단어 인식

Word recognition
다음에 대한 시리즈 일부
독서
읽는 법 배우기
과학 이론과 모델
인지 과정
독해지침
독서율
가독성
읽기 차이와 장애
언어
리터러시

문자 인식 정보 통신 시스템(LINCS)에 따르면 단어 인식은 "독자가 글씨를 정확하고 사실상 쉽게 인식할 수 있는 능력"이다. 문맥상의 도움을 위해 유사한 단어가 필요 없이 리스트에서 개별적으로 단어를 인식하는 독자의 능력이 수반되기 때문에 '격리된 단어 인식'이라고 부르기도 한다.[1] LINCS는 계속해서 "신속하고 쉬운 단어인식이 유창한 독서의 주요 구성요소"라며 "플래시카드, 목록, 워드 그리드로 실용적[실용적]"으로 실력을 향상시킬 수 있다고 설명한다.

심리학자 Marilyn Jager Adams는 1990년 독서를 배우는 과학에 대한 리뷰에서 "실력 있는 독서에 대한 불변적이고 선택적이지 않은 한가지 사실은 개별 인쇄 글자의 비교적 완전한 처리를 수반한다는 것이다"[2]라고 썼다. '단어인식의 과학'이라는 글에는 '인지심리학에서 지난 20년간 연구한 결과 한 단어 안에 있는 글자를 사용해 단어를 인식한다는 증거'라고 적혀 있다. 시간이 지남에 따라, 다른 이론들은 단어들이 고립된 상태에서 속도와 정확성을 모두 가지고 인식되는 메커니즘을 제안하고 있다.[3] 이러한 이론들은 개별적인 글자와 문자 형태 인식의 중요성(예: 직렬 문자 인식과 병렬 문자 인식)에 더 초점을 맞춘다. 성가신 눈의 움직임과 문자 사이의 선형 관계와 같은 다른 요소들도 우리가 단어를 인식하는 방식에 영향을 미친다.[4]

사이언스데일리지에 실린 한 기사는 "초기의 단어 인식이 평생 독해능력의 핵심"이라고 제안한다.[5] 이러한 기술을 개발하는 방법에는 여러 가지가 있다. 예를 들어, 높은 빈도로 나타나는 단어에 대한 플래시 카드를 만드는 것은 난독증을 극복하는 도구로 여겨진다.[6] 시에서 사용되는 리듬과 소리의 패턴인 프로소디가 단어인식을 향상시킬 수 있다는 주장이 제기됐다.[7]

단어 인식은 친숙한 문자 그룹이 나타내는 단어가 무엇인지를 즉시 인식하여 읽는 방법이다. 이 과정은 시각 언어를 인식하고 언어화하는 다른 방법(즉, 읽기)으로서 음성학 및 단어 분석과 반대로 존재한다.[8] 단어 인식 기능은 주로 자동성에 있다. 반면에 음운론과 단어 분석은 문자, 소리, 제자, 형태소의 혼합을 위해 학습된 문법 규칙을 인지적으로 적용하는 것에 의존한다.

단어인식은 인지도가 높은 단어가 소설보다 빨리 읽힐 정도로 속도의 문제로 측정된다.[3] 이러한 시험방법은 읽고 있는 단어의 의미에 대한 이해가 요구되는 것이 아니라 적절한 발음이 가능한 방식으로 단어의 의미를 인식할 수 있는 능력이 요구된다는 것을 시사한다. 따라서 문맥은 중요하지 않으며, 단어 인식은 종종 플래시[8] 카드와 같은 형식으로 분리된 형태로 제시된 단어로 평가된다. 그럼에도 불구하고, 유창성처럼 단어 인식의 용이성은 읽고 있는 텍스트의 이해를 촉진하는 숙련도를 가능하게 한다.[9]

현대사회에서 읽고 쓰는 능력이 널리 퍼졌기 때문에 단어인식의 본질적 가치는 명백할 수 있다. 그러나, 그것의 역할은 문해 학습, 제2언어 학습, 그리고 독서의 발달 지연 분야에서 덜 두드러질 수 있다. 단어 인식이 더 잘 이해됨에 따라, 더 신뢰할 수 있고 효율적인 형태의 가르침이 어린이와 성인 학습자 모두에게 발견될 수 있다. 이러한 정보는 또한 새로운 단어와 글자 문자를 습득함으로써 제2외국어 학습자에게 유익할 수 있다.[10] 게다가, 단어 인식에 관련된 과정을 더 잘 이해하면 읽기 장애를 가진 개인에게 더 구체적인 치료를 가능하게 할 수 있다.

