Detailansicht
Neurological entrainment in an artificial grammar learning paradigm
Hieronymus-Benedict Lanfer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Philologisch-Kulturwissenschaftliche Fakultät
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Allgemeine Linguistik: Grammatiktheorie und kognitive Sprachwissenschaft
Betreuer*in
Jutta Müller
DOI
10.25365/thesis.76862
URN
urn:nbn:at:at-ubw:1-18509.31285.960723-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Vorherige Studien zum Erlernen künstlicher Grammatiken haben gezeigt, dass Kinder in der Lage sind, aufgrund der statistischen Eigenschaften eines Silbenstroms auf hierarchische Strukturen innerhalb des Stroms zu reagieren. Eine der offenen Fragen bei der Untersuchung, wie Erwachsene solche Grammatiken verarbeiten, ist, inwiefern das Erlernen künstlicher Grammatik allein durch statistische Eigenschaften der Grammatik begründet werden kann, und inwiefern bereits bestehendes linguistisches Vorwissen nötig ist, um das Erlernen einer künstlichen Grammatik durch Erwachsene zu ermöglichen. Die vorliegende Studie erforscht mit einer Elektroenzephalogramm- (EEG) und Verhaltensstudie die Reaktion gesunder Erwachsener beim Erlenen einer künstlichen Grammatik. Dabei handelt es sich um eine Grammatik, die ausschließlich auf statistischen Eigenschaften beruht und nicht-statistische Elemente wie Prosodie ausschließt. In dieser Studie wurden deutsche Muttersprachler*innen einem Silbenstrom ausgesetzt, der nicht-adjazente Dependenzen (NAD) beinhaltet und hierarchische Strukturen auf drei Ebenen (Silbe, Wort, Phrase) vorweist. Da diese hierarchischen Strukturen in regelmäßigen Intervallen auftreten, werden neurophysiologische Reaktionen der Partizipant*innen an der Frequenz dieser Intervalle erwartet. Während einer Zuhörphase wurden mittels EEG die neurophysiologischen Reaktionen der Partizipant*innen auf den Silbenstrom mit den darin enthaltenen hierarchischen Strukturen gemessen. Anschließend mussten die Partizipant*innen eine Verhaltensaufgabe ausführen, bei der sie Silbensequenzen mit intakter NAD von Silbensequenzen unterscheiden sollten, bei denen die NAD verletzt wurde. Die EEG-Daten wurden mittels Steady-State Auditory Evoked Potential (SSAEP) und Cluster-Based Permutation Test (CBPT) analysiert, während die Antworten in der Verhaltensaufgabe mittels t-Tests und ANOVA analysiert wurden. Die Ergebnisse von SSAEP und CBPT zeigen Reaktionen der Partizipant*innen an den Frequenzen aller drei Ebenen hierarchischer Strukturen. Die Verhaltensergebnisse zeigen, dass die Partizipant*innen signifikant über dem Zufallsniveau in der Lage waren, die Sequenzen mit intakter NAD von den Sequenzen mit verletzter NAD zu unterscheiden. Diese Ergebnisse liefern Belege dafür, dass statistische Informationen ausreichend sind, um das Lernen einer künstlichen Grammatik aus einem Silbenstrom zu ermöglichen. Allerdings schränkt die Struktur des verwendeten Silbenstroms die Interpretierbarkeit der Ergebnisse ein, weshalb mehr Forschung benötigt wird, um nähere Erkenntnisse darüber zu erlangen, inwiefern eine rein auf statistischem Lernen begründete künstliche Grammatik für Erwachsene zu erlernen ist und welche Aspekte der Grammatik die Reaktion der Partizipant*innen beeinflussen.
Abstract
(Englisch)
Previous studies on artificial grammar learning have shown that children are able to respond to hierarchical structures within a syllable stream based on the statistical properties of that stream. An open question in the investigation of how adults process artificial grammars is to what extent the learning of artificial grammar can be justified solely by the statistical properties of the grammar, and to what extent pre-existing linguistic knowledge is necessary to enable the learning of an artificial grammar by adults. This thesis uses an electroencephalogram (EEG) and behavioural study to investigate the learning behaviour of healthy adults when learning an artificial grammar. This artificial grammar is based exclusively on statistical properties and excludes non-statistical elements such as prosody. In the present study, native German speakers were exposed to a syllable stream containing non-adjacent dependencies (NAD) and hierarchical structures on three levels (syllable, word, phrase). As these hierarchical structures occur at regular intervals, neurophysiological reactions of the participants at the frequency of the structures are expected. During a listening phase, the neurophysiological reactions of the participants to the syllable stream with the hierarchical structures it contains were measured using EEG. The participants then had to perform a behavioural task in which they had to distinguish syllable sequences with an intact NAD from syllable sequences in which the NAD was violated. The EEG data were analysed using steady-state auditory evoked potential (SSAEP) analysis and a cluster-based permutation test (CBPT), while the responses in the behavioural task were analysed using t-tests and ANOVA. The SSAEP and CBPT results show participant responses at the frequencies of all three levels of hierarchical structure. The behavioural results show that the participants were able to discriminate intact from violated sequences significantly above chance level. These results provide evidence that statistical information was sufficient to enable the learning of an artificial grammar from a syllable stream. However, the structure of the syllable stream used in the present study limits the generalizability of the results. More research is needed to gain further insight into the extent to which an artificial grammar based purely on statistical learning can be learned by adults and which aspects of the grammar influence participant responses.
Schlagwörter
Schlagwörter
(Deutsch)
Neurolinguistik Statistisches Lernen Künstliche Grammatik EEG Sprachwissenschaft Psycholinguistik
Schlagwörter
(Englisch)
neurolinguistics statistical learning artificial grammar learning EEG linguistics psycholinguistics
Autor*innen
Hieronymus-Benedict Lanfer
Haupttitel (Englisch)
Neurological entrainment in an artificial grammar learning paradigm
Paralleltitel (Deutsch)
Synchronisation neurologischer Prozesse beim Erlernen einer künstlichen Grammatik
Publikationsjahr
2024
Umfangsangabe
61 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jutta Müller
Klassifikation
17 Sprach- und Literaturwissenschaft > 17.35 Neurolinguistik
AC Nummer
AC17347494
Utheses ID
72403
Studienkennzahl
UA | 066 | 867 | |