06_Modelle der Sprachverarbeitung

• Ein Lemma (z.B. gehen) bündelt alle Wortformen (gehe, ging, gegangen,…etc.) unter einem “Eintrag” im mentalen Lexikon

• Problem:

  • Wenn ein Lemma wirklich rein konzeptionell wäre, müsste es problemlos in allen Sprachen abbildbar sein. Das ist es aber nicht.

  • Bedeutung eines Wortes ist nicht immer sprachneutral verfügbar (z.B. Zeitgeist)

γ: Phoneme

• kleinste bedeutungsunterscheidende Lauteinheiten einer Sprache, die Wörter voneinander unterscheiden (z.B. “ch”)

θ: Silben

• Rhytmische Einheiten, die aus Phonemen aufgebaut sind

• Strukturieren den Redefluss

δ: Phrasen

• syntaktische Einheiten die Bedeutung tragen

Morpheme

• kleinste bedeutungstragende Einheit einer Sprache

• Wortverdrehungen: “Guess whose mind came to name?”

• Morpheme: “I randomed some samply” (“I sampled some randomly”) → Morpheme entspechen syntaktischer Position

• Phonemverdrehungen: ”The Lord is a shoving leopard” (“loving shepherd”) → Spoonerism

• Malapropismus: “Weapons of mass distraction” (Tony Blair) → Aktivierung von phonologisch ähnlichen Wörtern

• “Liegt-mir-auf-der-Zunge”-Phenomen: Aber man weiß z.B. das grammatische Geschlecht und die ungefähre Länge → Anomia nach Schlaganfall → Zugang zu Lemma intakt, aber nicht zu der Wortform

• Syntax umfasst Regeln, die beschreiben, wie Wörter und Morpheme zusammengebaut werden können

• Separat von Semantik (z.B. “Flauschige grüne Ideen schlafen erbost”)

• Hierarchische Struktur der Wortreihenfolge (s. Syntaktischer Baum)

  • Beispiel:

    Der Mann sah den Hund mit dem Fernglas

    Zwei mögliche Bedeutungen:

    1. Der Mann hat ein Fernglas

    2. Der Hund hat ein Fernglas (absurd, aber grammatisch möglich)

    👉 Gleiche lineare Reihenfolge,

    👉 unterschiedliche hierarchische Struktur

• Noam Chomsky: Ja

• Evidenz: Fehler bei Kindern

• Kinder nutzen hierarchische Struktur und wenden Regeln systematisch an, auch bei fehlerhaften Sätzen, trotz relativ wenig Input

• Aber: Was genau ist die Universalgrammatik?

  • Fähigkeit, syntaktische Regeln zu lernen

  • Passt sich der Sprache an

Gegenposition: Usage-based Ansatz

• Sprache entsteht aus Statistical Learning

• Historisch: Brocas Aphasie als Problem mit Artikulation (Patient Tan Tan)

• Aber: exakte Läsion und Symptomatik schwer nachvollziehbar

Neuere Befunde:

• Agrammatism (Funktionswörter und Flexionen fehlen)

• Sprachproduktion ohne Funktionswörter (kodieren grammatische Struktur, aber keinen konkreten Inhalt) & Morpheme

• Verständnis von komplexen Syntax (“Das Fahrrad, das der Junge gehalten hatte, ist kaputt”)

• → Link zwischen Verständnis & Arbeitsgedächtnis?

Unterteilung innerhalb von Brocas Areal:

• BA44: Syntaktische Verarbeitung & Generierung von Vorhersagen

• BA45: Arbeitsgedächtnis & Semantisches Gedächtnis

Dissoziation zwischen Sematik und Syntaktik

• “The bites dog man”: Semantik, keine Syntax

• “The train views holidays”: Syntax, keine Sematik

  Paradigma: Vergleich von vorhersehbaren versus unerwarteten Wörtern:

• I went sailing in my yacht (Semantik +, Syntaktik +)

• I went sailing in my apple (Semantik -, Syntaktik +)

• I went sailing in my himself (Semantik - , Syntaktik -)

N400:

• Aktivierung bei unvorhersehbaren Wörtern

• Keine Effekte bei syntaktischen Anomalitäten

P600:

• Bei semantischen & syntaktischen Anomalitäten

• Anatomisch: Komplexe Vokalisierungen bei nicht-Menschen unmöglich

• Bonobo Kanzi: Ca. 3000 Wörter gelernt durch Lexigramme und Gebärdensprache

  • Spontanes Lernen durch Beobachtung bei Training der Mutter

  • Wörterkombinationen (z.B. “water bird”)

  • Abstrakte Konzepte (“Besucher”)

  • - Keine Morphologie

  • - Vor Allem Wörter über Essen

  • - Kein (bzw. sehr wenig) Syntax

• grammatisch korrekte Sätze, die aufgrund einer zunächst plausiblen, aber falschen hierarchischen Analyse falsch verstanden werden

• Semantik aktiviert inadvequate syntaktische Struktur

Grounded Cognition:

• Kognitive Repräsentation der Sprache mit sensorischen Merkmalen

• Hören der Wörter “lick”, “pick”,“kick” aktiviert Areale in der Motorkortex (Hauk et al., 2004)

• Aber: Was ist mit abstrakten Konzepten?

• Alternative Hypothese: Top-Down Aktivierung

• Kognition ist nicht vom Körper getrennt und damit ist Denken nicht rein abstrakt, sondern verkörpert

• Kognitive Prozesse basieren auf

  • Sensorischen Erfahrungen (Sehen, Hören, Fühlen,…)

  • Motorischen Erfahrungen (Handlungen, Bewegungen,..)

