Äidinkielen kokemus muovaa tarkkaavaista vieraiden sävyjen käsittelyä ja ohjaa nopeaa muistijäljen muodostumista: ERP-tutkimus, osa 5

2,5|Tilastollinen analyysi

2.5.1|Käyttäytymistiedot

Testaaksemme L1-L2-samankaltaisuuden mahdollisia vaikutuksia käyttäytymistuloksissa analysoimme käyttäytymisvasteita sävyyhteensopivuuskokeissa keskittyen eroihin ääriviivasävyjä sisältävien sanojen ja tasasävyisten sanojen välillä.

Viime vuosina tutkijat ovat havainneet vahvan yhteyden äänen ja muistin välillä. Erityisesti ääriviivasävyt (tai "hyppysävyt") helpottavat sanan tai lauseen muistamista. Tämä johtuu siitä, että muotoiltujen sävyjen avulla kuuntelija voi vangita paremmin keskeistä tietoa ja tunnesisältöä, mikä helpottaa sen tallentamista pitkäaikaiseen muistiin.

Jotkut tutkimukset ovat osoittaneet, että ihmiset muistavat todennäköisemmin sanoja, joissa on selkeästi muotoiltuja sävyjä, mikä voi saada tiedon aivoissa selvemmin prosessoitua kuin tasaiset äänet. Esimerkiksi kun kuulemme korostetun tavun sanassa tai lauseessa, huomaamme tämän tiedon ja ohjelmoimme sen helpommin muistiin.

Lisäksi ääriviivasävyt voivat välittää tunneinformaatiota, mikä on myös tärkeää muistille. Meillä on tapana muistaa tapahtumat ja tiedot helpommin tunteilla ja tunnekokemuksilla. Siksi muotoillut sävyt auttavat meitä tallentamaan nämä tunnemuistot aivoihimme.

Kaiken kaikkiaan muotoiltujen sävyjen vaikutukset auttavat meitä muistamaan paremmin. Arjessa ja työssä voimme kiinnittää huomiota äänensävyyn puhuessamme muille. Erityisesti erilaisissa puheissa, kokouksissa, mainoksissa ja muissa tilanteissa meidän tulisi kiinnittää enemmän huomiota ääriviivasävyjen käyttöön muistivaikutuksen parantamiseksi. Koulutuksen avulla voimme parantaa puheherkkyyttämme ja auttaa meitä muistamaan paremmin tärkeät tiedot, mikä parantaa työn tehokkuutta ja elämänlaatua. Voidaan nähdä, että meidän on parannettava muistia, ja Cistanche deserticola voi parantaa muistia merkittävästi, koska Cistanche deserticola on perinteinen kiinalainen lääkeaine, jolla on monia ainutlaatuisia vaikutuksia, joista yksi on parantaa muistia. Jauhetun lihan teho perustuu sen erilaisiin vaikuttaviin ainesosiin, mukaan lukien happo, polysakkaridit, flavonoidit jne. Nämä ainesosat voivat edistää aivojen terveyttä monin tavoin.

Napsauta tietää tapoja parantaa aivojen toimintaa

Tätä varten toimitimme erikseen keskiarvotiedot käyttäytymismuuttujille "Response Accuracy" ja "Response Times" kahteen sekoitettuun varianssianalyysiin (ANOVA) kokeellisella tekijällä "Sävytyyppi" (ääriviivat vs. tasoäänet), ajallinen tekijä "Päivä". " (päivä 1 vs. päivä 2) ja aiheiden väliset tekijät "Oppijaryhmä" (ääniset L1:t vs. ei-tonaaliset L1:t) ja "Target Tone Group" (korkea/lasku vs. matala/nouseva).

ResponseTimes normalisoitiin log-muunnoksilla, ja tarkkuuden vuoksi laskettiin d'-pisteet. Koska kaksi osallistujaa jätettiin tutkimuksen ulkopuolelle, Target Tone -alaryhmät olivat erikokoisia (11 tai 12).

Käytimme keskimääräistä imputointia aina, kun samankokoisia kohderyhmiä tarvittiin tilastolliseen analyysiin. Kaikki käyttäytymisanalyysit suoritettiin SPSS 26:ssa (International Business Machines [IBM] Corp., Armonk, NY, Yhdysvallat).

2.5.2|ERP:t

ERP-datalle valitsimme kaksiaikaiset ikkunat (50–70 ms ja 400–600 ms), joissa odotimme havaitsevan L1–L2-samankaltaisuuden vaikutuksia sävy- tai sävyominaisuuksiin tekstinkäsittelyssä aiemman kirjallisuuden perusteella (Gosselke Berthelsenet al., 2018, 2020).

Näitä ennalta määritettyjä aikaikkunoita käyttämällä suoritimme klusteripohjaisia ​​permutaatiotestejä tekijälle "Sävytyyppi". Lähetimme lohkon 1 (päivänä 1) keskimääräiset ERP-amplitudit molemmista osallistujaryhmistä yhdessä ja erikseen valituille aikaikkunoille ja olosuhteille (eli sanat, joissa on ääriviivasävyjä verrattuna sanoihin, joissa on tasoääniä) permutaatioanalyysiin käyttämällä ei-parametrista klusteripohjaista. permutaatiolähestymistapa toteutettu Fieldtrip-työkalupakissa Matlabille (Maris & Oostenveld, 2007).