이론들

부마모양

네덜란드 시각 연구자 헤르만 부마의 이름을 딴 부마 모양은 단어의 전체적인 윤곽, 즉 모양을 가리킨다.[11] 헤르만 부마는 1973년 실시한 단어인식 실험에서 '글로벌 워드 쉐이프'의 역할에 대해 논의했다.[12] 부마모양에 대한 이론은 단어인식에서 인기를 끌게 되었는데, 사람들이 서로 상대적인 집단에서 글자가 만들어지는 모양에서 단어를 인식하도록 제안한다.[3] 이것은 글자가 개별적으로 읽혀진다는 생각과 대비된다. 대신에, 사전 노출을 통해 사람들은 윤곽에 익숙해지고, 따라서 다음에 같은 단어, 즉 부마(bouma)가 제시될 때 윤곽을 인식하게 된다.

모두 대문자로 쓰이거나, 대문자와 소문자를 번갈아 쓰면서 읽는 속도가 느린 것이 부마 이론을 뒷받침한다.[3] 소문자를 대문자로 바꿔 만든 참신한 부마 모양이 사람의 기억력을 방해한다는 이론이다. 제임스 캣텔도 그의 연구를 통해 이 이론을 지지했는데, 이것은 그가 단어 우위라고 부르는 효과에 대한 증거를 주었다. 이것은 임의의 글자가 섞여 있는 것이 아니라 한 단어로 제시된다면 글자를 추론할 수 있는 사람들의 향상된 능력을 가리켰다. 게다가, 여러 연구는 독자들이 다른 부마 모양의 철자를 잘못 쓴 단어보다 비슷한 부마 모양의 철자를 잘못 쓴 단어를 덜 알아차린다는 것을 보여주었다.

비록 이러한 효과들이 지속적으로 반복되어 왔지만, 그들의 연구 결과들 중 많은 것들이 논쟁의 대상이 되었다. 일부 사람들은 대문자 단어들의 읽기 능력이 한 사람이 그들과 연습하는 양에 기인한다고 제안했다. 연습하는 사람들은 부마의 중요성에 반하여 대문자를 읽는 속도가 빨라진다. 또한 심리학자 제임스 맥클렐랜드와 제임스 존슨의 말에 따르면, 단어 우위 효과는 단어의 윤곽이 아닌 음성 조합의 문자에 익숙하기 때문에 발생할 수 있다.[13]

병렬 인식 대 직렬 인식

병렬 문자 인식은 오늘날 심리학자들이 가장 널리 인정하는 단어 인식 모델이다.[3] 이 모델에서 그룹 내의 모든 문자는 단어 인식을 위해 동시에 인식된다. 이와는 대조적으로, 직렬 인식 모델은 문자들이 단어 인식을 위해 통합되기 전에 개별적으로 하나씩 인식될 것을 제안한다. 그것은 한 단어처럼 한 글자가 여러 글자를 합친 것보다 더 빠르고 정확하게 식별된다고 예측한다. 그러나 이 모델은 독자가 고립보다는 단어의 맥락에서 글자를 더 빠르고 정확하게 식별할 수 있다는 단어 우위효과에 대해 설명할 수 없어 거절당했다.

신경망

단어 인식에 대한 보다 현대적인 접근은 뉴런 기능에 대한 최근의 연구에 기초하고 있다.[3] 수평선이나 수직선이나 곡선과 같은 단어의 시각적인 측면은 단어로 인식되는 수용체를 활성화시키는 것으로 생각된다. 그러한 수용체들로부터 신경 신호는 사람의 기억 속에 있는 다른 단어에 대한 연결을 흥분시키거나 억제하기 위해 보내진다. 관찰된 단어의 시각적 표현과 일치하는 문자가 있는 단어는 흥분 신호를 받는다. 마음이 그 단어의 외관을 더욱 더 처리함에 따라 억제 신호는 동시에 다른 외모를 가진 기억 속의 단어로의 활성화를 감소시킨다. 관련 문자 및 단어에 대한 연결의 이러한 신경 강화와 관련 없는 문자 및 단어에 대한 연관성의 동시 약화는 결국 신경망에서 단어 인식의 일부로서 올바른 단어를 활성화시킨다.

