ある Box からの出力が次の Box への入力となる系列的処理が前提とされており外的刺激と記憶表象との相互作用に関しては明確に仮定されていない Figure 1. Multistore model. (2) 処理水準説 (Levels of processing) 記憶を段階的な区分ではなく連続

Size: px

Start display at page:

Download "ある Box からの出力が次の Box への入力となる系列的処理が前提とされており外的刺激と記憶表象との相互作用に関しては明確に仮定されていない Figure 1. Multistore model. (2) 処理水準説 (Levels of processing) 記憶を段階的な区分ではなく連続"

みがねあくや
5 years ago
Views:

1 異文化言語習得論 2011/05/16 担当 : A.H. 都築誉史. (1997). 言語理解における記憶表象の活性化抑制過程に関する研究. 東京 : 風間書房. (pp.1-63) 第 1 章序論 1.1 本研究の意義と目的言語処理において input を理解保持するためには既有の知識 ( 記憶表象 : memory representation) の利用が不可欠である従来は記憶表象の形式やその構造が仮定されておらず input と記憶表象の相互作用という側面が軽視されていたしたがって本研究では構造化された記憶表象である活性化拡散モデル局所的コネクショニストモデルを取り入れ文の再認記憶多義語の理解 ( 語彙的多義性の解消 ) における記憶表象の活性化抑制過程を検証する 1.2 本論文の構成 (Ch.2) 記憶表象の概念活性化と抑制に基づく並列的処理の枠組み長期記憶における連想強度の効果語彙的多義性の処理に関する先行研究のレビュー (Ch.3) 本研究で用いるモデルと実験方法の概略に関して活性化拡散モデル局所的コネクショニストモデルの特徴とコンピュータによるシミュレーションの意義 (Ch.4) 活性化拡散モデルに基づき遅延再認における文の逐語的情報の保持と連続検索における促進抑制効果についての検証 (Ch.5) 文脈が単語の多義性を解消する処理過程に及ぼす効果についての検証 (Ch.6) 局所的コネクショニストモデルの 1 つである相互活性化モデルに基づく多義語の処理過程に関するシミュレーションモデルの作成第 2 章関連研究の概観 2.1 ボックスモデルとネットワークモデルこのセクションでは記憶モデルに関する 3 つの枠組み : (1) ボックスモデル ( 多段階貯蔵モデル ) (2) 処理水準説 (3) ネットワークモデルについて概観するこれらのモデルは (a) 系列的処理並列的処理のどちらを仮定するか (b) 記憶表象を明確に仮定するか否かという 2 点に違いがある (1) 多段階貯蔵モデル Multistore model (Atkinson & Shiffrin, 1968) では記憶を情報の保持時間によって感覚レジスタ短期記憶長期記憶に区分し短期記憶内の情報はリハーサルを行うことで長期記憶へ転送されると仮定された 1

2 ある Box からの出力が次の Box への入力となる系列的処理が前提とされており外的刺激と記憶表象との相互作用に関しては明確に仮定されていない Figure 1. Multistore model. (2) 処理水準説 (Levels of processing) 記憶を段階的な区分ではなく連続体として捉え記憶痕跡は符号化時に受けた処理の副産物であると仮定された (Craik & Lockhart, 1972) 符号化された情報が既存の知識構造と多様な関係で統合されるほど保持が良いとされる精緻化という概念に発展入力された情報と既有知識との相互作用が仮定されるようになった点で Box model と異なるが系列的処理の枠組みが仮定されている Figure 2. Level of processing (3) ネットワークモデル記憶表象が互いに関連したネットワーク上の構造をなしていると仮定するモデルが Quillian (1968) によるコンピュータシミュレーションを通して提案された記憶表象の特性を直接扱い並列的情報処理の枠組みを考慮している 2.2 記憶の区分 (1) 短期記憶と作業記憶ワーキングメモリとは長期記憶が一時的に活性化されたものであると考えられる活性化とは長期記憶内の情報が今すぐに利用可能であるような特殊な状態に変換されていることを指す (Anderson, 1990) (2) エピソード記憶と意味記憶個人的な経験に基づくエピソード記憶と一般的な事実や概念に関する意味記憶は内容的には区分されるが機能的表象的な区分は無いとされる (e.g., Kintsch, 1980) (3) 宣言的記憶と手続き的記憶長期記憶は事実や命題に関わる概念を知っているという宣言的記憶と物事の操作手順に関する概念をしっているという手続き的記憶に区分される 2

