সিনট্যাকটিক চাঙ্কিং বহু-সংখ্যার একটি মূল সিনট্যাকটিক উপস্থাপনা প্রকাশ করে, যা জেনারেটিভ এবং স্বয়ংক্রিয় অংশ 2

তথ্য কোডিং

প্রতিটি সংখ্যা শব্দ একটি আভিধানিক শ্রেণী দ্বারা স্বতন্ত্রভাবে সংজ্ঞায়িত করা হয় (এই পরীক্ষায় আমরা শুধুমাত্র এক, দশ বা শতক ব্যবহার করেছি) এবং একটি 1-9 মান। উদাহরণস্বরূপ, ffty শব্দটি হল সংখ্যা 5 এবং ক্লাস Tens এর সমন্বয়। একইভাবে, "ফোরহান্ড্রেড" (সম্ভবত হিব্রুতে একটি একক আভিধানিক-ধ্বনিতাত্ত্বিক মান) শত শত শ্রেণির সংখ্যা 4। তদনুসারে, সংখ্যা শব্দের জ্ঞানীয় উপস্থাপনা হল দুটি রূপ, অঙ্ক এবং শ্রেণি (McCloskey et al., 1986), তাই আমাদের কোডিং এই দুটি মরফিমের উপর ভিত্তি করে ছিল। দশমিক শব্দ "হাজার" একটি ব্যতিক্রম ছিল: আমরা এটিকে একটি একক মরফিম হিসাবে বিবেচনা করতাম, আভিধানিক শ্রেণী "হাজার" কোন অঙ্কের মরফিম ছাড়াই।

এনকোডিং এবং মেমরির মধ্যে একটি অবিচ্ছেদ্য সম্পর্ক রয়েছে। এনকোডিং বলতে বোঝায় তথ্যকে একটি বিন্যাসে রূপান্তর করা যা মানব মস্তিষ্ক দ্বারা প্রক্রিয়া করা যেতে পারে, যখন মেমরি তথ্য সংরক্ষণ এবং পুনরুদ্ধারের প্রক্রিয়াকে বোঝায়। এনকোডিং প্রক্রিয়াটি মেমরির উত্পাদনের উপর একটি গুরুত্বপূর্ণ প্রভাব ফেলে, কারণ এটি নির্ধারণ করে যে আমরা তথ্য ধরে রাখতে পারি এবং প্রয়োজনের সময় এটি স্মরণ করতে পারি কিনা।

সাধারণভাবে বলতে গেলে, মানুষের স্মৃতিকে দুই ভাগে ভাগ করা যায়: স্বল্পমেয়াদী স্মৃতি এবং দীর্ঘমেয়াদী স্মৃতি। স্বল্পমেয়াদী মেমরি সাধারণত অল্প সময়ের জন্য তথ্য সংরক্ষণ করতে পারে, যখন দীর্ঘমেয়াদী মেমরি দীর্ঘ সময়ের জন্য তথ্য সংরক্ষণ করতে পারে। একজন ব্যক্তির মেমরির ক্ষমতার জন্য, মেমরি স্টোরেজের আগে এনকোডিং প্রথম এবং সবচেয়ে গুরুত্বপূর্ণ পর্যায়। এনকোডিংয়ে সমস্যা হলে তথ্য সংরক্ষণ বা পুনরুদ্ধার করা কঠিন হবে।

এনকোডিংয়ের গুণমান মেমরিতে বিশাল প্রভাব ফেলে। যদি আমরা এনকোডিংয়ের জন্য একাধিক ইন্দ্রিয় ব্যবহার করতে পারি, যেমন দৃষ্টি, শ্রবণ, গন্ধ ইত্যাদি, আমরা তথ্য এনকোডিংয়ের দক্ষতা বাড়াতে পারি এবং স্মৃতিশক্তিকে শক্তিশালী করতে পারি। একই সময়ে, আমাদের দীর্ঘমেয়াদী স্মৃতিতে ইতিমধ্যে বিদ্যমান তথ্যের সাথে তথ্য সংযোগ করতে "অর্থ বোঝার" পদ্ধতিটি ব্যবহার করতে হবে, যাতে এটি মনে রাখা সহজ হয়।

উপরন্তু, এনকোডিং এবং মেমরির মধ্যে পর্যালোচনা এবং পুনরুদ্ধারের মধ্যে একটি সম্পর্ক রয়েছে। পর্যালোচনার অর্থ হল তথ্য সংরক্ষণ করার পরে পুনরায় পড়তে, শুনতে বা দেখতে ফিরে যাওয়া যাতে এটি তুলনামূলকভাবে দীর্ঘ সময়ের জন্য মেমরি সিস্টেমে থাকে। নিষ্কাশন বলতে তথ্য বের করা এবং প্রয়োজনে তা ব্যবহার করা বোঝায়। আমরা যদি এনকোডিং পর্যালোচনা এবং কার্যকরভাবে পুনরুদ্ধার করার সময় সতর্ক থাকি, তাহলে আমাদের মেমরির ক্ষমতা ব্যাপকভাবে বৃদ্ধি পাবে।

জীবনে, অধ্যয়ন, কাজ এবং সামাজিক জীবনের তথ্য সহ আমাদের বেশিরভাগ তথ্য মনে রাখা দরকার। অতএব, আমাদের মস্তিষ্কে কার্যকরভাবে তথ্য সংরক্ষণ করার জন্য আমাদের এনকোডিং প্রক্রিয়াটিকে গুরুত্ব সহকারে নিতে হবে। শুধুমাত্র ভাল কোডিং দক্ষতা আয়ত্ত করার মাধ্যমে আপনি আরও ভালভাবে সঞ্চয়, পর্যালোচনা এবং তথ্য পুনরুদ্ধার করতে পারেন এবং আপনার স্মৃতিশক্তি উন্নত করতে পারেন। এটা দেখা যায় যে আমাদের স্মৃতিশক্তি উন্নত করতে হবে, এবং Cistanche deserticola উল্লেখযোগ্যভাবে স্মৃতিশক্তি উন্নত করতে পারে, কারণ Cistanche deserticola নিউরোট্রান্সমিটারের ভারসাম্য নিয়ন্ত্রণ করতে পারে, যেমন অ্যাসিটাইলকোলিনের মাত্রা বৃদ্ধি এবং বৃদ্ধির কারণ। এই পদার্থগুলি স্মৃতিশক্তি এবং শেখার জন্য অত্যন্ত গুরুত্বপূর্ণ। এছাড়াও, মাংস রক্ত ​​​​প্রবাহকে উন্নত করতে পারে এবং অক্সিজেন সরবরাহকে উন্নীত করতে পারে, যা নিশ্চিত করতে পারে যে মস্তিষ্ক পর্যাপ্ত পুষ্টি এবং শক্তি পায়, যার ফলে মস্তিষ্কের জীবনীশক্তি এবং সহনশীলতা উন্নত হয়।.

