数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究词汇排序和句子语境效应
报告指出，人们认为会影响词汇排序的变量，如频率、重复、关联和拼写合法性，以及人们认为会影响反应排序的变量，如可预测性。甚至人们认为会影响话语级排序的变量，如与全局语境的协调性，所有这些变量都以类似的方式改变了在编码后 200 到 500 毫秒之间出现的负向事件相关电位 (ERP) 成分 (N400)，这让人们对词汇/词汇后区别产生了怀疑。
词汇排序和句子语境效应的含义
人们很容易低估处理语言所需的脑力，因为成年人经常、快速且毫不费力地进行此操作。一个例子是，为了让听众理解一句口语，必须处理复杂的感官信号。一个人理解语音的能力取决于其跨多个时间和频率尺度处理信息的能力。区分构成单词的辅音，例如“pat”和“bat”，需要对毫秒级的时差有意识。此外，听众需要能够识别在几秒甚至几分钟内形成的音调模式，以便理解，例如，何时被要求提供信息或被命令做某事。
此外，这种对传感器信号的相同排序仅仅是开始，因为听众随后必须在输入中寻找熟悉的模式，例如短语和语法结构，检索与每个模式相关的各种类型的信息，并将它们适当地组合起来。与普遍看法相反，词汇排序不会发生在词汇后 ERP 效应之前。来自研究的进一步证据反对词汇排序自动性的假设，这些研究表明语境如何抑制单词的影响。
单词索引
这些结果指向了一种用于存储和检索有关单词的信息的联想结构，其中频率和上次使用以来的时间在此结构中发挥作用。此外，词汇判断任务研究表明，两个效应为系统用于识别单词的设计提供了强有力的线索。
词汇状态效应
这表明单词比没有单词导致更快的反应。第二个被称为“非词合法性效应”，它表明对具有有效拼写结构的伪词的反应比由随机字母序列组成的非词的反应慢。
方法学中的挑战
鉴于人们必须从排序的最终状态（语音输出或按钮按下）所采取的测量中推断，而不是更直接地访问排序的中间阶段，因此词汇访问的时间过程的精确性质已经是一个具有挑战性的问题。
词汇和词汇后启动对 N400 的影响
N400 可以让我们一窥词汇访问的过程，此时伪词与真实单词分离，并且规律性、重复性和意义相关性等因素具有很大的影响。尽管如此，N400 易受大多数人认为是词汇后以及影响词汇访问的因素的影响。在短语中，单词的 N400 强度最大的预测因素之一是该单词的闭合可能性。
神经影像学方法
因为这些方法有望更直接地访问这些中间阶段，所以当前的神经影像学方法非常令人着迷。功能性磁共振成像 (fMRI) 和正电子发射断层扫描 (PET) 可以通过监测神经元活动的氧合或血流来显示在某些实验任务期间哪些大脑区域参与其中。然后，激活模式的差异和相似性可以用来解释观察到的行为任务之间不一致性的原因，而这两种任务都被认为是词汇可用性的指标。
N400 信号幅度
对于异常元素（如语义异常）来说，N400 幅度最大，而对于与上下文非常匹配且闭合概率高的单词来说，N400 幅度最小。随着目标词更有可能被其之前的上下文预测，N400 信号的幅度通常会降低。
解释
传统观点认为，词汇排序在语言学习开始时快速且自动地发生。人们普遍认为，词汇后排序速度较慢，范围更窄，并且依赖于词汇排序的结果。因此，预计词汇变量将在词汇后因素之前影响单词排序，将通过与词汇后变量不同的机制进行，并且将比词汇后变量更具弹性。
当您将单词放在错误的位置时会发生什么？
当我们缺乏更全局的上下文时，频率和词汇关联等词汇因素变得更加重要。在短语的开头，N400 幅度对频率比在结尾处更敏感。当读者在构建消息级表示时得到词汇关联和上下文一致性的帮助时，N400 的幅度会受到影响。但是，当构建消息级表示的上下文一致性和词汇关联的好处相互矛盾时，上下文一致性会胜出。总的来说，更高阶的上下文因素（语义或句法）会缓和词汇效应的假定自动性和独立性。
结论
场景不仅仅是一组物品的集合，就像一个术语一样。理解所说的话需要检索词汇信息并将其与更高阶的语言表示、局部上下文线索和话语解释激活的先前知识相结合（Coulson，即将出版）。为了正确理解短语“每个人都玩得很开心，从树枝上跳入池塘，我们加了一些水”中的“水”，仅仅知道它是一个物质名词，并且是植物和动物生命必需的无色无味的液体是不够的。为了充分理解这个笑话，人们需要语法知识（省略）来推断水正在流入池塘，需要上下文知识来考虑代理人正在从灌木丛跳入可能包含或可能不包含水的池塘，以及背景知识来意识到没有水的池塘跳入的乐趣较小。大脑同时使用拼写、新近度、规律性、词汇关联和一致性，这在句子和话语层面也同样适用，考虑到情境整合的复杂性和需要快速组合来自多个分析级别的信息，这似乎非常适合消息构建。最近的一项研究表明，大脑分析的是上下文中的单词，而不是单词加上上下文。
112 次查看
