문장처리

Sentence processing

문장 처리는 독자 또는 청취자가 언어 발음을 분리하거나 대화 또는 텍스트의 맥락에서 처리할 때마다 이루어진다. 인간의 언어 이해 과정에 대한 많은 연구들은 문맥이 없는 단발성(sentence)의 읽기에 초점을 맞추었다. 광범위한 연구에 따르면 언어 이해는 다른 많은 요소뿐만 아니라 주어진 발화 이전의 문맥에 의해 영향을 받는다고 한다.

모호성

문장 이해는 어휘, 구조 및 의미적 모호성과 같은 구어 및 서면 진술의 모호성을[1] 다루어야 한다. 모호성은 어디서나 볼 수 있지만, 사람들은 보통 너무 쉽게 해결해서 눈치채지도 못한다. 예를 들어, 시간이라는 문장은 화살처럼 날아다닌다(적어도) 해석이다. 시간은 화살처럼 빨리 움직인다. 타임플라이라고 불리는 특별한 종류의 파리, 화살을 좋아하고 화살의 속도를 측정할 때처럼 파리의 속도를 측정한다. 보통 독자들은 첫 번째 해석만을 의식하게 될 것이다. 그러나 교육을 받은 독자들은 자발적으로 시간의 화살을 생각하지만 그것이 원래의 구절에서 벗어나 측두엽이 스위치 역할을 하기 때문에 그러한 해석을 억제한다.

애매모호한 경우는 국지적 또는 전지구적 애매모호한 것으로 분류할 수 있다. 한 문장이 두 가지 뚜렷한 해석을 가지고 있다면 세계적으로 모호하다. '누군가 발코니에 있던 여배우의 하인을 쐈다'(하인이나 발코니에 있던 여배우였나?)거나 경찰이 빠른 차로 범인을 쫓았다(경찰이나 범인이 빠른 차를 가지고 있었나?) 등의 문장을 예로 들 수 있다. 이해 당사자는 이 두 가지 사례 중 어느 하나에 대해 우선적인 해석을 할 수 있지만, 구문론적, 의미론적으로 해석할 수 있는 해석 중 어느 것도 배제할 수 없다.

국소적 모호성은 발음이 들리거나 쓰여질 때 짧은 시간 동안만 지속되며 발음이 진행되는 동안 해결되므로 완전한 발음은 하나의 해석만 가지고 있다. 그 예로는 평론가가 쓴 책이 계몽적이어서, 평론가가 책을 쓸 때는 모호했지만, 처리해야 할 계몽적인 잔재들이 있었다. 그러면 평론가가 책의 저자라고 진술하면서 문장이 끝나거나 평론가가 책에 대해 뭔가를 썼다는 것을 분명히 하는 쪽으로 진행될 수도 있다. 애매모호한 끝은 두 번째 대안이 옳다고 판단하는 계몽적인 것이었다.

독자들이 국지적 모호성을 처리할 때, 그들은 어떤 해석이 옳은지 결정하는 데 도움이 될 수 있는 단어를 더 많이 듣거나 읽기를 기다리지 않고 가능한 해석들 중 하나에 즉시 안주한다(그 행동을 증분 처리라고 한다). 만약 독자들이 그 문장이 정말로 걸리는 턴에 놀랐다면, 처리 속도는 느려지고 예를 들어 독서 시간에서 볼 수 있다. 따라서 국지적으로 모호한 문장은 인간의 문장 처리에 대한 여러 가지 다른 요인의 영향을 조사하기 위한 시험 사례로 사용되어 왔다. 어떤 요소가 독자들이 어려움을 피하도록 돕는다면, 그 요소가 문장 처리에서 한 가지 역할을 한다는 것은 분명하다.

이론들

실험 연구는 문장 이해의 구조와 메커니즘에 대한 많은 가설을 낳았다. 모듈화 대 대화형 처리 및 분석의 직렬 대 병렬 계산과 같은 문제는 현장에서 이론적 분할이었다.

