人们的语言加工会受到以往语言经验的影响。例如,由于受先前反应的影响,第二次对同一图片的命名速度更快、错误率更低,这种现象被称为重复启动效应。然而,不为人熟知的是,启动效应也有“黑暗面”。中国科学院行为科学重点实验室李兴珊研究组的青年特聘研究员屈青青及其合作者在以往研究中发现,在言语产生与书写产生的加工模式下,反应词之间语音、字形的相似性抑制了语言产生,即产生了词形相似抑制效应(Feng, Damian, & Qu, 2021; Feng & Qu, 2020)。
那么,词形相似抑制效应的产生机制是怎样的?目前有两种不同的理论解释:基于扩散激活的词汇竞争假说(spreading activation with competitive lexical selection)和基于竞争的学习假说(competitive incremental learning)。基于扩散激活的词汇竞争假设认为,在语言加工中,多个语音相似项共同激活,这些激活的词汇节点之间相互竞争,从而产生抑制效应。如图1所示,在试次N-1中,对cat的命名将同时激活语音相似项cap,而竞争项cap在词汇竞争过程中被抑制,从而使得在试次N中对cap的反应变慢。基于竞争的学习假说则认为,每一次命名反应均对词汇层和语音层之间的连接产生轻微而持久的改变。如图2所示,在试次N?1中,目标项cat及其语音相似项cap的语音信息均被激活。在cat被命名后,目标项cat与其语音层之间的连接得到加强,而语音相似项cap与其语音层的连接被减弱。在随后的试次N中,由于词汇层与语音层之间的连接已被减弱,因此对cap的反应速度变慢。
图1 基于激活的词汇竞争模型
图2 基于竞争的学习模型
为检验两种假说,屈青青及同事采用行为学和计算建模的方法,探究了词形相似抑制效应的持续时间。基于扩散激活的词汇竞争假说认为词形抑制效应与词形相似项的激活水平有关,由于词汇的激活水平会快速衰减,因此词形抑制效应持续时间短暂。当在刺激之间插入干扰刺激或干扰任务,词形抑制效应将会消失。竞争学习假说则认为词形抑制效应是由学习经验引起,因此持续时间相对持久,词形抑制效应将不会因干扰刺激的插入而消失。
该研究在语音组块命名任务中,操纵了图片名称的语音相似性,图片名称在词首或词尾共享一个音节(书包-鼠标-梳子-竖琴-树叶-书架)。结果发现,与无关条件相比,语音相似性延长了口语命名的反应时间(字形相似性延长了书写产生的反应时间),重复了以往的研究结果。更重要的是,当在语音相似反应之间插入语言加工相关、或非语言加工的干扰试次时,词形相似抑制效应依然存在。结果表明,该效应持续时间相对持久,此结果与基于竞争的学习假说一致。
另外,基于竞争的学习模型进行的计算机建模也得到了行为结果一致的模式:共享的语音信息导致目标词汇需要更长时间达到激活阈限,且该抑制效应不受间隔的干扰反应的影响。同时,计算建模结果提示,词汇层和语音层的双向连接是实现竞争学习的关键机制。该研究通过一系列行为实验与计算建模为语言产生的认知加工机制提供了直接的证据。
该研究受国家自然科学基金面上项目(31771212)、中国科学院青年创新促进会人才项目、中国科协青年人才托举项目、国际(地区)合作与交流项目(62061136001)的资助。
相关成果已在线发表于Cognition。屈青青为论文第一作者,屈青青与心理所博士后冯臣为共同通讯作者。
论文信息:
Qu, Q. Q., Feng, C., & Damian, M. F. (2021). Interference Effects of Phonological Similarity in Word Production Arise from Competitive Incremental Learning. Cognition. https://doi.org/10.1016/j.cognition.2021.104738
相关文章:
Feng, C., & Damian, M. F. Qu, Q. Q.* (2021). Parallel Processing of Semantics and Phonology in Spoken Production: Evidence from Blocked Cyclic Picture Naming and EEG. Journal of Cognitive Neuroscience, Vol. 33, No. 04, https://doi.org/10.1162/jocn_a_01675.
Feng, C. & Qu, Q. Q.* (2020). Phonological inhibition in written production. Psychological Research, 1-8.
