113
回編集
「語彙」の版間の差分
細
編集の要約なし
Toshikiiwabuchi (トーク | 投稿記録) 細編集の要約なし |
Toshikiiwabuchi (トーク | 投稿記録) 細編集の要約なし |
||
| 23行目: | 23行目: | ||
Tulvingらは9語から成る英語の文を作成し，その文末の語を瞬間的に提示して認知させる実験を行った．被験者には文脈情報として，先行する文中の語が0，2，4，8語のいずれかだけ提示される．この実験の結果，より多くの文脈が与えられるほど正答率が向上することが明らかとなった．これは単語認知における文脈効果（context effect）の一種である． | Tulvingらは9語から成る英語の文を作成し，その文末の語を瞬間的に提示して認知させる実験を行った．被験者には文脈情報として，先行する文中の語が0，2，4，8語のいずれかだけ提示される．この実験の結果，より多くの文脈が与えられるほど正答率が向上することが明らかとなった．これは単語認知における文脈効果（context effect）の一種である． | ||
視覚的な認知過程における単語優位効果（[[Wikipedia:Word_superiority_effect|word superiority effect]]）も広い意味での文脈効果であるといえる．この効果は以下のようなものである――ある文字列を被験者に瞬間提示したのち，そこに含まれていた文字を2択で判断させる課題を考えてもらいたい．2択の文字が“K”と“D”だとすると，文字列が単語（例．WORDやWORK）の場合にランダム文字列（例．ORWD）の場合よりも正答率が上がる．これは単語という文脈に埋め込まれることで文字の検出率が上昇することを意味する．これが単語優位効果である． | |||
そのほか，ある単語（ターゲット／プローブ）の理解が直前に別の単語や絵（プライム）などを提示することによって促進されたり抑制されたりする現象も知られている．これは語彙的[[プライミング]]効果（lexical priming effect）と呼ばれるもので，ターゲットに対して語彙判断課題などの課題を行うことで測定する．たとえばプローブ語とターゲット語のあいだに意味的関連がある場合，ターゲットの理解は促進されることが知られている． | |||
==語彙アクセスのモデル== | ==語彙アクセスのモデル== | ||
===単語認知に関するモデル=== | ===単語認知に関するモデル=== | ||
ことばを見聞きしたとき，われわれは苦も無く語彙情報にアクセスして意味を理解する．こうした単語認知研究の初期における重要なモデルとして，Mortonのロゴジェン・モデル（logogen | ことばを見聞きしたとき，われわれは苦も無く語彙情報にアクセスして意味を理解する．こうした単語認知研究の初期における重要なモデルとして，Mortonのロゴジェン・モデル（logogen model）がある．このモデルではメンタル・レキシコンの構成ユニットはロゴジェンと呼ばれ，個々の単語に対応する．ロゴジェンは感覚入力（たとえば単語の視覚刺激）に対して応答するが，この応答値がある閾値を超えたときにのみ「対応する単語が認識された」ものとする．さらに，ロゴジェンは単語の使用頻度や文脈の効果を受け，それによって閾値が低下するという特徴を持つ．以上がロゴジェン・モデルの概要である．このモデルは出現頻度効果や文脈効果による語彙アクセスへの影響をある程度定量的に説明することができる． | ||
ロゴジェン・モデルより約10年遅れて，単語の視覚的認知に関する相互作用活性化（interactive activation: IA）モデルが提案された．IAモデルは特徴レベル・文字レベル・単語レベルの3つの階層から成る[[ニューラルネットワーク・モデル]]である．提示された単語の視覚刺激はまず特徴レベルで分析され，それから文字レベル，単語レベルへと進む．ロゴジェン・モデルとは異なり，IAモデルには上述のレベルごとに構成ユニットが存在する．たとえば“A”の文字ユニット，“CAT”の単語ユニットなどがそれぞれの層を構成するのである．IAモデルの構成ユニットはレベル内・レベル間の双方において全てのユニットと相互結合している． | |||
| 52行目: | 54行目: | ||
==意味のネットワーク== | ==意味のネットワーク== | ||