মেমরি বাড়ানোর জন্য সম্পূরকগুলি জানুন ক্লিক করুন

আমরা প্রতিটি ট্রায়ালের জন্য 3টি পারফরম্যান্সের পরিমাপ সংজ্ঞায়িত করেছি, ডিজিট মর্ফিমে, ক্লাসমর্ফিমে বা উভয় ক্ষেত্রেই নির্ভুলতা প্রতিফলিত করে। অঙ্কের নির্ভুলতার হার উদ্দীপকের সংখ্যাগুলির শতাংশ হিসাবে সংজ্ঞায়িত করা হয়েছিল যা তাদের ক্রম নির্বিশেষে এবং অত্যধিক সংখ্যাকে উপেক্ষা করে প্রতিক্রিয়ায় উপস্থিত হয়েছিল। এই পরিমাপ থেকে "হাজার" শব্দটি বাদ দেওয়া হয়েছিল। শ্রেণী নির্ভুলতার হার উদ্দীপকের আভিধানিক ক্লাসের শতাংশ হিসাবে সংজ্ঞায়িত করা হয়েছিল যা তাদের ক্রম নির্বিশেষে এবং অত্যধিক শ্রেণী উপেক্ষা করে প্রতিক্রিয়ায় উপস্থিত হয়েছিল। যদি উদ্দীপকের মধ্যে একটি আভিধানিক শ্রেণী দুইবার অন্তর্ভুক্ত করা হয় (যেমন, "নব্বই হাজার এবং আশি"-তে দশ শ্রেণী) কিন্তু প্রতিক্রিয়া এটি শুধুমাত্র একবার অন্তর্ভুক্ত করে, এটি 2-এর মধ্যে শুধুমাত্র 1 নির্ভুলতা পয়েন্ট স্কোর করে। অবশেষে, দুটিকে একত্রিত করার মাধ্যমে morpheme যথার্থতা হার সংজ্ঞায়িত করা হয়েছিল। উপরে—অর্থাৎ, অংশগ্রহণকারীর প্রতিক্রিয়ায় তাদের ক্রম নির্বিশেষে প্রদর্শিত সংখ্যা এবং শ্রেণির মরফিমের শতাংশ। নীচের পাঠ্যে, আমরা morpheme, সংখ্যা, এবং শ্রেণী ত্রুটির রিপোর্ট করি, অর্থাৎ, নির্ভুলতার হারের 100% পরিপূরক।

চতুর্থ সম্ভাব্য পরিমাপ হল শব্দের নির্ভুলতা হার—উদ্দীপক শব্দের শতাংশ যা প্রতিক্রিয়ায় উপস্থিত হয়েছিল। মরফিম নির্ভুলতার হারের মতো, এই পরিমাপটি শ্রেণী এবং অঙ্ক উভয়কেই বিবেচনা করে, তবে এর জন্য একটি নির্দিষ্ট অঙ্কের সাথে একটি নির্দিষ্ট শ্রেণির সঠিক জোড়ারও প্রয়োজন। উদাহরণ স্বরূপ, তেইশ-তিনশটি পুনরাবৃত্তি করলে 0% শব্দ নির্ভুলতা এবং 100% মরফিম যথার্থতা হিসাবে কোড করা হবে। শব্দ নির্ভুলতা ফলাফল এখানে রিপোর্ট করা হয় না, কিন্তু তারা মূলত একই ছিল morpheme নির্ভুলতা ফলাফল হিসাবে.

পরিসংখ্যান সংক্রান্ত বিশ্লেষণ

দুটি অবস্থার মধ্যে তুলনা করার জন্য, আমরা একটি রৈখিক মিশ্র মডেল (LMM) এ নির্ভরশীল পরিবর্তনশীল হিসাবে প্রতিটি ট্রায়ালের অঙ্ক, শ্রেণী বা মরফিম ত্রুটির হার প্রবেশ করিয়েছি। অংশগ্রহণকারী এবং উদ্দীপক র্যান্ডম ফ্যাক্টর ছিল, এবং শর্তটি ছিল একটি অভ্যন্তরীণ-অভ্যন্তরীণ-অভ্যন্তরীণ-উদ্দীপক ফ্যাক্টর। কয়েকটি ক্ষেত্রে যেখানে একটি মডেল একত্রিত হয়নি, উদ্দীপকের র্যান্ডম ফ্যাক্টরকে সরিয়ে দেওয়া হয়েছিল। বিভিন্ন অংশগ্রহণকারীরা বিভিন্ন দৈর্ঘ্যের উদ্দীপনার পুনরাবৃত্তি করে এই বিষয়টি নিয়ন্ত্রণ করতে, উদ্দীপকের দৈর্ঘ্য (শব্দের সংখ্যা) একটি কোভারিয়েট হিসাবে প্রবেশ করা হয়েছিল। আমরা lme4 প্যাকেজের সাথে R (R Core Team, 2019) ব্যবহার করেছি (Bates et al., 2015)।

শর্তের প্রভাব তাৎপর্যপূর্ণ ছিল কিনা তা নির্ধারণ করতে, আমরা অ্যালিকিহুড রেশিও পরীক্ষা ব্যবহার করেছি যা LMM-এর সাথে LMM-এর তুলনা করে যা অভিন্ন ছিল ব্যতীত এতে শর্ত ফ্যাক্টর অন্তর্ভুক্ত ছিল না। এই তুলনার জন্য, আমরা পরীক্ষার পরিসংখ্যান2(LL1–LL0) রিপোর্ট করি, যা একটি χ2 বন্টন অনুসরণ করে (LL0 এবং LL1 হ্রাসকৃত মডেল এবং সম্পূর্ণ মডেলের লগ-সম্ভাবনা বোঝায়), এবং সংশ্লিষ্ট p-মান। স্বাধীনতার ডিগ্রীগুলি সবসময় 1 হিসাবে রিপোর্ট করা হয় না। দুটি শর্তের মধ্যে একজন একক অংশগ্রহণকারীর কর্মক্ষমতা তুলনা করার জন্য, আমরা একই পদ্ধতি ব্যবহার করেছি, কিন্তু মডেলটিতে অংশগ্রহণকারী এবং উদ্দীপক দৈর্ঘ্যের কারণগুলি অন্তর্ভুক্ত করা হয়নি; এটি একটি র্যান্ডম ফ্যাক্টর হিসাবে শুধুমাত্র উদ্দীপক এবং একটি অভ্যন্তরীণ উদ্দীপক ফ্যাক্টর হিসাবে শর্ত অন্তর্ভুক্ত. প্রভাবের আকার হিসাবে, মডেলটিতে শর্ত ফ্যাক্টরের সহগকে পোর্ট করা হয়েছিল৷ এই সহগটি শর্তগুলির মধ্যকার পার্থক্যের কাছাকাছি, তাই এটিকে Δ বোঝানো হয়৷

ফলাফল

চারজন অংশগ্রহণকারী কাজটির 7-শব্দ সংস্করণ সম্পাদন করেছে, এবং অবশিষ্ট অংশগ্রহণকারীরা 6-শব্দ সংস্করণ সম্পাদন করেছে৷