Suoritimme tiedoista 1000 satunnaista permutaatiota Monte-Carlo-menetelmällä ottaaksemme huomioon suuret tietojoukot ja tarkastelimme kolmen tai useamman elektrodin klustereita, joiden p-arvo<.05 significant. We additionally tested for interactions with "Learning" (target word vs control word) in the permutation analysis to see whether target words differed from control words. 

Vuorovaikutus oli erityisen tärkeä sanantunnistusvaikutuksen kannalta 50 ms kohdalla, jossa säveloppineiden on aiemmin havaittu erottavan kohdesanat automaattisesti kontrollisanoista (Gosselke Berthelsen et al., 2020). Jos analyyseissä ilmeni merkittäviä klustereita, teimme sekalaisia ANOVA:t mahdollisten vuorovaikutusten testaamiseksi ajallisten ja koehenkilöiden välisten tekijöiden kanssa.

Näin ollen laskemme yhden keskimääräisen ERP-amplitudin analysoitujen aikaikkunoiden ja kaikkien klusterin elektrodien välillä. Tämä tehtiin jokaiselle osallistujalle jokaisessa lohkossa ja päivässä. Näin saadut keskimääräiset amplitudit lähetettiin sitten seka-ANOVA:lle, jossa oli kokeellisia subjektin sisäisiä tekijöitä "Sävytyyppi" ja "Oppiminen", ajalliset tekijät "Päivä" ja "Block" sekä aiheiden väliset tekijät "Oppijaryhmä" ( tarvittaessa) ja "Sävykohderyhmä".

ANOVA-analyysi suoritettiin SPSS 26:ssa (IBM). Kasvihuone-Geisser-korjausta käytettiin tarvittaessa. Useita parivertailuja varten käytettiin FDR (False Discovery Rate) -korjauksia (Benjamini & Hochberg, 1995).

2.5.3|Korrelaatiot

Testaaksemme, vaikuttiko yksilöllinen oppimiskäyttäytyminen ERP-vaikutuksiin, suoritimme kaksi kaksisuuntaista Pearson-korrelaatiota muuttujien "Amplitudin muutos forLexicality Effect" ja "Amplitudin muutos anteriornegativisuuden" sekä "Response TimeChange" ja "Response Accuracy" kanssa. Muuta", toisaalta.

Tässä tutkittu muutos määriteltiin erona käyttäytymis- tai ERP-vasteissa 1. päivän ensimmäisen ja toisen puoliskon välillä, jolloin suurin osa oppimisesta tapahtui (vrt. Gosselke Berthelsen et al., 2020). Korrelaatioanalyysit suoritettiin SPSS:ssä (IBM). FDR-korjauksia käytettiin korrelaatioiden p-arvoihin.

3|TULOKSET

3.1|Käyttäytymistulokset

Vastauksen tarkkuuden osalta sävytyypillä ei ollut merkittävää päävaikutusta eikä merkittäviä vuorovaikutuksia sävytyypin, oppijaryhmän tai sävykohderyhmän tekijöiden kanssa.

Temporaalisen tekijän Day päävaikutus, F(1,44)= 44.18, p < .001, 휂2p=0.501, osoitti todisteita oppimisesta riippumatta siitä, mitkä sävelet oppijat hankkija, mitkä äänityypit testattiin. Siten vastetarkkuus kasvoi merkittävästi päivästä 1 (M=60,5%, SD=25,4, vaihteluväli=5,6 – 97,1) päivään 2 (M=68). 8 %, SD=29,6, alue =2,9–100).

Kuvaavissa tilastoissa käytämme prosenttiosuuksia tulosten ja muiden tutkimusten yksinkertaisuuden ja vertailukelpoisuuden vuoksi, kun taas tilastollinen analyysi tehtiin d′-tiedoilla. Tarkkuustuloksia ja ajan muutosta kuvaava kaavio on kuvassa 5.

Vastausajoissa ToneTypen ja Tone Target Groupin, F(1,44)=4.63, p=.037,휂2p=0.10, merkittävä vuorovaikutus hajosi Tone Typen päävaikutus matala/nouse-ryhmässä, F(1,22)=6.69, p=.015, 휂2p=0.23.

Matalaihin ääniin (M=1515 ms, SD=986, alue=219 – 4279) perustuvat ristiriidat kuvaviitteen kanssa havaittiin huomattavasti nopeammin kuin nouseviin ääniin perustuvat virheet (M{{4} } ms, SD=1093, alue=303 – 4241). Sävytyypillä ei ollut päävaikutusta eikä merkittäviä vuorovaikutuksia sävytyypin, oppijaryhmän tai sävykohderyhmän tekijöiden kanssa.