생리적 배경

뇌

양전자 방출 단층 촬영(PET) 스캔과 이벤트 관련 잠재력을 이용해 연구자들은 방추형 회초리에서 문자열에 특별히 반응하는 두 개의 별도 영역을 찾아냈다. 후방추형 교리(fusiform gyrus)는 그 의미적 맥락에 관계없이 단어나 비단어에 반응한다.[14] 전방 방추형 회향은 의미적 맥락에서 문자 조합이 단어나 가성(음성 규약을 모방한 고음 문자 조합, ex. single)인지에 의해 영향을 받는다. 이 전방 방추형의 역할은 단어의 개념과 의미를 더 많이 처리하는 것과 관련이 있을 수 있다. 이 두 영역 모두 얼굴이나 색 무늬와 같은 다른 형태의 복잡한 자극에 반응하는 영역과 구별되며 기능적으로 특화된 복측 경로의 일부분이다. 한 단어에 고정된 지 100밀리초(ms) 이내에 왼쪽 유추 피질의 영역이 그 표면 구조를 처리한다. 의미 정보는 150 ms 이후부터 처리되기 시작하고 널리 분포된 피질 네트워크 활성화를 보여준다. 200 ms 이후, 다른 종류의 정보의 통합이 발생한다.[15]

독자가 단어를 인식하는 정확도는 자극을 받는 망막 부위에 따라 달라진다.[16] 영어로 읽는 것은 이러한 유형의 시각 정보를 처리하기 위해 왼쪽 헤미레티나의 특정 영역을 선택적으로 훈련시켜, 이 부분을 단어 인식에 최적으로 만든다. 단어가 이 최적의 영역에서 표류함에 따라 단어 인식 정확도가 저하된다. 이 훈련 때문에 해당 좌뇌뇌에서 효과적인 신경조직이 발달한다.[16]

사카디드 눈 움직임 및 고정

눈은 초당 약 3~4회 사카데라고 불리는 짧고 눈에 띄지 않는 움직임을 만든다.[17] 사카데는 고정으로 분리되는데, 이것은 눈이 움직이지 않는 순간이다. 사카데미는 시각적 감수성이 저하되는데 이를 사카디드 억제라고 한다. 이를 통해 시각 정보의 대다수가 고정 중에 발생하도록 보장한다. 그러나 어휘적 처리는 사카데미가 진행되는 동안 계속된다. 단어 인식의 타이밍과 정확도는 눈이 현재 고정되고 있는 단어의 위치에 달려 있다. 인식은 단어 중간에 고정할 때 가장 빠르고 정확하다. 이는 글자가 고정된 위치에서 더 멀리 위치하여 보기 어려워지는 시력 저하 때문이다.[18]

주파수 효과

빈도 효과라는 단어는 인쇄된 언어로 가장 많이 나타나는 단어가 덜 자주 나타나는 단어보다 알아보기 쉽다는 것을 암시한다.[19] 이러한 단어의 인식은 다른 단어에 비해 빠르고 정확하다. 빈도 효과라는 단어는 현대 문학에서 단어 인식에 대한 가장 강력하고 가장 일반적으로 보고되는 효과 중 하나이다. 부마모양과 같은 여러 학설을 발전시키는 데 역할을 해 왔다. 더욱이, 근린 주파수 효과는 표적이 자기보다 더 높은 빈도를 갖는 맞춤법 이웃을 가질 때 단어 인식이 더 느리고 정확성이 떨어진다고 말한다. 정형화된 이웃들은 그 단어의 한 글자 차이로만 다른 모든 같은 길이의 단어들이다.[19]

실제 애플리케이션

문자 간 간격

세리프 글꼴, 즉 스트로크 끝에 작은 추가가 있는 글꼴은 어휘적 접근을 방해한다. 산세리프 글꼴을 사용하면 단어 인식이 평균 8ms 빨라진다.[20] 이들 글꼴은 글자 간격이 훨씬 더 넓으며, 연구 결과 글자 간 간격이 늘어난 단어에 대한 반응이 단어 빈도와 길이에 상관없이 더 빨랐다는 것이 밝혀졌다.[21] 이는 신경망에서 횡방향 억제의 감소로 인해 가장 가능성이 높은 문자 간 [22]간격의 작은 증가와 고정 지속 시간 사이의 역방향 관계를 보여준다.[20] 글자가 더 멀리 떨어져 있을 때, 개인들은 단어 시작에 고정의 초점을 맞출 가능성이 더 높은 반면, 워드 프로세싱 소프트웨어의 기본 글자 간격은 단어의 중심에 고정하는 것을 장려한다.[22]