删除或更新信息,请邮件至freekaoyan#163.com(#换成@)
心理所研究发现语言产生中语音相似性的抑制效应源于竞争学习
本站小编 Free考研考试/2022-01-01
相关话题/语言 干扰 计算 图片 信息
Psychological Review:心理所构建中文阅读的认知计算模型
中文是中华民族的宝贵财富,是全球近四分之一人口的母语,更是凝聚全球华人的重要纽带。对中文阅读的认知机理进行研究,并使其更好地为中文阅读者服务,具有重要的理论与实际意义。与英文等拼音文字相比,中文具有很多鲜明的特点。其中一个显著特点是中文文本在词和词之间没有空格,这使得现有的阅读模型面对中文时都无能为 ...中科院心理研究所 本站小编 Free考研考试 2022-01-01大晶格失配和异价的Si和III-V族半导体带阶的直接计算
随着信息技术进入后摩尔时代,Si基光电集成受到人们的高度关注。以InP、GaAs为代表的III-V族半导体具有优异的光学性能,在发展Si基III-V族激光器上具有一定的优势。目前,Si基III-V族激光器已经实现室温激发,如果异质结中的载流子被更加束缚在III-V族半导体中,则有望提高激光器的发光效 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01集信息发射、接收、显示、存算于一体的智能量子点发光忆阻器
福州大学李福山教授课题组与香港理工大学柴扬教授课题组提出和实现了一种融高效光发射、光吸收、光突触于一体的智能化量子点发光忆阻器,为单一器件实现信息发射、接收、显示、存算多功能集成提供了可能性,有望突破多种功能元件集成带来的尺寸微缩化和高功耗瓶颈。相关研究成果以“ Light-emitting mem ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01南京大学缪峰团队提出迄今最高并行度的神经形态计算方案
《科学》杂志在今年4月份提出了125个最具挑战性的前沿科学问题,其中信息科学领域的首个问题便是:计算机处理速度是否有上限?(Is there an upper limit to computer processing speed?)由于发热问题,数字计算机中处理器的时钟频率在十多年来已经停止了增长, ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01可媲美脑计算的非线性新器件
人脑在20瓦特的能量消耗下即可进行高度智能计算,其主要原因在于单个神经元细胞具备多种线性和非线性运算功能。长期以来,科学家一直采用传统晶体管电路来模拟人脑中的突触及神经元功能实现神经形态计算。然而,由于布尔逻辑运算需要多个器件组合才能实现,不仅需要大量硬件资源开销,而且在执行信息处理过程中极为耗能, ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01光神经计算器件、架构与算法综述
脑科学与类脑研究是国际必争战略性前沿。类脑计算是模拟和借鉴人脑的神经系统结构和信息处理过程,构建出具有学习能力的超低功耗新型计算系统,与冯诺依曼体系架构相比,具有颠覆性创新。微电子技术在类脑计算领域取得重要进展,受限于电子瓶颈及摩尔定律终结,难以进一步提升速度及能效。光神经形态计算具有超快速、超低功 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01电解质晶体管在神经形态计算中的应用
随着人类社会数据量的急剧增加以及数据类型复杂程度的提高,传统冯诺依曼架构计算系统由于存储墙限制越来越难以满足需求。在大数据时代,类似于人脑的神经网络型信息处理模式效率将会明显优于传统架构计算机,开发符合神经形态计算特性的电子器件进而构建大规模人工神经网络,成为未来信息科技发展的一个重要方向。人工突触 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01忆阻交叉阵列的乘法累加运算用于模拟计算
忆阻器现在正成为非冯诺依曼存内计算体系结构的基石之一。通过将数值矩阵映射为忆阻器十字交叉阵列中每一个节点的模拟式电导值,可以基于欧姆定律和基尔霍夫定律以大规模并行方式执行有效的乘法累加(Multiply Accumulate, MAC)运算。近年来,基于忆阻器的存内计算加速器受到了学术界和工业界的广 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01用于新型存储和神经形态计算的忆阻器
阻变存储器(RRAM)又称为忆阻器,其具有非常简单的两端器件结构,几乎满足了易失性存储器、非易失性存储器和神经形态特征的所有基本要求。目前正对一系列材料(如生物材料、钙钛矿、二维材料、过渡金属氧化物)的存储和神经形态行为进行研究。在本综述中,韩国汉阳大学材料科学与工程系Changhwan Choi教 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01清华微电子所研制出基于动态忆阻器的新型储备池计算系统
储备池计算(Reservoir Computing, RC)是一种适用于处理时序信号的高效人工神经网络,其衍生于传统的递归神经网络(RNN),但具有更低的训练代价和更简易的硬件实现,已经在动态系统识别、时间序列预测等领域得到广泛应用。最新研究发现,复杂连接的递归神经网络可以被一个非线性的动态物理系统 ...中科院半导体研究所 本站小编 Free考研考试 2022-01-01