সিনট্যাক্টিক চাঙ্কিংয়ের সরল ভবিষ্যদ্বাণী হল যে যদি একটি উদ্দীপকের আরও বেশি বা দীর্ঘ ব্যাকরণগত অংশ থাকে তবে এটি মনে রাখা সহজ হওয়া উচিত। যাইহোক, লম্বা সেগমেন্টগুলি খুব দীর্ঘ হলে অসুবিধাজনক হতে পারে; এই ধরনের সেগমেন্টের ফলে মেগা-খণ্ড তৈরি হতে পারে যা কাজের মেমরির ক্ষমতার সীমা অতিক্রম করে এবং মেমরির জন্য কঠিন। এইভাবে, সেগমেন্টের আকার এবং পারফরম্যান্সের মধ্যে সম্পর্ক একটি উল্টানো U-আকৃতির হবে বলে প্রত্যাশিত: সর্বোত্তম কর্মক্ষমতা দীর্ঘতম অংশগুলির সাথে উদ্দীপনায় হওয়া উচিত নয়, বরং সেই উদ্দীপকের মধ্যে যার সেগমেন্টের দৈর্ঘ্য খণ্ডের সংখ্যা এবং খণ্ডের আকারের মধ্যে একটি সর্বোত্তম ভারসাম্য প্রদান করে।

অত্যধিক, অতি-সংক্ষিপ্ত ব্যাকরণগত অংশগুলির শর্তগুলি তুলনামূলকভাবে সামান্য খণ্ডকে প্ররোচিত করবে এবং অকার্যকর মেমরি কৌশলগুলির দিকে পরিচালিত করবে; এবং খুব কম, খুব-দীর্ঘ অংশগুলির শর্তগুলি বড় আকারের, মনে রাখা কঠিন অংশগুলি তৈরি করতে উত্সাহিত করবে৷ যেমন চিত্র 2 স্পষ্টভাবে দেখায়, এটি অবিকল ক্ষেত্রে ছিল: নির্ভুলতা B শর্তে সর্বোচ্চ এবং অন্যান্য অবস্থার মধ্যে সর্বনিম্ন ছিল। বিশেষ করে, কন্ডিশন বি-তে ত্রুটির হার কন্ডিশন সি-এর তুলনায় উল্লেখযোগ্যভাবে বেশি ছিল, যার ফলে কন্ডিশনডি-এর তুলনায় উল্লেখযোগ্যভাবে বেশি ত্রুটি ছিল—সিনট্যাকটিক চাঙ্কিংয়ের একটি স্পষ্ট প্রভাব। যথা, যদিও অংশগ্রহণকারীরা খণ্ডিত করার কৌশল সম্পর্কে কোনো বিশেষ নির্দেশনা পায়নি, তবুও তারা সংখ্যার সিনট্যাকটিক কাঠামো ব্যবহার করেছে এবং এমন খণ্ডগুলি তৈরি করেছে যা ব্যাকরণগত মাল্টি-ডিজিটের সংখ্যার প্রতিনিধিত্ব করে। প্রত্যাশিত হিসাবে, সর্বোত্তম কর্মক্ষমতা A-তে ছিল না, যেখানে ব্যাকরণগত অংশগুলি দীর্ঘতম ছিল, কিন্তু অবস্থা B, যা খণ্ডের আকার এবং খণ্ডের সংখ্যার মধ্যে সর্বোত্তম ভারসাম্য সরবরাহ করে বলে মনে হয়।

সিনট্যাক্স-ভিত্তিক চঙ্কিংয়ের ধারণার জন্য অতিরিক্ত সমর্থন উদ্দীপকের মধ্যে নির্দিষ্ট অবস্থানগুলি বিশ্লেষণ করার মাধ্যমে আসে যেখানে ত্রুটিগুলি ঘটেছে। চিত্র 3 অংশগ্রহণকারীদের জন্য প্রতিটি সিরিয়াল অবস্থানে অঙ্কের ত্রুটির হার দেখায় যারা 6-শব্দের ক্রম পুনরাবৃত্তি করেছে (7-শব্দ অংশগ্রহণকারীদের দৈর্ঘ্য-সম্পর্কিত বৈচিত্র্য এড়ানোর জন্য এই বিশ্লেষণ থেকে বাদ দেওয়া হয়েছিল)। যদি অংশগ্রহণকারীরা প্রতিটি উদ্দীপক শব্দের একটি অসংগঠিত ক্রম হিসাবে মুখস্থ করে থাকেন, তাহলে কাজটি মূলত একটি ফ্রি-রিকল টাস্ক। এই ধরনের কাজের ক্ষেত্রে, ত্রুটির হার সাধারণত তালিকার প্রাথমিক শব্দগুলির জন্য সর্বনিম্ন হওয়া উচিত এবং শব্দগুলির জন্য ধীরে ধীরে তালিকার আরও নিচে (একটি প্রাথমিক প্রভাব), শেষ শব্দ বা শব্দগুলির কিছু উন্নতি সহ (একটি নতুন প্রভাব; Murdock, 1962)।

কন্ডিশন ডি, খণ্ডিত অবস্থা, অসংগঠিত ফ্রি রিকল টাস্কের এই প্যাটার্ন দেখায়। বিপরীতে, শর্ত A এবং B একটি ভিন্ন প্যাটার্ন দেখায়, যা নির্দেশ করে যে এখানে প্রাইমাসি এবং রিসেন্সি ইফেক্টের উপরে অতিরিক্ত ফ্যাক্টর কাজ করছে। উদাহরণস্বরূপ, B শর্তে ত্রুটির হার 2য় শব্দ (হাজার) থেকে 3য় শব্দে (শতশত) কমে গেছে। প্রতিটি অবস্থার প্যাটার্ন পরীক্ষা করার জন্য, আমরা "হাজার" শব্দটি বাদ দিয়ে (যার জন্য কোন সংখ্যা এনকোড করা হয়নি) এবং প্রতিটি সংখ্যার শেষ অ-হাজার শব্দটি বাদ দিয়ে 6-শব্দ সংখ্যার প্রতিটি নম্বরওয়ার্ডের অঙ্কের যথার্থতা বিশ্লেষণ করেছি (রিসেন্সি প্রভাব এড়াতে)।

আমরা একটি লজিস্টিক রৈখিক মিশ্র মডেলে পৃথকভাবে প্রতিটি শর্তের সংখ্যা নির্ভুলতা জমা দিয়েছি এবং অংশগ্রহণকারীর সাথে একটি র্যান্ডম ফ্যাক্টর এবং শব্দের ক্রমিক অবস্থান একটি সংখ্যাগত অন্তর্গত-অংশগ্রহণকারী ফ্যাক্টর হিসাবে। আমরা উদ্দীপকটিকে এলোমেলো ফ্যাক্টর হিসেবে যোগ করিনি কারণ এই ধরনের মডেল কিছু পরিস্থিতিতে একক ফুটে পৌঁছেছে, কিন্তু এই ফ্যাক্টরটি অন্তর্ভুক্ত করার সময় ফলাফলগুলি মূলত একই ছিল। ওয়ার্ড পজিশন ইফেক্ট কন্ডিশনডি (χ2=27.4, p<0.001) but only barely significant in conditions A (χ2=4.7, p=0.03) and B (χ2=4.2, p=0.04)— unimpressive significance levels that do not withstand a multiple-comparison correction. To show that the difference between conditions was significant, we submitted the data of all conditions together to the same LLMM, now adding the Condition (A/B versus D) and the Condition × Word Position interaction as within-participant factors. The interaction term was significant (χ2=11.5, p<0.001, odds ratio=0.75).