건축 문제

모듈식 대 대화식

문장 처리에 관한 모듈형 뷰는 문장 처리에 관련된 각 요소가 다른 모듈과의 통신 수단이 제한된 자체 모듈에서 계산된다고 가정한다. 예를 들어, 구문 분석 생성은 별도로 처리되는 의미 분석이나 문맥 의존 정보의 입력 없이 이루어진다. 모듈형 계정의 일반적인 가정은 첫 번째 모듈의 출력을 수정할 수 있는 피드백 메커니즘 없이 한 처리 단계의 출력을 다음 단계로 전달하는 피드-포워드 아키텍처다. 통사적 처리는 보통 의미적 처리와 기타 정보의 포함에 영향을 미치는 가장 기본적인 분석 단계로 취해진다. 별도의 멘탈 모듈이 문장을 파싱하고 어휘적 접근이 먼저 일어난다. 그 후, 한 번에 하나의 구문적 가설을 고려한다. 의미나 의미에 대한 초기 영향은 없다. 문장 처리는 임시 정면 네트워크에 의해 지원된다. 네트워크 내에서, 시간 영역은 식별의 측면과 전면 영역의 구문적 및 의미적 관계의 구축을 서브한다. 이 네트워크 내의 뇌 활성화에 대한 시간적 분석은 구문 우선 모델을 지원하는데, 이는 구문 구조의 구축이 의미적 과정보다 선행하고 이러한 것들이 이후 단계에서만 상호 작용한다는 것을 드러내기 때문이다.[2][3]

인터랙티브 계정은 이용 가능한 모든 정보가 동시에 처리되어 최종 분석의 계산에 즉시 영향을 미칠 수 있다고 가정한다. 문장 처리의 인터랙티브 모델에서는 파싱에 대한 별도의 모듈이 없다. 어휘 접근, 구문 구조 할당 및 의미 할당은 동시에 병렬로 이루어진다. 한 번에 여러 통사 가설들을 고려할 수 있다. 대화형 모델은 문장 처리의 구조적 수준과 어휘적 수준, 음성적 수준 사이의 온라인 상호작용을 보여준다. 각 단어는 정상 담론의 맥락에서 들린 것처럼, 모든 수준의 기술에서 즉시 처리 시스템에 입력되며, 문장 처리에서 그 시점의 각 수준에서 이용 가능한 정보가 무엇이었는지를 고려하여 이 모든 수준에서 동시에 분석된다.[4] 언어 처리의 인터랙티브 모델은 정보가 상향식 및 하향식 둘 다 흐른다고 가정하여, 각 수준에서 형성된 표현은 더 높은 수준과 더 낮은 수준의 영향을 받을 수 있다. 서로 다른 원천으로부터 영향을 받는 가정을 포함하여 다른 것 사이에 이러한 핵심 가정을 포함하는 대화형 활성화 프레임워크라고 불리는 프레임워크는 비선형적으로 결합된다. 비선형성은 어떤 상황에서 결정적일 수 있는 정보가 다른 조건에서는 거의 또는 전혀 영향을 미치지 않을 수 있다는 것을 의미한다. 쌍방향 활성화 프레임워크에서 처리를 안내하는 지식은 동일한 수준과 인접 수준의 장치들 사이의 연결에 저장된다. 그들이 연결하는 처리 장치는 여러 가지 다른 출처로부터 입력을 받을 수 있는데, 이것은 동시에 한 수준에서 처리한 결과가 위와 아래 모두에서 다른 수준의 처리에 영향을 미칠 수 있도록 하는 동시에 처리를 완전히 로컬로 안내하는 지식을 가능하게 한다. 프레임워크의 기본적인 가정은 처리 상호작용이 항상 역수적이라는 것이다. 시스템을 상호작용하게 하는 것은 이 양방향 특성이다. 수준 간의 양방향 흥분 상호작용은 인접한 수준들 간의 상호 동시적 제약을 허용하며, 수준 내의 양방향 억제 상호작용은 입력의 일부에 대한 상호 양립할 수 없는 해석 사이의 경쟁을 허용한다. 수준 간 흥분 상호작용은 상호 호환되는 처리 장치 사이의 양방향 흥분 연결로 모델에 포착된다. 통사적 애매모호함은 사실 어휘적 수준에 기초한다. 게다가, 더욱 민감한 눈 추적 기계를 사용한 최근의 연구들은 초기 맥락 효과를 보여주었다. 빈도와 문맥 정보는 단순한 해석에 찬성하여 해결된 경우에도 대안의 활성화를 변조할 것이다. 구조 단순성은 정원의 경로 이론에[5] 반하는 빈도와 함께 성립된다.