도구 및 측정

PET와 기능성 자기공명영상(fMRI)은 모두 참가자들이 독서기반 작업을 수행하는 동안 뇌의 다양한 부분의 활성화를 연구하는 데 사용된다.[23] 그러나 자기뇌파(MEG)와 뇌파(EEG)는 매 밀리초마다 사건 관련 전위를 기록함으로써 보다 정확한 시간측정을 제공한다. 비록 MEG를 통해 전기적 반응이 발생하는 곳을 식별하는 것이 더 쉬울 수 있지만, EEG는 단어 인식에 있어 보다 광범위한 연구 형태다. 사건 관련 잠재력은 판독 중에 특정 영역에서 뇌 활동의 강도와 지연 시간을 측정하는 데 도움이 된다. 나아가, 사건 관련 잠재력의 유용성과 눈의 움직임 모니터링을 결합함으로써, 연구자들은 판독 중의 고정과 두뇌의 단어 인식을 실시간으로 연관시킬 수 있다. saccade와 고정은 단어 인식을 나타내기 때문에, 눈 움직임과 대상 단어에 대한 어휘적 접근에 필요한 시간을 측정하기 위해 전기적 색출술(EOG)을 사용한다. 이것은 더 길고 덜 흔한 단어들이 더 긴 고정을 유도하고, 더 작고 덜 중요한 단어들이 문장을 읽는 동안 전혀 고정되지 않을 수 있다는 연구에서 증명되었다.

학습

LINCS 웹사이트에 따르면, 단어 인식의 역할은 어른들의 습관과 읽는 법을 배우는 아이들의 습관의 차이를 낳는다.[8] 글을 배우는 비문학 성인의 경우, 많은 사람들이 음성학이나 단어 분석보다 단어 인식에 더 의존한다. 대상 단어에 대한 사전 지식이 부족한 독자는 사전 지식이 없는 서툰 독자들보다 단어를 인식하고 오류를 적게 만들 수 있다.[24] 성인 학습자는 개별 글자의 소리를 혼합하는 대신 단어를 자동으로 인식하기 쉽다.[8] 그러나, 이것은 유사하지만 다른 단어의 철자가 독자가 친숙한 단어로 오인될 때 오류로 이어질 수 있다. 이와 같은 오류는 학습자의 경험과 노출에 기인하는 것으로 간주된다. 젊고 새로운 학습자들은 본문에서 나온 의미에 더 집중하는 경향이 있고 배경지식이나 경험에 덜 의존한다. 사전 지식이 부족한 독자는 단어의 의미적 측면을 활용하는 반면, 숙련된 독자는 단어 인식을 위해 그래픽 정보에만 의존한다.[24] 그러나, 연습과 숙련도 향상은 효과적인 단어 인식을 위해 읽기 능력과 배경 지식을 결합하는 보다 효율적인 사용으로 이어지는 경향이 있다.[8]

빈도 효과의 역할은 학습 과정에 크게 반영되었다.[8] 단어 분석 접근법은 매우 유익하지만, 많은 단어들은 규칙적인 문법 구조를 거스르고 자동 단어 인식에 의해 어휘 기억장치에 더 쉽게 통합된다. 이를 촉진하기 위해 많은 교육 전문가들은 단어 노출에서 반복의 중요성을 강조한다. 이것은 독자의 대상 단어에 대한 친숙도를 높임으로써 주파수 효과를 활용함으로써, 향후의 속도와 독해에서의 정확성을 모두 향상시킨다. 이러한 반복은 플래시 카드, 워드 트레이싱, 소리 내어 읽음, 단어 그림 그리기, 그리고 단어 리콜과 시각 텍스트의 연관성을 향상시키는 다른 형태의 연습이 될 수 있다.[25]