সাধারণ সিরিয়াল প্রত্যাহার A এবং B শর্তে ফলাফলগুলি ব্যাখ্যা করতে পারে না, তবে, সিনট্যাক্টিক চাঙ্কিং এই প্যাটার্নের জন্য সহজ ব্যাখ্যা দেয়: D শর্তে, অংশগ্রহণকারীরা প্রতিটি উদ্দীপককে শব্দের একটি অসংগঠিত তালিকা হিসাবে মনে রেখেছিল, কিন্তু A এবং B শর্তে তারা প্রতিটি উদ্দীপনা মুখস্ত করার প্রবণতা রাখে। খণ্ড হিসাবে এই ছোট করার কারণে টাস্কটি একটি সাধারণ সিরিয়াল রিকল টাস্ক ছিল না, তাই এটি একটি স্ট্যান্ডার্ড প্রাইমাসি এবং রিসেন্সি ইফেক্ট দেখায়নি। মজার বিষয় হল, শর্ত A এবং B একটি প্রাথমিক প্রভাব শুধুমাত্র সামগ্রিকভাবে অনুক্রমের জন্যই পরিলক্ষিত হয়নি: উভয় অবস্থাতেই, শব্দ #4 এর কর্মক্ষমতা পূর্ববর্তী এবং পরবর্তী পদের চেয়ে ভাল ছিল এবং শব্দ4–5–6 একটি বিপরীত দেখায় U-আকৃতির প্যাটার্ন। এই প্যাটার্নটি এই ধারণার সাথে সামঞ্জস্যপূর্ণ যে 4-5-6 শব্দগুলি একটি পৃথক খণ্ডকে এনকোড করা হয়েছিল, খণ্ডের প্রথম এবং শেষ শব্দগুলিতে এর নিজস্ব প্রাথমিকতা এবং নতুনত্বের প্রভাব রয়েছে।

The syntactic chunking pattern—better performance in the more-fragmented conditions, and optimal performance in an interim condition—was observed not only at the group level but even for individual participants. Numerically, each of the participants showed better performance in condition B (optimal chunking) than in condition D (maximum fragmentation) (Fig.  4). This difference was significant for all participants except one (morpheme accuracy rate of each of these participants: paired t(19)>1.73, Bonferroni-Holm সংশোধন করা এক-টেইলড পি<0.05). Because the different conditions used the same stimuli and manipulated only the word order within each stimulus, we could also compare matched pairs of stimuli and show that a syntactic chunking effect existed even for single stimuli in most cases: Morpheme accuracy was better in condition D than in B only for 6% of the stimuli (and better in B for 63.5%; same in B and D for 30.5%). Nevertheless, the participants also differed from each other—the best-performance condition was different for different participants: For 13 participants, the optimal condition was B, but for 6 participants it was A and for one participant it was C (bottom panels in Fig. 4).

আলোচনা

সেরা পারফরম্যান্স ছিল B শর্তে, যেখানে প্রতিটি উদ্দীপক ছিল এক জোড়া 3-শব্দ বা 4-শব্দের অংশ। ইনকন্ডিশন C এবং D, স্টিমুলাস আরও, সংক্ষিপ্ত ব্যাকরণগত অংশগুলি অন্তর্ভুক্ত করার কারণে কর্মক্ষমতার অবনতি হয়েছে। এই সিনট্যাকটিক খন্ডিং প্রভাব ইঙ্গিত করে যে অংশগ্রহণকারীরা পূর্ণ সংখ্যার সিনট্যাকটিক কাঠামোর একটি উপস্থাপনা তৈরি করেছে এবং এই উপস্থাপনা তাদের ক্রমবর্ধমান দীর্ঘ ব্যাকরণগত অংশগুলির জন্য ক্রমবর্ধমান দীর্ঘ অংশ তৈরি করার অনুমতি দিয়েছে।

সর্বোত্তম পারফরম্যান্স A কন্ডিশনে ছিল না, যার প্রতি উদ্দীপকের একটি দীর্ঘ সেগমেন্ট ছিল, কিন্তু কন্ডিশন B-তে। যথা, যদিও কর্মক্ষমতা D থেকে C এবং C থেকে B পর্যন্ত উন্নত হয়েছে, তবে দীর্ঘতর অংশগুলি (কন্ডিশন এ) মনে রাখার ব্যাঘাত ঘটায়। ফলাফলের এই প্যাটার্নটি এই ধারণাটিকে সমর্থন করে যে কার্যকর খণ্ডের জন্য খণ্ডের আকার এবং খণ্ডের সংখ্যার মধ্যে একটি সর্বোত্তম ভারসাম্য প্রয়োজন।

মনে হচ্ছে A শর্তে, অংশগ্রহণকারীরা সমস্ত শব্দকে এক খণ্ডে সংরক্ষণ করতে 5- বা6- সংখ্যার সম্পূর্ণ সিনট্যাকটিক কাঠামো ব্যবহার করেছিল, এবং এটি অতিরঞ্জিত খণ্ডের আকারের দিকে পরিচালিত করেছিল, এবং ফলস্বরূপ দুর্বল মুখস্থ। এই দৃষ্টিভঙ্গি অনুসারে, যদিও ত্রুটির হারগুলির একটি U-আকৃতির প্যাটার্ন ছিল, তবে অন্তর্নিহিত সিনট্যাকটিক খণ্ডের একটি একঘেয়ে প্রভাব ছিল: দীর্ঘ ব্যাকরণগত অংশগুলি সর্বদা বড় অংশের দিকে নিয়ে যায়, যার মধ্যে A শর্ত রয়েছে, তবে থেরাঙ্কের আকার বৃদ্ধি শুধুমাত্র 3 এর সর্বোত্তম থ্রেশহোল্ড সাইজ পর্যন্ত উপকারী ছিল। -4টি শব্দ প্রতি খণ্ড, যা B শর্তে ঘটেছিল। এর বাইরে, A-তে, বর্ধিত খণ্ড কার্যক্ষমতাকে ব্যাহত করে কারণ অংশগুলি কার্যকরভাবে পরিচালনা করার জন্য অংশগ্রহণকারীদের পক্ষে খুব বড় হয়ে ওঠে- তারা কার্যকারী মেমরির সীমা অতিক্রম করেছে যা প্রতিটি খণ্ড কোওয়ানের (2001) সাপেক্ষে ) নীচে, পরীক্ষা 5-এ, এই উপসংহারকে সমর্থন করার জন্য অতিরিক্ত প্রমাণ ওয়েবিং করা হয়েছে।