직렬 대 병렬

연재계정은 인간이 처음에는 가능한 해석 중 하나만 구성하고 첫 번째 해석이 틀린 것으로 판명될 경우에만 다른 해석을 시도한다고 가정한다. 병렬 계정은 동시에 복수 해석의 구성을 가정한다. 왜 이해자들이 그들이 듣는 것에 대한 가능한 분석 하나만 알고 있는지를 설명하기 위해, 모델들은 모든 분석들이 순위가 매겨지고, 가장 순위가 높은 분석들이 즐긴다고 가정할 수 있다.

모델

인간 문장 처리에는 여러 가지 구조적 선택의 조합을 끌어내는 영향력 있는 모델들이 많이 있다.

가든 경로 모델

정원 경로 모델(Frazier 1987) (은 직렬 모듈형 파싱 모델이다. 그것은 단일 파스가 구문 모듈로 구성될 것을 제안한다. 문맥적 및 의미적 요인은 후기 단계의 처리에 영향을 미치고 통사적 파스의 재분석을 유도할 수 있다. 재분석은 비용이 많이 들고 관찰할 수 있는 읽기 침체로 이어진다. 파서가 애매모호한 것에 부딪히면, 그것은 늦은 폐쇄와 최소한의 애착이라는 두 가지 원칙에 의해 인도된다. 이 모델은 문장 구조 위반에 대한 대응으로 종종 도출되는 사건 관련 잠재력인 초기의 좌측 전방 부정성에 대한 연구로 뒷받침되었다.

마감 시간이 늦어지면 현재 절에 새로운 단어나 구문이 붙게 된다. 예를 들어, "존이 어제 떠나겠다고 했다"는 말은 존의 말대로(그는 어제 떠나겠다고) 구문 분석될 것이고, 존이 어제(즉, 그는 어제 떠나겠다고) 말한 것처럼(즉, 그가 어제 말한 것처럼) 구문 분석되지 않을 것이다.

최소 애착은 단순화 전략이다. 파서는 가능한 한 가장 단순한 통사적 구조(즉, 가장 적은 표현 노드가 있는 구조)를 구축한다.

제약 조건 기반 모델

제약에 기반한 언어 이해[6] 이론은 사람들이 언어 신호에서 이용할 수 있는 방대한 양의 확률론적 정보를 어떻게 사용하는지를 강조한다. 통계적 학습을 통해 언어 환경에서 발생하는 사건의 빈도와 분포를 파악할 수 있으며,[7] 이는 언어 이해를 알려준다. 이와 같이 언어 사용자는 이러한 확률론적 제약조건을 신속하게 통합하여 애매한 문장을 이해하는 동안 다른 문장에 대한 특정한 해석에 도달한다고 한다.

충분히 이론이 있다.

페르난다 페레이라 등이 개발한 언어 이해에 대한 충분한 접근법은 청취자가 항상 언어 입력의 완전한 상세한 처리에 관여하지 않는다고 가정한다. 오히려 이 시스템은 어떤 어려움에 직면했을 때 얕고 피상적인 표현을 발전시키는 경향이 있다. 그 이론은 정원 경로 모델과 제약 조건 기반 모델을 어느 정도 결합한 접근법을 취한다. 그 이론은 크게 두 가지 쟁점에 초점을 맞추고 있다. 첫째는 복잡하거나 어려운 물질로 형성된 표현은 종종 얕고 불완전하다는 것이다. 두 번째는 이해시스템이 난관에 봉착한 경우에 한정된 정보원이 자주 상담된다는 점이다. 이 이론은 정원경로 오역 등을 수반하는 심리언어학에서 다양한 실험을 이용하여 시험할 수 있다.[8][9]

