi : 10.1037/h0044933 . PMID 13611173 .
  3. ^ a b c d e Reber, AS (1967). "Implicit inlärning av konstgjord grammatik". Verbalt lärande och verbalt beteende . 5 (6): 855–863. doi : 10.1016/s0022-5371(67)80149-x .
  4. ^ a b   Mathews, RC; Buss, RR; Stanley, WB; Blanchard-Fields, F. ; Cho, JR; Druhan, B. (1989). "Roll av implicita och explicita processer för att lära av exempel: En synergistisk effekt". Journal of Experimental Psychology: Learning, Memory, and Cognition . 15 (6): 1083–1100. CiteSeerX 10.1.1.456.8747 . doi : 10.1037/0278-7393.15.6.1083 .
  5. ^ a b c Brooks, LR; Vokey, JR (1991). "Abstrakta analogier och abstrakta grammatiker: Kommentarer till Reber (1989) och Mathews et al. (1989)". Journal of Experimental Psychology: Allmänt . 120 (3): 316–323. doi : 10.1037/0096-3445.120.3.316 .
  6. ^ a b c d   Perruchet, P.; Pacteau, C. (1990). "Syntetisk grammatikinlärning: implicit regelabstraktion eller explicit fragmentarisk kunskap". Journal of Experimental Psychology . 119 (3): 264–275. CiteSeerX 10.1.1.116.3120 . doi : 10.1037/0096-3445.119.3.264 .
  7. ^ Altmann, GMT; Dienes, Z.; Goode, A. (1995). "Modalitetsoberoende av implicit lärd grammatisk kunskap". Journal of Experimental Psychology: Learning, Memory, and Cognition . 21 (4): 899–912. doi : 10.1037/0278-7393.21.4.899 .
  8. ^   Seger, CA (1994). "Implicit lärande". Psykologisk Bulletin . 115 (2): 163–196. doi : 10.1037/0033-2909.115.2.163 . PMID 8165269 .
  9. ^ Kapatsinski, V. (2009). "Arkitekturen av grammatik i artificiell grammatikinlärning: Formella fördomar i förvärvet av morfofonologi och inlärningsuppgiftens natur" . Indiana University : 1–260.
  10. ^ a b Vokey, JR; Brooks, LR (1992). "Salience of item kunskap i att lära sig artificiell grammatik". Journal of Experimental Psychology: Learning, Memory, and Cognition . 18 (2): 328–344. doi : 10.1037/0278-7393.18.2.328 .
  11. ^ a b Servan-Schreiber, E.; Anderson, JR (1990). "Chunking som en mekanism för implicit lärande". Journal of Experimental Psychology: Learning, Memory, and Cognition . 16 (4): 592–608. doi : 10.1037/0278-7393.16.4.592 .
  12. ^    Pothos, EM (2007). "Teorier om konstgjord grammatikinlärning". Psykologisk Bulletin . 133 (2): 227–244. CiteSeerX 10.1.1.137.1619 . doi : 10.1037/0033-2909.133.2.227 . PMID 17338598 .
  13. ^ a b    Poznanski, Y.; Tzelgov, J. (2010). "Vad är implicit i implicit artificiell grammatikinlärning?". Quarterly Journal of Experimental Psychology . 63 (8): 1495–2015. doi : 10.1080/17470210903398121 . PMID 20063258 . S2CID 28756388 .
  14. ^ Reber, AS (1969). "Överföring av syntaktisk struktur i syntaktiska språk". Journal of Experimental Psychology . 81 : 115–119. doi : 10.1037/h0027454 .
  15. ^   McAndrews, MP; Moscovitch, M. (1985). "Regelbaserad och exemplarbaserad klassificering i artificiell grammatikinlärning" . Minne & kognition . 13 (5): 469–475. doi : 10.3758/bf03198460 . PMID 4088057 .
  16. ^   Reber, AS (1989). "Implicit lärande och tyst kunskap". Journal of Experimental Psychology . 118 (3): 219–235. CiteSeerX 10.1.1.207.6707 . doi : 10.1037/0096-3445.118.3.219 .
  17. ^   Reber AS; Allen, R. (1978). "Analogiska abstraktionsstrategier i syntetisk grammatikinlärning: En funktionalistisk tolkning". Kognition . 6 (3): 189–221. doi : 10.1016/0010-0277(78)90013-6 . S2CID 53199118 .