আমাদের অনুসন্ধানগুলি একটি বিকল্প ব্যাখ্যাকে খণ্ডন করে যা কন্ডিশন A এবং কন্ডিশন B এর মধ্যে পার্থক্যকে সংখ্যার মাত্রার সাথে যুক্ত করে। এই বিকল্প ব্যাখ্যাটি অনুমান করে যে সিনট্যাক্স এবং চঙ্কিং সম্পর্কিত কারণে B এর তুলনায় A-তে কর্মক্ষমতা খারাপ ছিল, কিন্তু কারণ A-তে থাকা সংখ্যাগুলি সংখ্যাগতভাবে বড় এবং তাই প্রক্রিয়া করা কঠিন ছিল (একটি পার্শ্বপ্রতিক্রিয়া)। আমাদের ডেটার দুটি দিক বিকল্প ব্যাখ্যাকে খণ্ডন করে: প্রথমত, এটি চিত্র 3-এ ত্রুটি-দ্বারা-পজিশন প্যাটার্ন ব্যাখ্যা করতে পারে না। দ্বিতীয়ত, বিকল্প ব্যাখ্যা ভবিষ্যদ্বাণী করে যে 5- বা 6- 6-সংখ্যা সংখ্যা (যেমন শর্তে ) সবসময় ছোট সংখ্যার জোড়ার (শর্ত B) থেকে মুখস্থ করা আরও কঠিন হবে, নির্দিষ্ট সংখ্যা নির্বিশেষে। আমরা পরীক্ষা 5 এ দেখতে পাব, এই ভবিষ্যদ্বাণীটি অস্বীকার করা হয়েছিল।

কন্ডিশন A-এর সাথে আপেক্ষিক B কন্ডিশনের উচ্চতর কার্যকারিতা বেশ কিছু গুরুত্বপূর্ণ সিদ্ধান্তের দিকে নিয়ে যায়। প্রথমত, এটি সংখ্যার সিনট্যাকটিক উপস্থাপনার সুযোগ দেখায়-বিশেষ করে, ক্রস-ট্রিপলেট সিনট্যাক্সের উপস্থাপনা। B, C, এবং D-এ, কোনো ব্যাকরণবিভাগ একটি একক ট্রিপলেট (শত+দশ+এক) এর সীমা অতিক্রম করেনি। এই শর্তগুলির মধ্যে পার্থক্যগুলিকে একটি অভ্যন্তরীণ-ত্রিপল সিনট্যাকটিক উপস্থাপনা হিসাবে ব্যাখ্যা করা যেতে পারে-উদাহরণস্বরূপ, প্রতিটি ত্রিপলের তিনটি শব্দের আলাদা আলাদা আভিধানিক শ্রেণী রয়েছে এই সত্যকে মূলধন করে একটি উপস্থাপনা। পরিস্থিতি ছিল ভিন্ন শর্ত A বনাম B: এই দুটি শর্তের মধ্যে একমাত্র পার্থক্য ছিল সেই শর্ত A, কিন্তু B নয়, দুটি ত্রিপল থেকে একটি একক অংশে যুক্ত শব্দ। দুটি শর্তের মধ্যে উল্লেখযোগ্য পার্থক্য নির্দেশ করে যে A শর্তে, কিন্তু নয় বি, অংশগ্রহণকারীরা একটি ক্রস-ট্রিপলেট সিনট্যাকটিক উপস্থাপনা তৈরি করেছে। সাধারণ আলোচনায়, আমরা এই অর্থায়নের প্রভাবে ফিরে আসি।

দ্বিতীয় উপসংহার স্বয়ংক্রিয়তা উদ্বেগ. কন্ডিশন এ, ক্রস-ট্রিপলেট সিনট্যাক্টিক উপস্থাপনা তৈরি করা হয়েছিল যদিও এটি উপকারী ছিল না-এটি কর্মক্ষমতা ব্যাহত করেছিল। এটি দৃঢ়ভাবে পরামর্শ দেয় যে একটি সিনট্যাক্টিক উপস্থাপনা তৈরি একটি স্বেচ্ছাসেবী, সচেতন-কৌশলগত সিদ্ধান্তের ফলে হয়নি, তবে এটি একটি স্বয়ংক্রিয় প্রক্রিয়া ছিল।

তৃতীয় উপসংহারটি সিনট্যাকটিক উপস্থাপনাটি একটি কঠোর টেমপ্লেট হিসাবে পুনরুদ্ধার করা হয়েছে বা একটি জেনারেটিভ প্রক্রিয়া দ্বারা গতিশীলভাবে তৈরি করা হয়েছে কিনা তা সম্পর্কিত। Cowan (2001) প্রস্তাব করেছিলেন যে খণ্ড তৈরির অন্তত দুটি ভিন্ন পদ্ধতি রয়েছে এবং এই দুটি পদ্ধতি খণ্ডের আকারের উপর আরোপিত সীমার মধ্যে ভিন্ন। একটি পদ্ধতি হল মুখস্থ টেমপ্লেট পুনরুদ্ধার করা, যা খণ্ডের ভিত্তি হিসাবে কাজ করে এবং এই টেমপ্লেটে বেশ কয়েকটি একক আইটেম এম্বেড করা (প্রতিটি একক আইটেম দীর্ঘমেয়াদী স্মৃতি থেকে একটি উপস্থাপনা)। উদাহরণস্বরূপ, এইভাবে বিশেষজ্ঞ দাবা খেলোয়াড়রা জটিল চালগুলিকে এনকোড করে। এই ধরনের টেমপ্লেটের আইটেমগুলির সংখ্যা কখনও কখনও বেশ বড় হতে পারে - 3-4টি আইটেমের স্ট্যান্ডার্ড স্বল্প-মেয়াদী মেমরির ক্ষমতার চেয়ে বেশি - তবে টেমপ্লেটটি এখনও একক অংশ। খণ্ড তৈরি করার দ্বিতীয় পদ্ধতি হল আইটেমগুলির মধ্যে অভিনব অ্যাডহক অ্যাসোসিয়েশন গঠন করা। এই পদ্ধতিটি আরও গতিশীল এবং নমনীয়, তবে খরচ হল যে খণ্ডের আকারটি 3-4 আইটেমের কাজের মেমরি ক্ষমতা সীমা সাপেক্ষে। গুরুত্বপূর্ণ বিষয় হল এই দুটি পদ্ধতি খণ্ডের আকারের উপর যে বিধিনিষেধ আরোপ করে তার মধ্যে পার্থক্য রয়েছে: পরবর্তী পদ্ধতিটি মেমরির ক্ষমতার সীমাবদ্ধতার সাপেক্ষে, যেখানে পূর্ববর্তী নয়। এইভাবে, আমাদের পরীক্ষায়, যদি সিনট্যাকটিক খন্ডগুলি একটি জেনারেটিভ পদ্ধতিতে তৈরি করা হয়, তবে সেগুলি কাজের মেমরির ক্ষমতার সীমার সাপেক্ষে হওয়া উচিত, যার ফলে বড় আকারের খণ্ডগুলিতে দুর্বল কার্যকারিতা দেখা দেয় - অবিকল যে প্যাটার্নটি আমরা A শর্তে দেখতে পাই। সংখ্যার সিনট্যাকটিক কাঠামোটি যদি মুখস্থ করা হত টেমপ্লেট, অংশগ্রহণকারীরা টেমপ্লেট-ভিত্তিক খণ্ডগুলি তৈরি করতে পারত, যা ক্ষমতা সীমার অধীন নয়, এবং পারফরম্যান্সের শর্ত A (প্রতি উদ্দীপকের 1 খণ্ড সহ) অবস্থা B (প্রতি উদ্দীপকের 2 খণ্ড) থেকে ভাল হওয়া উচিত ছিল। মামলা তাই আমরা এই উপসংহারে পৌঁছেছি যে সংখ্যার সিনট্যাকটিক কাঠামো পূর্বনির্ধারিত মুখস্থ টেমপ্লেট হিসাবে পুনরুদ্ধার করা হয়নি, তবে বাস্তব সময়ে এজেনারেটিভ প্রক্রিয়া দ্বারা তৈরি করা হয়েছিল।