3 2.3 長期記憶の検索に関するネットワークモデル (1) EPAM (Elementary Perceiver And Memorizer) モデル無意味語綴りを用いた対連合学習 ( 文字の特徴の弁別学習 ) のモデルとして提案され符号化過程を刺激材料に対応した弁別的判断を行うネットワーク構造の生成であると仮定された情報の検索は符号化時に構成されたネットワークを伝わって行われると仮定 (2) TLC (Teachable Language Comprehender) モデル (= 意味ネットワークモデル ) 知識構造とはノードがリンクによって相互に連結されたネットワークであると仮定認知的経済性を仮定した階層的ネットワークモデル (p. 11) などがある (Collins & Quillian, 1969) 2.4 連想強度の要因と特徴比較モデル (1) 連想強度の効果階層的ネットワークモデルでは同一レベルにあると仮定される概念でも概念どうしの連想強度 ( 結合頻度意味的距離 ) によって反応時間が異なることが分かった特に上位下位概念に関する連想強度の効果は ( 鳥カラス vs. 鳥ダチョウ ) 典型性 (typicality) の考え方と関連している (Rosch, 1973) (2) 特徴比較モデルネットワークモデルでは説明できない意味的距離の効果を Smith, Shoben, and Rips (1974) は特徴比較モデル (features-comparison model) により説明しているある概念はその概念の中心である定義的特徴と相対的に比重の小さい性質的特徴の 2 つで構成されているとした 2.5 活性化拡散モデル (spreading activation theory) Collins and Loftus (1975) はリンクの意味的関連度と処理過程の概念を付け加えた活性化拡散モデルを提案している (p. 14) このモデルではある概念を処理すると当該のノードからリンクを伝って近接した概念も活性化されると仮定する ( 活性化の度合いは各々のリンクの意味的関連度による ) 複数のリンクに沿った活性化の拡散の結果として複数のノードが同時に活性化されるため並列処理の枠組に含まれる 2.6 ファン効果とプライミング効果 Anderson (1983a) は長期記憶からの検索において活性化の拡散が生じている証拠として (a) ファン効果 (Ch. 4) (b) プライミング効果 (Ch. 6) の 2 つを挙げている (1) ファン効果活性化の散開による反応時間の増加を指す例えば特定の場所を述部とした複数の文を学習させて再認課題を行うと学習した文脈が多いほど反応時間が増加することが分かっている ( 限界容量特性 ) 3

4 (2) プライミング課題先行刺激が後続刺激の処理に影響を及ぼすこと (e.g., 語彙性判断課題 ) 長期記憶内で特定の概念が活性化されると関連した概念も一時的にアクセスのしやすさが高くなることを示しており活性化拡散モデルを支持する現象だと考えられる 2.7 文の符号化と検索に関するネットワークモデル活性化拡散モデルは知識の構造と検索過程に焦点を置いており符号化過程については言及していない文の記憶や理解には刺激文を解析して表象に変換する符号化過程が重要になる (1) HAM (Human Associative Memory) モデル文記憶に関する初期のシミュレーションモデル (Anderson & Bower, 1973) このモデルでは刺激文を構造化されたネットワークの表象に符号化することがその文を理解し記憶することであり生成された命題的ネットワーク表象が刺激文の記憶に相当すると仮定されている ( 推論のためのメカニズムは有していない ) (2) ACT (Adaptive Control of Thought) モデル記憶言語理解生成推論知識獲得といった高次の精神活動を扱う (Anderson, 1976) HAM モデルの機能に加え人間の問題解決過程のルール (e.g., もし A が B の条件を満たすなら C を実行せよ ) の集合に基づくプロダクションシステムが導入された ACT モデルの主要な構成要素は (a) 意味ネットワークで表現されたデータベース部 (b) プロダクションルール集合 (c) 各プロダクションルールの条件照合競合照合実行を制御するインタプリタ部の 3 つである (p. 20) ACT モデルの活性化システムではリンク強度が強いほど活性化の拡大は大きく活性化しているか否かの 2 つの状態しかとらない (3) ACT* モデル Anderson (1983a) はさらに言語獲得の側面において ACT モデルを発展させた ACT* モデルを提唱している ACT* モデルでは活性化拡散のメカニズムが改良されており活性化のパターンはネットワークを構成するノードの活性化とリンク強度から計算される漸近的活性化により形式化されている (4) LNR (Lindsay Noman Rumelhart) モデル LNR モデルにおける記憶表象は活動的手続き的ネットワークと呼ばれるこのモデルでは文の記憶表象とし表象的表象 ( 行為を示す動詞を中心にその他のノードが行為の役割関係によって結合されている ) と深層構造 ( 表象的表象の単語の意味が状況状況変化因果関係といった意味素に分解されたもの ) が仮定されている 4