  • Körperlichen Zuständen (Haltung, Emotion, Physiologie)

• Kenntnis über Aussprache und Bedeutung (ggf. Rechtschreibung) von Wörtern

• erklärt wie wir ausgesprochene Wörter erkennen

• Sequentielle Verarbeitung von Phonemen: z.B. H – HU – HUN - HUND

• Uniqueness Point: Der Laut, bei dem das Wort ohne Ambiguität erkannt werden kann

• Was beeinflusst, welches Wort aktiviert wird?

  • Frequenz: Wie oft kommt ein Wort in der Sprache vor? (Korpus-

    Analysen)

  • Imageability: Wie leicht kann man sich das Konzept im inneren Auge

    vorstellen? (Rating-Studien)

• Top-Down Erwartungen (Was du erwartest zu hören, beeinflusst was du tatsächlich hörst):

  • Hybride Silben: Im Labor erzeugte Laute zwischen /ta/ und /da/

    • Das Gehirn entscheidet sich nicht rein nach Akustik, sondern nutzt Kontext & Wortwissen, um den Laut „einzuordnen“

  • Allophone: Phonetische Varianten desselben Phonems

    • /t/ in Butter oder Tal klingt akustisch anders

    • Sprache ist also variables und undeutlich - Gehirn normalisiert den Input mithilfe von Top-Down-Wissen (Lexikon, Sprache, Erwartungen)

    • Hohes Verständnis, trotz Prävalenz von Allophonen in der gesprochenen Sprache

  • Ganong Effekt: Bei künstlich erstelltem Audio, wo der erste Laut etwas zwischen /k/ und /g/ ist, hören Leute ‘/?is/ als ”kiss” und nicht als “giss”

    • Wortwissen beeinflusst Wahrnehmung

• Neuronales Korrelat: Ventral Stream

• ist das maschinelle Verarbeiten von natürlicher Sprache

• Nutzen:

  • Erstellen von Korpora: Welche Wörter nutzt man in welchen

    Kontexten?

  • Sentiment Analyses: In welchen Kontexten nutzt man Wörter mit

    positiven/negativen Konnotationen?

• Ist die Struktur des mentalen Lexikons: Interactive Activation

• Ähnliche Wörter können einander aktivieren

  • Semantisches Priming (z.B. nurse – DOCTOR) -> Inhalt

  • Orthographisches Priming (loctor – DOCTOR) -> Schriftbild

• Aber: Wie wird Ähnlichkeit definiert?

  • Evidenz für hierarchische Struktur nach Sub- und Suprakategorien: Tier – Vogel – Мeise: posterior zu anterior in lateralem Temporallappen (Rogers et al., 2006)

  • Aber: Nicht alle Konzepte können leicht hierarchisch eingeordnet werden

• Hypothetische Repräsentation von semantischen Aspekten von Wörtern:

  • Erlaubt Vergleiche & Generalisierungen (z.B. “Haben Giraffen Nieren?”)

• Gemeint ist ein formales Modell, dass Wörter als Vektoren um hochdimensionalen Raum repräsentiert, wobei semantische Ähnlichkeit durch numerische Nähe repräsentiert wird. Modell, dass

  • Semantische Ähnlichkeit erklärt

  • Semantisches Priming vorhersagt (Nahe Vektoren, schnelle Aktivierung)

  • Generalisierung ermöglicht

• ”A word is defined by the company it keeps” → Wörter, die in ähnlichen Kontexten vorkommen, haben auch ähnliche Bedeutungen

• Wortbedeutungen sind nicht fix, sondern werden durch den Kontext verschoben (Bsp.: “Bank”)

• Moving Window als Methode, um zu untersuchen, wie Kontext die Wort- und Satzverarbeitung beeinflusst

• Numerische Repräsentation via Vektoren, wenn man zählt wie häufig bestimmte Wörer zusammen mit Wort X dargeboten werden:

• 3 Schichten:

  • Input Layer: Was kommt rein?

  • Hidden Layer: Entwicklung interner Repräsentationen (hypothetisch, semantisch)

  • Output Layer: Was kommt raus?

• Bedeutung entsteht durch

  • Lernprozesse

  • Gewichtsanpassungen

  • Verteilung von Aktivierung

• Vergleich zur numerischen Betrachtung/ zum Vektormodell:

  • Im Vektormodell ist die Bedeutung ein Punkt im Bedeutungsraum

• Vorhersage von Wort anhand von vorhergehendem Text

• Repräsentation von Ähnlichkeit → Tool für Generierung von Rating-Daten?

• Als Modell der Sprache (oder sogar Kognition?):

  • Sehr komplex → Black Box Problem

  • Sehr viel Training benötigt → nicht plausibel

• Vektoren nach Training:

  • Ähnliche Konzepte haben ähnliche Vektoren → Quantifizierbar als Cosine Similarity

• Aber einzelne Zahlen innerhalb von Vektor sind schwer interpretierbar

• Neuronale Repräsentation:

  • Cosine Similarity als gutes Modell der neuronalen Aktivität →

  • Aktivierung von semantisch ähnlichen Objekten in nah gelegenen Arealen (Oota et al., 2018)

• die Ebene zwischen Wortform (Orthographie) und Wortbedeutung (Semantik)

  • Verhaltensstudien: Vergleich von Reaktionszeiten

    • Morphologische Überlappung schneller Orthographische, Semantische Überlappung schneller als morphologische