  18. ^    Knowlton, BJ; Squire, LR (1996). "Artificiell grammatikinlärning beror på implicit inhämtning av både abstrakt och exemplarspecifik information". Journal of Experimental Psychology: Learning, Memory, and Cognition . 22 (1): 169–181. doi : 10.1037/0278-7393.22.1.169 . PMID 8648284 . S2CID 6465608 .
  19. ^ Hasher, L.; Zacks, R. (1979). "Automatiska och ansträngande processer i minnet". Journal of Experimental Psychology: Allmänt . 108 (3): 356–388. doi : 10.1037/0096-3445.108.3.356 .
  20. ^ Schneider, W.; Dumais, ST; Shiffrin, RM (1984). "Automatisk och kontrollerad bearbetning och uppmärksamhet". I R. Parasuraman & D. Davies (Eds.), Varieties of Attention . New York: Akademisk press: 1–17.
  21. ^    Logan, GD (1988). "Automaticitet, resurser och minne: Teoretiska kontroverser och praktiska implikationer". Mänskliga faktorer . 30 (5): 583–598. doi : 10.1177/001872088803000504 . PMID 3065212 . S2CID 43294231 .
  22. ^ Tzelgov, J. (1999). "Automatitet och bearbetning utan medvetenhet" (PDF) . Psyke . 5 .
  23. ^    Logan, GD (1980). "Uppmärksamhet och automatik i Stroop och priming uppgifter: Teori och data". Kognitiv psykologi . 12 (4): 523–553. doi : 10.1016/0010-0285(80)90019-5 . PMID 7418368 . S2CID 15830267 .
  24. ^ Logan, GD (1985). "Exekutiv kontroll av tanke och handling". Acta Psychologica . 60 (2–3): 193–210. doi : 10.1016/0001-6918(85)90055-1 .
  25. ^   Perlman, A.; Tzelgov, J. (2006). "Interaktion mellan kodning och hämtning i sekvensinlärningsdomänen". Journal of Experimental Psychology: Learning, Memory, and Cognition . 32 (1): 118–130. doi : 10.1037/0278-7393.32.1.118 . PMID 16478345 .
  26. ^ Manza, L.; Zizak, D.; Reber, AS (1998). "Artificiell grammatikinlärning och blotta exponeringseffekten: Emotionella preferensuppgifter och den implicita inlärningsprocessen". I Stadler, MA & Frensch, PA (red.), Handbook of Implicit Learning . Thousand Oaks, CA: Sage Publications, Inc.: 201–222.
  27. ^ Wolff, JG (1982). "Språkinhämtning, datakomprimering och generalisering" . Språk & Kommunikation . 2 : 57–89. doi : 10.1016/0271-5309(82)90035-0 .
  28. ^ a b   MacWhinney, B. (1987). Mekanismer för språkinlärning . Hillsdale, NJ: Lawrence Erlbaum Associates, Inc. ISBN 9781317757405 .
  29. ^ a b MacWhinney, B. (2008). "En enhetlig modell". I Robinson, P. & Ellis, N. (Eds.), Handbook of Cognitive Linguistics and Second Language Acquisition . Mahwah, NJ: Lawrence Erlbaum Associates.
  30. ^    Christiansen, MH; Kelly, ML; Shillcock, RC; Greenfield, K. (2010). "Försämrad artificiell grammatikinlärning i agrammatism". Kognition . 116 (3): 383–393. doi : 10.1016/j.cognition.2010.05.015 . PMID 20605017 . S2CID 43834239 .
  31. ^     De Vries, MH; Barth, ACR; Maiworm, S.; Knecht, S.; Zwisterlood, P.; Floel, A. (2010). "Elektrisk stimulering av Brocas område förbättrar implicit inlärning av artificiell grammatik". Kognitiv neurovetenskap . 22 (11): 2427–2436. CiteSeerX 10.1.1.469.3005 . doi : 10.1162/jocn.2009.21385 . PMID 19925194 . S2CID 7010584 .
  32. ^ Petersson, KM; Vasiliki, F.; Hagoort, P. (2010). "Vad konstgjord grammatikinlärning avslöjar om syntaxens neurobiologi" (PDF) . Hjärna & Språk : 340–353.
Hämtad från " https://en.wikipedia.org/w/index.php?title=Artificial_grammar_learning&oldid=1100596682 "