সিনট্যাকটিক চঙ্কিং প্রকৃতপক্ষে একটি সিনট্যাকটিক উপস্থাপনা নির্দেশ করে

দক্ষ খণ্ডকরণে উদ্দীপকের দুটি মূল দিক জড়িত: সনাক্তকরণ এবং সংকোচনযোগ্যতা (চেকাফ এট আল।, 2016)। প্রথম দিকটি উদ্দীপনার নিয়মিততা সনাক্তকরণের সাথে সম্পর্কিত, যা কার্যকরী খণ্ড করার সুযোগ প্রদান করে, যেমন, সর্বোত্তম খণ্ড সীমানা নির্ধারণ করে। আমাদের ক্ষেত্রে, এটি ব্যাকরণগত বিভাগগুলির সনাক্তকরণকে নির্দেশ করবে। দ্বিতীয় দিকটি সেই প্রক্রিয়াটিকে নির্দেশ করে যা ডেটাকে আকুঙ্কে সংকুচিত করে, সম্ভবত খণ্ডের উপাদানগুলির মধ্যে শক্তিশালী সংযোগের সাথে কিছু প্রতিনিধিত্বের উপর নির্ভর করে (কোয়ান, 2001)। আমাদের ক্ষেত্রে, সংকোচনযোগ্যতা সম্ভবত সংখ্যার সিনট্যাক্সের উপস্থাপনা দ্বারা চালিত হয়।

আমরা কম্প্রেসিবিলিটির পরিপ্রেক্ষিতে এক্সপেরিমেন্ট 1 এর ফলাফলকে ব্যাখ্যা করেছি: আমরা যুক্তি দিয়েছিলাম যে পরীক্ষামূলক অবস্থার মধ্যে গুরুত্বপূর্ণ পার্থক্য ছিল যে তারা সিনট্যাক্স-ভিত্তিক অংশ তৈরি করার জন্য অংশগ্রহণকারীদের ক্ষমতাকে প্রভাবিত করেছিল। তবে, এটা কি হতে পারে যে ব্যাকরণগত অংশগুলির সনাক্তকরণে শর্তগুলি একে অপরের থেকে আলাদা? এক্সপেরিমেন্ট 1-এ, আমরা ইচ্ছাকৃতভাবে চঙ্কিংয়ের জন্য কোনও সংকেত প্রদান করিনি (যাতে সনাক্তকরণকে প্রভাবিত করতে পারে এমন কোনও ক্লু দিতে না পারে), কিন্তু এই ধরনের সংকেতের অনুপস্থিতিতে, অংশগ্রহণকারীরা অন্যান্য কৌশল অবলম্বন করতে পারে যা বিভিন্ন শনাক্তকরণের মাত্রার উদাসীন অবস্থার জন্ম দিতে পারে। . উদাহরণস্বরূপ, তারা প্রতিটি শব্দের পরে "একটি খণ্ড বন্ধ করা"-এর মতো সাধারণ কৌশল ব্যবহার করতে পারে—এমন একটি কৌশল যার ফলে কন্ডিশন ডি-এর তুলনায় বি কন্ডিশনে আরও দক্ষ খণ্ডিত হতে পারে। বিকল্পভাবে, তারা তাদের আনুষ্ঠানিক গাণিতিক জ্ঞানের উপর ভিত্তি করে প্রকাশ্য কৌশল ব্যবহার করতে পারে, এবং এই জাতীয় কৌশলগুলি ব্যাকরণগত পরিস্থিতিতে প্রয়োগ করা সহজ হতে পারে, যা সংখ্যা সম্পর্কে অংশগ্রহণকারীর আনুষ্ঠানিক জ্ঞানের জন্য সম্ভবত আরও ভাল। পরীক্ষা 1 এর অবরুদ্ধ নকশা দ্বারা সনাক্তকরণের প্রভাবগুলি আরও প্রসারিত হতে পারে, যা প্রতিটি ব্লকে শর্ত-নির্দিষ্ট কৌশলগুলির বিকাশের অনুমতি দিতে পারে।

পরীক্ষা 1-এ শর্ত A এবং B-এর মধ্যে তুলনা পরামর্শ দেয় যে এটি এমন ছিল না, কারণ অংশগ্রহণকারীরা একটি সিনট্যাকটিক উপস্থাপনা তৈরি করেছিল এমনকি যখন এটি পরিশোধ না করে (অবস্থায়)। তা সত্ত্বেও, আমরা বিকল্প ব্যাখ্যাকে বিশেষভাবে খণ্ডন করার জন্য পরীক্ষা 2 এবং 3 ডিজাইন করেছি। পরীক্ষা 2-এ, আমরা ব্লক-নির্দিষ্ট কৌশলগুলিকে নিরুৎসাহিত করতে একটি মিশ্র নকশা ব্যবহার করেছি। পরীক্ষা 3, আমরা শর্তগুলির মধ্যে সনাক্তকরণের পার্থক্য কমিয়ে আনার জন্য খণ্ডসীমা সম্পর্কে স্পষ্ট সংকেত প্রদান করেছি।

পরীক্ষা 2: মিশ্র নকশা

ডিজাইনটি এক্সপেরিমেন্ট 1-এর মতোই ছিল, কিন্তু এখানে একটি একক ব্লকে বিভিন্ন শর্ত মিশ্রিত করা হয়েছে। এই ডিজাইনের জন্য ওভারট কৌশলগুলি ব্যবহার করা কঠিন করা উচিত কারণ অংশগ্রহণকারীরা নির্দিষ্ট উদ্দীপকের সিনট্যাকটিক গঠন জানতে পারে না যতক্ষণ না এটি শেষ হয়। এইভাবে, এক্সপেরিমেন্ট 2-এ একটি সিনট্যাকটিক চঙ্কিং ইফেক্টকে অতিরিক্ত কৌশলের ফলে ব্যাখ্যা করা কঠিন হবে।