기술의 역할

기술의 향상은 단어 인식에 대한 이해와 연구의 발전에 크게 기여했다. 새로운 단어 인식 능력은 컴퓨터 기반 학습 프로그램을 더욱 효과적이고 신뢰할 수 있게 만들었다.[8] 향상된 기술은 개인의 성스러운 눈 움직임을 읽는 동안 관찰하는 눈 추적을 가능하게 했다. 이것은 눈의 움직임의 특정 패턴이 어떻게 단어 인식과 처리를 증가시키는지에 대한 이해를 심화시켰다. 게다가, 독자가 인식하지 않아도 독자의 초점 영역 바로 바깥의 텍스트에 동시에 변경이 이루어질 수 있다. 이것은 개인이 읽고 있을 때 눈이 어디에 초점을 맞추고 있는지, 주의의 경계가 어디에 있는지 더 많은 정보를 제공했다.

이 추가 정보로 연구원들은 컴퓨터에 프로그래밍할 수 있는 단어 인식의 새로운 모델을 제안했다. 결과적으로, 컴퓨터는 이제 인간이 언어와 새로운 단어에 어떻게 반응하고 인지하는지를 모방할 수 있다.[8] 이 기술은 읽고 쓰는 학습의 모델을 디지털로 증명할 수 있을 정도로 발전했다. 예를 들어, 컴퓨터는 이제 아이들의 학습 진도를 흉내낼 수 있고 제한된 수의 설명만으로 단어 목록에 노출되었을 때 일반적인 언어 규칙을 유도할 수 있다. 그럼에도 불구하고, 아직 보편적 모델에 합의하지 않았기 때문에, 단어 인식 모델과 그 시뮬레이션의 일반화 가능성은 제한적일 수 있다.[26]

시뮬레이션 설계의 매개변수에 대한 이러한 공감대가 부족함에도 불구하고, 단어 인식 영역의 진전이 교실에서 어떤 학습 스타일이 가장 성공할 수 있는지에 대한 향후 연구에 도움이 된다. 또한 읽기 능력, 구어 발달, 학습 장애 사이에 상관관계가 존재한다. 따라서, 이러한 분야 중 어느 하나에서든 진보는 상호 관련 주제에 대한 이해를 도울 수 있다.[27] 궁극적으로, 단어 인식의 발달은 "읽는 것을 배우는 것"과 "배우는 것을 배우는 것"[28] 사이의 돌파구를 용이하게 할 수 있다.

참조

  1. ^ "Assessment Strategies and Reading Profiles".
  2. ^ Adams, Marilyn Jager (1990). Beginning to read : thinking and learning about print. Cambridge: MIT Press. p. 105. ISBN 978-0-262-51076-9.
  3. ^ a b c d e f (라센, 2004)
  4. ^ "The Science of Word Recognition".
  5. ^ "Early Word Recognition Is Key To Lifelong Reading Skills Says New Study". www.sciencedaily.com. Retrieved 2017-01-09.
  6. ^ "Flash Card Word Recognition Skills for Dyslexia".
  7. ^ ftp:///128.46.154.21/harper/muri/Chen_PDSR_SP04.pdf
  8. ^ a b c d e f g h (Kruidenier, 2002)
  9. ^ (Lucner & Urbach, 2012)
  10. ^ (Everson, 2011)
  11. ^ (라넘, 1998)
  12. ^ (Bouma & Bouwhuis, 1979년)
  13. ^ (McClelland & Johnston, 1977)
  14. ^ (Nobre, Truett & McCarthy, 1994)
  15. ^ (핵, 데이비스, 포드, 풀버멀러 & 마슬렌 윌슨, 2006)
  16. ^ a b (Mishkin, Mortimer, Underdays & Donald, 1952년)
  17. ^ (어윈, 1998)
  18. ^ (Nazir, Heler & Susman, 1992년)
  19. ^ a b (Grainger, 1990)
  20. ^ a b (Moret-Tatay & Perea, 2011)
  21. ^ (페레아, Moret-Tataya & Gomezc, 2011)
  22. ^ a b (페레아 & 고메즈 2012)
  23. ^ (세레노 & 레이너, 2003년)
  24. ^ a b (프리베, 키넌 & 밀러, 2010)
  25. ^ (문자정보통신시스템)
  26. ^ (Davis & Mermelstein, 1980)
  27. ^ (Scarborough, 2009)
  28. ^ (캠프벨, 켈리, 멀리스, 마틴 & 세인즈베리, 2001, 페이지 6)

인용구