5 (5) 概念併存理論 (Conceptual Dependency Theory) 文の意味を基本動詞を中心とした意味素に分解して表現することが仮定されている Anderson (1976) や Kintsch (1974) は (4) と (5) のモデルにおいて何を意味素として分解するかについての根拠がないこと分解した表象は複雑すぎて処理の負荷が大きいことから分解した表象形式に意義を唱えている本研究では意味の分解を認めない (6) Miller モデルこのモデルは符号化過程と検索過程から成り符号化時には文のネットワーク表象を逐次的に構成し情報の検索は活性化拡散によって実行される特に活性化拡散と単語レベルの局所的表象が仮定されている (Ch. 4) 2.8 並列分散処理モデルとコネクショニストモデル人間の知能が直列的に働き簡単な下位処理の積み重ねであるとする主張を批判する形で神経回路網 (neural network) に基礎を置くコネクショニズムや並列分散処理が提唱されているコネクショニストモデルでは相互に結合した多数の単純な処理ユニットのネットワークが並列的に作動すると仮定されている特定の情報処理はネットワークに活性化パターンが形成される過程として捉えられるまた知識は局所的学習規則によって更新されるユニットの集合として表される 2.9 語義的多義性の処理に及ぼす文脈の影響 (1) 初期の実験的研究言語理解過程において文脈がどのように語彙処理に影響を及ぼすかを明らかにするため多義語に関してプライミングを用いて検証している (2) モジュール説と相互作用説多義性の解消過程の初期段階において複数の語義が活性化されているという状態がトップダウン処理からは説明することができないこの問題を解決するため Foder (1983) のモジュール説では多義性の判断はあらゆる情報を参照した処理を行う前にかなりの処理がボトムアップ的に行われるとされた相互作用説は以下で説明する文脈併存的アクセスに対応する (3) Simpson (1984) によるモデルの分類 Simpson (1984) は多義性の処理に関するモデルを以下の 3 つに分類している a) 文脈独立アクセス : 文脈の有無によらず処理の初期段階では多義語のすべての意味が活性化され処理の進行とともに不適切な意味が抑制される b) 文脈併存アクセス : 処理の初期段階から多義語の意味が文脈によって強く制限される c) 序列的アクセス : 多義語の意味どうしの連想強度は同じものではなく序列がある以上のモデルは系列的な処理を仮定しているため本研究では次に説明する相互活性モ 5

6 デルと超並列統語解析モデルを扱う 2.10 言語処理に関する局所的コネクショニストモデル (1) 相互活性化モデル (interactive activation model) このモデルは大局的には特徴レベル文字レベル単語レベルという 3 層から成る階層的ネットワークである (p. 30) 各レベルは相互に結合された多数の処理ユニットの集合から構成されているモデルの特徴としてボトムアップトップダウン両方の交互作用をもとに処理が進行することを仮定している (p. 31) さらに McClelland (1987) は言語処理を説明するために統語レベル語義レベル意味レベルの 3 つを加えたモデルを提唱している (p. 32) 相互活性化モデルを取り入れた Kintsch (1977) のモデルでは (p. 34) 既存の知識と input との相互作用が不可欠であることを示しているしかしこのモデルも基本的には系列処理であるため情報が相互に影響を及ぼしながら処理が進行する様相を説明できない (2) 超並列統語解析モデルこのモデルは文の多様性文理解の誤り文法的に誤った文の解釈といった問題を取り扱うため複数の処理要素が相互に影響を及ぼしながら並列的に処理を進めるシステムを提案している (p. 36, Ch. 6) 第 3 章概念と方法 3.1 本研究のモデル 3.2 コンピュータシミュレーションの意義 3.3 実験方法 (1) 実験パラダイム本研究では協力者が文を読み終わった時点での情報の保持を調べる記憶測定法 (recognition task) と文を読む際の即時的な処理について検討する活性化測定法 (verification task) を扱う再認課題を用いることで言語理解の根底にある記憶表象について検証する (Ch.4) 活性化測定法として選択的注意課題 (SAT) とプライミング課題を用いて言語理解のオンラインの側面を検証する (Ch. 5) (2) 独立変数 (3) 測度 3.4 単語記憶に関する実験的研究 1 符号化処理の要因 : 実験 3-1 処理水準説では (a) input の符号化が深く意味的であるほど強い記憶痕跡が生じ (b) 非意味的符号化より意味的符号化の方が有効であると仮定される今までは方向付け課題を用いて処理水準説を検証してきたが符号化される属性を完全に統制しているわけではない ( 非意味的な符号化を促そうとしても意味的な符号化が起 6