পদ্ধতি

প্রতি উদ্দীপকের 2, 3, বা 4টি ব্যাকরণ বিভাগ সহ 3টি শর্ত ছিল, প্রতিটি শর্তে যথাক্রমে 4, 9 এবং 7টি ট্রায়াল সহ। সমস্ত ট্রায়ালের ধরন একক ব্লকে, এলোমেলো ক্রমে (সমস্ত অংশগ্রহণকারীদের জন্য একই ক্রম) উপস্থাপন করা হয়েছিল। অংশগ্রহণকারীরা একই ছিল যারা পরীক্ষা 1 করেছিল; তারা পরীক্ষা 1 এর ঠিক আগে বা পরে পরীক্ষা 2 করেছে ("সিনট্যাকটিক চাঙ্কিং টাস্ক" বিভাগ দেখুন)। প্রতিটি অংশগ্রহণকারী হয় কার্যটির 6-শব্দ বা 7-শব্দ সংস্করণ, inExperiment 1 হিসাবে সম্পাদন করেছিল। ডেটা কোডিং এবং পরিসংখ্যান বিশ্লেষণ ছিল পরীক্ষা 1 এর মতো, কিন্তু রৈখিক মিশ্র মডেলে, শর্ত ফ্যাক্টর ছিল একটি মধ্যে-উদ্দীপক সংখ্যাগত ফ্যাক্টর পরিবর্তে একটি অভ্যন্তরীণ-উদ্দীপক শ্রেণীগত ফ্যাক্টর। (এটি এখনও অংশগ্রহণকারীর মধ্যে ছিল।)

ফলাফল এবং আলোচনা

এক্সপেরিমেন্ট 1 এর ফলাফলগুলি মূলত প্রতিলিপি করা হয়েছিল: কম, দীর্ঘ সেগমেন্ট (চিত্র 5) সহ অবস্থাতে Te পারফরম্যান্স ভাল ছিল। Te লিনিয়ার মিক্সড মডেল দেখিয়েছে যে অবস্থার প্রভাব মরফিম ত্রুটি হার (Δ=2.2%, χ2=4.17, p=0.04) এবং ক্লাস ত্রুটি হার (Δ) এর জন্য তাৎপর্যপূর্ণ ছিল =2.5%, χ2=5.09, p=0.02), যদিও অঙ্কের ত্রুটির হারের জন্য নয় (Δ=1.9%, χ{{16} }.48, p=0.12)।

এই ফলাফলগুলি একটি প্রকাশ্য কৌশল হিসাবে ব্যাখ্যা করা কঠিন৷ এই ধরনের একটি প্রকাশ্য কৌশল কার্যকর হওয়ার জন্য, অংশগ্রহণকারীদের প্রতিটি ট্রায়ালে তাদের কৌশল নির্ধারণ করতে হবে এবং উদ্দীপনাটি খেলার পরেই তা করতে হবে, যে সময়ে মুখস্ত করার চ্যালেঞ্জ ইতিমধ্যেই শুরু হয়েছিল৷ . আরও ভাল এবং সম্ভাব্য ব্যাখ্যা হল যে ব্যাকরণগত শর্তগুলি সিনট্যাকটিক চাঙ্কিংয়ের কারণে সুবিধাজনক ছিল।

পরীক্ষা 3: ওভারট ক্যুইং

এই পরীক্ষাটি বিশেষভাবে সিনট্যাকটিক চঙ্কিং প্রভাবের ব্যাখ্যা হিসাবে ব্যাকরণগত বিভাগ-সনাক্তযোগ্যতা বাতিল করার লক্ষ্যে ছিল। এই লক্ষ্যে, আমরা সনাক্তযোগ্যতাকে সমস্ত পরিস্থিতিতে যতটা সম্ভব সহজ করে একটি নন-ইস্যুতে পরিণত করেছি: আমরা অংশগ্রহণকারীদের স্পষ্ট, সুস্পষ্ট ইঙ্গিত দিয়েছি যে তারা কীভাবে শব্দের ক্রমকে খণ্ডে ভাগ করতে হবে। যদি এক্সপেরিমেন্ট 1-এর শর্তগুলির মধ্যে পার্থক্যটি ব্যাকরণগত অংশগুলির সনাক্তকরণের মাধ্যমে উদ্ভূত হয়, তাহলে স্পষ্ট সংকেতগুলি সূক্ষ্ম উদ্দীপনা-নির্দিষ্ট পার্থক্যগুলিকে ওভাররাইড করতে হবে, এবং কার্যকারিতা সমস্ত পরিস্থিতিতে একই রকম হওয়া উচিত। যদি, তবে, ব্যাকরণগত অংশগুলির উচ্চতর সংকোচনযোগ্যতার ফলে পরীক্ষা 1 ফলাফলগুলি আসে, ফলাফলগুলি এখানেও প্রতিলিপি করা উচিত৷

পদ্ধতি

অংশগ্রহণকারীরা ছিল 19;6–52;7 বছর বয়সী 20 জন প্রাপ্তবয়স্ক (মানে=27;7, SD=7;9)। পরীক্ষায় শুধুমাত্র দুটি শর্ত অন্তর্ভুক্ত ছিল, পরীক্ষা 1 শর্ত B (ব্যাকরণগত) এবং D (খণ্ডিত) সহ অভিন্ন (একই উদ্দীপনা)। সমস্ত অংশগ্রহণকারীরা কাজটির 7-শব্দ সংস্করণ সম্পাদন করেছে। শর্ত দুটি ব্লকের ভারসাম্যহীন আদেশ হিসাবে পরিচালিত হয়েছিল। পদ্ধতিটি এক্সপেরিমেন্ট 1-এর মতোই ছিল, ব্যতীত এখন আমরা খণ্ডের সীমানার জন্য স্পষ্ট সংকেত দিয়েছি। সমালোচনামূলকভাবে, সংকেতগুলি উভয় অবস্থার মধ্যে অভিন্ন ছিল (ব্যাকরণগত এবং খণ্ডিত): উভয় ক্ষেত্রে, অংশগ্রহণকারীদের প্রতিটি উদ্দীপককে দুটি খণ্ডে বিভক্ত করার জন্য নির্দেশ করা হয়েছিল, একটি 3টি শব্দ এবং একটি 4টি শব্দের সাথে৷ ব্যাকরণগত অবস্থায়, কিউ উদ্দীপকটিকে একটি {এ বিভক্ত করে {14}}অঙ্ক সংখ্যা 1 দিয়ে শুরু, তারপরে একটি 3-অঙ্কের সংখ্যা (যেমন হাজার দুইশত চৌত্রিশ; পাঁচশত পঁয়ষট্টি)। খণ্ডিত অবস্থায়, ক্যুটি উদ্দীপকটিকে একই দৈর্ঘ্যের দুটি অংশে বিভক্ত করে, কিন্তু কোনো অংশই ব্যাকরণগত ছিল না: শব্দের ক্রমটি ব্যাকরণগতভাবে বৈধ জোড়া শব্দের (পাঁচ ষাট শত; চার ত্রিশ হাজার) এড়াতে বিপরীত করা হয়েছিল।