방법들

행동 과제

행동연구에서 피실험자들은 종종 언어적 자극으로 제시되고 행동을 수행하도록 요청 받는다. 예를 들어, 그들은 단어에 대해 판단을 내리도록 요구 받을 수도 있고, 자극을 재현하거나, 시각적으로 제시된 단어의 이름을 큰 소리로 말하게 될 수도 있다. 속도(흔히 반응 시간: 자극에 반응하는 데 걸리는 시간)와 정확성(정확한 반응의 비율)은 행동 과제에서 일반적으로 수행의 척도를 채용한다. 연구자들은 과제에 의해 요구되는 기본 프로세스의 성격이 차이를 유발한다고 추측하고, 이러한 과제에 대한 느린 속도와 낮은 정확도를 난이도의 측정으로 삼는다. 어떤 행동 과제에서 중요한 요소는 그것이 비교적 '정상적인' 언어 이해에 충실하다는 것이다. 즉, 어떤 과제의 결과를 일반화하는 능력은 사람들이 실제로 언어를 접하는 방법과 거의 공통점이 없을 때 제한된다.

일반적인 행동 패러다임은 프라이밍 효과를 포함하는데, 참가자들은 먼저 프라이밍을 하고 그 다음에는 목표 단어를 제시한다. 대상 단어의 응답 시간은 prime과 target의 관계에 영향을 받는다. 예를 들어, Fischler(1977)는 어휘적 의사결정 과제를 사용하여 단어 인코딩을 조사했다. 그녀는 참가자들에게 두 줄의 편지가 영어 단어인지 아닌지에 대한 결정을 내릴 것을 요청했다. 때때로 문자열은 "예" 응답을 요구하는 실제 영어 단어일 수도 있고, "아니오" 응답을 요구하는 비어 단어가 될 수도 있다. 라이선스 단어의 하위 집합은 의미론적으로(예: 캣-도그) 관련이 있는 반면, 다른 부분들은 관련이 없는(예: 빵-스템)이었다. 피슐러는 관련 단어 쌍이 관련 없는 단어 쌍에 비해 더 빨리 반응한다는 것을 발견했는데, 이는 의미 관련성이 단어 인코딩을 용이하게 할 수 있음을 시사한다.[10]

눈의 움직임

눈 추적은 온라인 언어 처리를 연구하는 데 이용되어 왔다. 이 방법은 독서의 지식을 알리는 데 영향을 미쳤다.[11] 또한 타넨하우스 외 연구진(1995)은 [12]온라인 구어 처리를 연구하기 위해 눈의 움직임을 활용하는 시각적 세계 패러다임을 확립했다. 이 연구 영역은 눈의 움직임이 현재의 주의 초점과 밀접하게 연관되어 있다는 연결 가설을 바탕으로 한다.

신경 이미지 생성 및 유발 잠재력

비침습적 기술의 증가는 언어 이해의 두뇌 기반을 검사할 수 있는 수많은 기회를 제공한다. 일반적인 예로는 양전자 방출 단층촬영(PET), 기능성 자기공명영상(fMRI), 뇌전파(EEG)와 자기뇌파촬영(MEG), 초자연자극(TMS) 등이 있다. 이러한 기법은 공간적, 시간적 해상도에 따라 다양하며(fMRI는 픽셀당 수천 개의 뉴런 해상도를 가지며, ERP는 밀리세컨드 정확도를 가진다) 방법론의 각 유형은 언어 이해의 특정 문제를 연구하기 위한 일련의 장단점을 제시한다.

컴퓨터 모델링

컴퓨터 모델링은 언어 이해를 탐구하는 또 다른 수단이다. 신경망에서 인스턴스화된 모델과 같은 모델들은 이론가들이 가설에서 명시적일 것을 요구하고, 이론적 분석을 신뢰할 수 없게 만들 정도로 복잡하고 이론적 모델에 대한 정확한 예측을 생성하는 데 사용될 수 있기 때문에 특히 유용하다. 언어 연구에서 컴퓨터 모델링의 전형적인 예는 맥클렐랜드와 엘먼의 음성 인식의 TRACE 모델이다.[13] 문장의 처리 모델은 헤일(2011)의 '합리적' 일반화 왼쪽 코너 파서에서 찾을 수 있다.[14] 이 모델은 국소 응집 현상뿐만 아니라 정원 경로 효과를 도출한다. 컴퓨터 모델링은 또한 문장 처리를 언어의 다른 기능과 연관시키는 데 도움을 줄 수 있다. 예를 들어 문장 처리에서 ERP 효과의 한 모델(예: N400과 P600)은 이러한 현상이 언어 습득과 언어 적응을 지원하는 학습 과정에서 발생한다고 주장한다.[15]