7 こってしまう ) また従来の研究では注意の統制が比較的軽視されてきた本研究では認知資源の配分を統制できる実験方法 (i.e., SAT: ここでは追唱課題 ) を用いることで偶発的学習をコントロールするさらに処理水準と認知資源の関係を認知資源の消費量を測定する 2 重課題 (dual task) を用いる 1-1 実験 < 目的 > Johnston and Heinz (1979) では追唱課題を用いることで意味的な符号化をさせた場合に非目標語の再生率が有意に高くなることを示した実験では視覚的 SAT による Johnston & Heinz (1979) の追試を行う符号化条件は (a) 構造条件 ( 片仮名と平仮名の違い ) (b) 意味条件 ( 単語のカテゴリーの違い ) を設定した (Craik & Tulving, 1975) 2 次課題として信号音検出に取り組ませ SAT に消費された認知資源量を測定した ( 反応時間が遅れるほど主課題に認知資源を割いていたことになる ) 処理水準仮説によれば目標語非目標語のどちらでも意味条件で学習した方がリコールの成績が高いと予測される Johnston and Heinz (1978, 1979) に従えば 2 次課題の反応時間に反映される認知資源の消費量は意味条件の方が大きいと予測される < 方法 > 協力者 : 大学生 20 名で構造条件意味条件にランダムで 10 名ずつ割り当てた (1) 構造条件 : ペアで提示される片仮名と平仮名表記の単語のうち片仮名の単語を読み上げるように求めた (2) 意味条件 : ペアで提示される単語のうち指定した 4 カテゴリーに属する方を選択して読み上げるよう求めたマテリアル手順 SAT には国立国語研究所 (1964) の分類語彙表を参考に属するカテゴリーが明確で文字数が 3-4 の名詞を計 56 語選定した (12 カテゴリー ) 目標語は 8 語 (4 カテゴリー 2 語 ) でランダムに 8 回提示非目標語は 32 語 (4 カテゴリー 8 語 ) でランダムに 2 回提示した (1) 非選択試行 : 構造条件意味条件とも目標語のみを提示 ( 認知資源を割く必要がない ) (2) 選択試行 : 目標語と非目標語をペアで提示カテゴリー 1 文字ずつ順に表示していく目標語家具ほんばこ非目標語花ヒマワリタスクの遂行中にランダムに信号音が鳴る手順 : 協力者には視覚的 SAT と聴覚的な反応時間課題の同時遂行を検証する実験であると伝え偶発的学習の条件を整えた 7

8 追唱は単語をひとまとまりとして正確に発音し信号音に対しては素早く反応ボタンを押すよう指示した (SAT が主目的で反応時間課題は副次的なものだと強調した ) < 結果 > 追唱の誤り Johnston and Heinz (1979) に基づいて (a) 脱落ミス ( 目標語を追唱できなかった場合 ) (b) 侵入ミス ( 非目標語を追唱した場合 ) について分析した非選択式脱落ミス侵入ミス選択式脱落ミス侵入ミス構造条件 0.40% 0.00% 構造条件 0.40% 0.00% 意味条件 0.20% 0.00% 意味条件 34.20% 1.00% 非選択試行の場合脱落ミス侵入ミス共に有意差は無かった選択試行の場合脱落ミスは意味条件 > 構造条件だった目標語非目標語の再生率 (p. 51) 選択試行において意味条件の場合に目標語非目標語の再生率が有意に高かった 2 次課題の反応時間 (p. 51) 非選択試行では条件間で反応時間に有意差は見られなかった選択試行では反応時間は意味条件 > 構造条件だった < 考察 > 処理水準が深い意味条件の方が単語の再生率が有意に高く 2 次課題の反応時間も長かったことから当初の予測の全てが支持された必要最小限の認知資源しか配分されない非目標語の再生率の差は符号化時におけるカテゴリー判断の有効性を反映しており処理水準説を支持すると言えるしかし (a) 意味条件と構造条件との間で追唱のミスに差があったことから課題の困難度が影響を与えているかもしれないこと (b) 教示されたカテゴリーが再生の際の手掛かりとなったかもしれないことが問題点として挙げられる 1-2 実験 < 目的 > 実験の問題点を解消するため以下の点を改変した (1) 再生時の手掛かりを統制するため符号化条件を (a) 感覚条件 (b) 意味条件 (c) 重複条件の 3 種にした (p. 53) (2) 困難度を解消するため単語全体を一度に提示した感覚条件では単語の文字の色が手掛かりとなる (Willows & MacKinnon, 1973) 意味条件では単語のカテゴリーが手掛かりとなる重複条件では単語の色とカテゴリーの両方が手掛かりとなる < 方法 > 協力者 : 大学生 48 名を感覚条件意味条件重複条件にランダムに割り当てたマテリアル : 8