সংকেত হিসাবে, আমরা স্বরধ্বনির দুটি দিক ব্যবহার করেছি। প্রথমত, পরীক্ষার্থী পরীক্ষা 1-এ একটি নির্দিষ্ট গতিতে সংখ্যা শব্দগুলি বলেননি, তবে আমরা দুটি সংখ্যা বলব: প্রতিটি উদ্দীপকের অংশের মধ্যে শব্দগুলির মধ্যে কোনও বিলম্ব ছিল না এবং উদ্দীপকের দুটি অংশের মধ্যে প্রায় 1 সেকেন্ডের বিলম্ব ছিল। দ্বিতীয়ত, প্রতিটি উদ্দীপকের শেষ শব্দটি ডিসন্ডিং পিচের সাথে বলা হয়েছিল (বাক্যের শেষ শব্দের জন্য সাধারণত স্বরধ্বনি), এবং সমস্ত পূর্ববর্তী শব্দগুলি মোটা স্বরে বলা হয়েছিল। এই সংকেতগুলির প্রতি মনোযোগ দেওয়ার সুবিধার্থে, এক্সপেরিমেন্ট 1 অ্যাসিন রেকর্ডিং থেকে উদ্দীপনাগুলি চালানো হয়নি তবে পরীক্ষকদের দ্বারা রিয়েল-টাইমে বলা হয়েছিল। পরীক্ষা 1-এ ডেটা কোডিং এবং পরিসংখ্যানগত বিশ্লেষণের জায়গা।

ফলাফল এবং আলোচনা

পরীক্ষা 1 এর ফলাফলগুলি মূলত প্রতিলিপি করা হয়েছিল: Te morpheme ত্রুটির হার, অঙ্ক ত্রুটির হার, এবং শ্রেণী ত্রুটির হার খণ্ডিত অবস্থার তুলনায় ব্যাকরণগত অবস্থায় কম ছিল (চিত্র 6a; পরীক্ষা 1 "পরিসংখ্যানগত বিশ্লেষণ" বিভাগে বর্ণিত LMM সহ, morphemes: Δ=12.3%, χ2=140.5, পি<0.001; digits: Δ=12.1%, χ2=136.1, p<0.001; classes: Δ=10.8%, χ2=103.8, p<0.001). Even at the single-subject level, the morpheme error rate was lower in the grammatical condition than in the fragmented condition for every single participant (Additional file 1: Fig. S2).

দুটি শর্তের মধ্যে পার্থক্য, যা বিদ্যমান ছিল যদিও আমরা প্রতিটি উদ্দীপককে দুটি খণ্ডে কীভাবে বিভক্ত করতে হয় তার জন্য খুব স্পষ্ট ইঙ্গিত দিয়েছি, দুটি শর্তে ব্যাকরণগত বিভাগ- সনাক্তকরণের বিভিন্ন ডিগ্রি থেকে উদ্ভূত হওয়ার সম্ভাবনা কম। এই ফলাফলগুলির সবচেয়ে সম্ভবত ব্যাখ্যা হল যে ব্যাকরণগত অবস্থা, বৈধ সংখ্যা সিনট্যাক্স ব্যবহার করে, সংখ্যা-শব্দ অনুক্রমের উচ্চতর সংকোচনের জন্য অনুমোদিত।

পরীক্ষা 4: সিনট্যাকটিক উপস্থাপনা বিভিন্ন অনিয়মিত কাঠামো পরিচালনা করতে পারে

পরীক্ষা 1-3 দেখায় যে অংশগ্রহণকারীরা সংখ্যার সিনট্যাকটিক কাঠামোর প্রতিনিধিত্ব করেছিল এবং এটিকে খণ্ডিত করার ভিত্তি হিসাবে ব্যবহার করেছিল। পরীক্ষা 4 এই সিনট্যাকটিক উপস্থাপনার দুটি অতিরিক্ত দিক পরীক্ষা করেছে: এরস্কোপ, অর্থাৎ, নির্দিষ্ট সিনট্যাকটিক স্ট্রাকচার যা উপস্থাপন করা যেতে পারে, এবং এর নমনীয়তা, অর্থাৎ, একটি সিনট্যাকটিক স্ট্রাকচার থেকে অন্যটিতে দ্রুত পরিবর্তন করার ক্ষমতা। এই লক্ষ্যে, আমরা বিভিন্ন সিনট্যাক্টিক স্ট্রাকচার সহ সংখ্যাগুলি অন্তর্ভুক্ত করেছি।
ব্যাপ্তি। পরীক্ষা 1-3 সংখ্যার একটি সীমিত পরিধি ব্যবহার করেছে: সমস্ত উদ্দীপনা এমন সংখ্যার উপর ভিত্তি করে তৈরি করা হয়েছিল যেগুলি 0 বা 1ও অন্তর্ভুক্ত ছিল না। এই নকশাটি এমন একটি জটিলতা এড়াতে লক্ষ্য করেছিল যা 0 এবং 1 সহ সংখ্যা থেকে উদ্ভূত হতে পারে, কারণ দুটি সংখ্যা অনিয়মিত সিনট্যাক্টিকস্ট্রাকচার দিয়ে মৌখিক সংখ্যা তৈরি করুন: ইংরেজির মতো হিব্রুতে, 0 সংখ্যাটি মৌখিকভাবে উপলব্ধি করা যায় না, এবং দশকের অবস্থানে 1 সংখ্যাটি সাধারণ দশ শব্দের পরিবর্তে একটি কিশোর শব্দ হিসাবে মৌখিকভাবে উপলব্ধি করা হয়। 0 এবং 1 এড়িয়ে, পরীক্ষা 1–3 শুধুমাত্র নিয়মিত সিনট্যাকটিক স্ট্রাকচার সহ সংখ্যা এবং অনিয়মিত স্ট্রাকচার সহ কোন সংখ্যা অন্তর্ভুক্ত করে। বিপরীতে, পরীক্ষা 4 অনিয়মিত সংখ্যার জন্যও একটি সিনট্যাকটিক উপস্থাপনা তৈরি করা হবে কিনা তা পরীক্ষা করেছে।

নমনীয়তা. আমরা যে দ্বিতীয় দিকটি পরীক্ষা করেছি তা হল সিনট্যাক্টিক মেকানিজমের নমনীয়তা। পরীক্ষা 1 এবং 3-এ, একটি প্রদত্ত ব্লকের সমস্ত সংখ্যার একই সিনট্যাক্টিক কাঠামো ছিল। এক্সপেরিমেন্ট 2 এর একটি মিশ্র নকশা ছিল, কিন্তু এটি শুধুমাত্র একটি ছোট বৈচিত্র্যের সিনট্যাকটিক কাঠামো ব্যবহার করেছে। পরীক্ষা 4 আরও সিনট্যাকটিক স্ট্রাকচার ব্যবহার করেছে এবং সেগুলিকে এলোমেলো ক্রমে উপস্থাপন করেছে, তাই আমরা পরীক্ষা করতে পারি যে সিনট্যাকটিক উপস্থাপনা এবং যে প্রক্রিয়াগুলি এটি তৈরি করে তা এই আরও বেশি চাহিদাপূর্ণ পরিস্থিতিতেও সিনট্যাকটিক চাঙ্কিংয়ের ভিত্তি হিসাবে কাজ করার জন্য যথেষ্ট নমনীয় কিনা।

For more information:1950477648nn@gmail.com