참고 항목

메모들

  1. ^ Altmann, Gerry (April 1998). "Ambiguity in sentence processing". Trends in Cognitive Sciences. 2 (4): 146–151. doi:10.1016/s1364-6613(98)01153-x. PMID 21227111. S2CID 12113211.
  2. ^ Hillert, D. (ed.) (1998). Sentence Processing: A Cross-Linguistic Perspective. Syntax and Semantics 31. San Diego: Academic Press. p. 464. ISBN 978-0126135312.CS1 maint: 추가 텍스트: 작성자 목록(링크)
  3. ^ Friederici, Angela (1 February 2002). "Towards a neural basis of auditory sentence processing". Trends in Cognitive Sciences. 6 (2): 78–84. doi:10.1016/S1364-6613(00)01839-8. PMID 15866191.
  4. ^ Abrahams, V. C.; Rose, P. K. (18 July 1975). "Sentence perception as an interactive parallel process". Science. 189 (4198): 226–228. Bibcode:1975Sci...189..226M. doi:10.1126/science.189.4198.226. PMID 17733889. S2CID 30410322.
  5. ^ 맥도날드, 펄머터, 세이덴버그, 1994).
  6. ^ MacDonald, M. C.; Pearlmutter, M.; Seidenberg, M. (1994). "The Lexical Nature of Ambiguity Resolution". Psychological Review. 101 (4): 676–703. doi:10.1037/0033-295x.101.4.676. PMID 7984711.
  7. ^ Seidenberg, Mark S.; J.L. McClelland (1989). "A distributed developmental model of word recognition and naming". Psychological Review. 96 (4): 523–568. CiteSeerX 10.1.1.127.3083. doi:10.1037/0033-295X.96.4.523. PMID 2798649.
  8. ^ 페레이라 외 (2009)
  9. ^ 페레이라 외 (2002)
  10. ^ Fischler I. (1977). "Semantic facilitation without association in a lexical decision task". Memory & Cognition. 5 (3): 335–339. doi:10.3758/bf03197580. PMID 24202904.
  11. ^ Rayner K. (1978). "Eye movements in reading and information processing". Psychological Bulletin. 85 (3): 618–660. CiteSeerX 10.1.1.294.4262. doi:10.1037/0033-2909.85.3.618. PMID 353867.
  12. ^ Tanenhaus M. K.; Spivey-Knowlton M. J.; Eberhard K. M.; Sedivy J. E. (1995). "Integration of visual and linguistic information in spoken language comprehension". Science. 268 (5217): 1632–1634. Bibcode:1995Sci...268.1632T. doi:10.1126/science.7777863. PMID 7777863.
  13. ^ McClelland, J.L.; Elman, J.L. (1986). "The TRACE model of speech perception". Cognitive Psychology. 18 (1): 1–86. doi:10.1016/0010-0285(86)90015-0. PMID 3753912. S2CID 7428866.
  14. ^ Hale, John T. (2011). "What a Rational Parser Would do". Cognitive Science. 35 (3): 399–443. doi:10.1111/j.1551-6709.2010.01145.x.
  15. ^ Fitz, Hartmut; Chang, Franklin (2019-06-01). "Language ERPs reflect learning through prediction error propagation". Cognitive Psychology. 111: 15–52. doi:10.1016/j.cogpsych.2019.03.002. hdl:21.11116/0000-0003-474D-8. ISSN 0010-0285. PMID 30921626. S2CID 85501792.

참조

  • 페레이라, F, 베일리, K. G, & 페라로, V. (2002) 언어 이해에 있어 충분한 표현[1] 심리 과학의 현재 방향, 11(1), 11-15.
  • 페르난다 페레이라, 폴 E. 엥겔하르트, 마논 W. 존스 (에든버러 대학 심리학과) (2009) 충분한 언어 처리: 만족스러운 접근법, 제31회 인지과학회 연례 회의의 진행에서. 오스틴: 인지과학회.

추가 읽기

  • 캐롤, 데이비드, 언어의 심리학 (Wadsworth 출판, 2003)