9 小川 (1972) によるカテゴリー表を参考に文字数が 3-4 の名詞 150 語を選定したどの目標語非目標語も 1 度だけ提示された鳥の名前目標語フクロウ非目標語ブラウスタスクの遂行中にランダムに信号音が鳴る手順 : 手順は実験とほぼ同じ再認課題としてどの条件でも 5 種類のカテゴリーを提示しカテゴリーごとに目標語非目標語錯乱肢を 10 単語ずつ並べた再認用紙を配布した < 結果 > 追唱の誤り選択試行において侵入ミスの割合が意味条件 (0.25%) > 感覚条件 (0.13%) = 重複条件 (0.17%) でありその他に有意差はなかった目標語非目標語の再認率 (p. 56) 誤再認の率が各条件で違うので信号検出理論 (Swets, 1964) に基づき正再認の記憶痕跡の強さを signal ( 刺激項目 ) の正規分布の平均と noise ( 錯乱肢 ) の正規分布の平均の差によって標準化された d 値を算出した (p. 57) 目標語の再認については意味条件 > 重複条件感覚条件だった非目標語の再認については意味条件 > 重複条件 = 感覚条件だった 2 次課題の反応時間 (p. 57) 条件間に有意な主効果は見られなかった < 考察 > 実験では各条件間でミスの割合にそれほど差がなかったため困難度は大きく異ならなかったと考えられる課題の困難度を統制した場合に 2 次課題の反応時間に有意差が見られなかったことから処理水準と認知資源の消費量が比例関係にあるという考えは支持されなかった単語の保持率については処理水準説を支持する結果となった重複条件で保持率が良くなかったのは色だけが再認の手掛かりとなる場合もあるからだと考えられる 2 連想強度の要因 : 実験 3-2 < 目的 > 意味的方向付け課題の 1 種であるイメージ価判定課題を用いた偶発学習の結果連想価表から選んだ類義動詞が知識構造内で干渉し合うことを確認する活性化拡散モデルによればイメージ価判定課題によって長期記憶内のネットワーク内で符号化処理された動詞から設定した類義動詞へと活性化が拡大するそのため類義動詞の誤再認は 0 よりも有意に高く受けた活性化が間接的であるため類義動詞を誤再認した場合はその確信度が低く反応時間も長いと予測される 9

10 < 方法 > 協力者 32 名を 2 群に分けたマテリアル : 3 音節動詞の連想価表 ( 賀集久保, 1954) から類義動詞を 36 ペア選定したペアの片方を第 1 系列としもう片方を第 2 系列にした手順 : 偶発学習の方向付け課題としてイメージ価判定課題をおこなった提示した単語を読ませてその単語からイメージや情報が浮かびやすいか否かを判定させた ( 古城, 1979) 干渉課題を行った後再認課題として画面に提示された単語がイメージ価判定課題に出ていたかどうかを判断させた ( 再認の確信度も同時に判断させた ) 再認課題後にイメージ価判定課題で単語を覚えようとしていたかどうかのアンケートを行い偶発的語彙学習が行われていたことを確認した < 結果 (p. 62)> イエス反応 : 正再認率 > 誤再認率ノー反応 : 正再認率 ( 正棄却率 ) > 誤再認率 ( ミス率 ) 類義動詞の誤再認率が 0 という帰無仮説は棄却された反応時間はイエス反応で正再認 < 誤再認ノー反応でも正再認 < 誤再認だった確信度については正再認 > 誤再認だった < 考察 > 誤再認率が 0 よりも有意に高く誤再認をした方が正再認をしたときよりも確信度が低かったしたがって類義動詞のペアがイメージ価判定課題による偶発学習において活性化していたことを示している 10

偶発学習及び意図学習の自由再生に及ぼすBGM文脈依存効果

偶発学習及び意図学習の自由再生に及ぼすBGM文脈依存効果漁田俊子 ( 静岡県立大学 ) 漁田武雄林部敬吉 ( 静岡大学 ) 符号化対象となる焦点情報とともに存在する偶発的環境情報をいう ( 例 : 場所背景色 BGM 匂い声 ) 符号化時に存在した環境的文脈が想起の際に存在する場合に存在しない場合よりもよりよく想起できる現象を環境的文脈依存効果と呼ぶ環境的文脈依存効果符号化対象となる焦点情報が焦点情報の背景として存在する環境情報とともに符号化されること