Temporaalisen tekijäpäivän päävaikutus, F(1,44)=35.53, p < .001, 휂2p=0.45, osoitti todisteita oppimisesta riippumatta siitä, mitä äänityyppejä oppijoille opetettiin tai testattiin päällä. Tätä varten vastausajoissa tapahtui merkittävä parannus päivästä 1 (M =2056 ms, SD=329, vaihteluväli=488 – 4279) päivään 2 (M=1427 ms, SD=153, alue=199 – 4241). Analyysi suoritettiin log-muunnetuilla tiedoilla; todelliset raaka ResponseTimes raportoidaan myös tietojen kuvausta varten.

3.2|ERP tulokset

3.2.1|50-70 ms

Varhaiselle aikaikkunalle ToneTypen ja Learningin välinen vuorovaikutus, eli tason ja ääriviivasävyjen vertailu kohde- ja ohjaussanoissa, tuotti merkittävän keskuselektrodiklusterin (FC2, FC4, C1, Cz, C2, C4, CP1, Cpz, CP2), p=.026, d=0.87, sävy L1-ryhmässä.

Katso ERP:t ja topografiat vuorovaikutuksesta kuvassa 6. Vertailukelpoista klusteria ei tunnistettu ei-tonaalisessa L1-ryhmässä tai kaikille osallistujille kollektiivisesti.

Permutaatioanalyysi ei tuottanut merkittäviä klustereita taso- ja ääriviivasävyjen välisille eroille ilman vuorovaikutusta Oppimisen kanssa (ei kaikille osallistujille yhdessä eikä osallistujaryhmille erikseen). Jos haluat nähdä vähennysamplitudijakauman ryhmien sisällä ja välillä, katso kuva 7.

Kun tutkittiin edelleen merkittävää tonaalisen L1-ryhmän klusteria seka-ANOVAssa, sävytyypin * oppimisen* tavoitesävyryhmän vuorovaikutus viittasi siihen, että havaittu vaikutus ääriviivasävyihin (eli kontrollit olivat negatiivisempia kuin kohteet) oli merkittävä vain korkea/pudotusryhmässä.

Toiseksi vuorovaikutus ajan kanssa osoitti, että vain kontrollisanojen amplitudit muuttuivat ajan myötä muuttuen vähemmän negatiivisiksi. Katso yksityiskohtaiset tulokset taulukosta 2.

3.2.2|400–600 ms

Toista aikaikkunaa varten permutaatioanalyysi tuotti kaksi merkittävää klusteria ääriviivasävyillä varustettujen sanojen ja tasoääniä sisältävien sanojen vertailuun ensimmäisen istunnon ensimmäisen 20 minuutin aikana kaikilla osallistujilla.

Siellä oli merkittävä frontocentraalinen klusteri (AF3, AF4, AF8, F5, F3, F1, Fz, F2, F4, FC5, FC3, FC1, FC2, FC4, FC6, C3, C1, C2, C4), p < 0,001, d=0.38, sekä merkittävä posteriorinen klusteri (FT7, FT8, TP7, CP6, TP8, P7, P5, P8, PO7,POz, PO8, Oz), p < .001, d {{ 32}}.33. Katso kuva 8.

Seka-ANOVA frontocentral-klusterin keskimääräisistä ERP-amplitudeista kaikille osallistujille 20-minuuttilohkoissa tuotti useita päävaikutuksia ja vuorovaikutuksia sävytyypille, oppimiseen ja ajallisiin tekijöihin Block and Day, katso lisätietoja taulukosta 3.

Sävytyypin osalta tasosävyt olivat negatiivisempia kuin ääriviivasävyt.
Tämä ero oli voimakkaampi tonaalisessa L1-ryhmässä kuin ei-tonaalisessa L1-ryhmässä.

Oppimisen osalta havaitsimme, että kohdesanat herättivät enemmän negatiivisuutta kuin kontrollisanat (katso kuva 8). Ero oli jälleen suurempi tonalL1-ryhmässä ja oli myös voimakkaampi päivänä 2 kuin päivänä 1. Lopulta havaittiin yleinen negatiivisuuden väheneminen ajan myötä.

Takaosan klusterin vaikutukset olivat käytännöllisesti katsoen erottamattomia frontocentraalisen klusterin vaikutuksista, mutta niiden polariteetti oli päinvastainen: kaikki päävaikutukset olivat lähes identtisiä yllä olevien kanssa, samoin kuin ratkaisevat vuorovaikutusklusterit.

Vain kaksi ainutlaatuista vuorovaikutusta ilmaantui posterioriseen klusteriin. Siksi päätimme käsitellä positiivisuutta dipoliilmiönä ja esitellä lyhyyden vuoksi havaitut merkittävät vaikutukset ja vuorovaikutukset posterioristen positiivisten klustereiden tukitiedolle S1 päätekstin sijaan.

3.2.3|Korrelaatiotulokset

Varhaisen vaikutuksen osalta ei havaittu merkittäviä korrelaatioita käyttäytymis- ja neurofysiologisten tietojen muutosten välillä (p > 0,8). Lisäanalyysi ei paljastanut merkittävää korrelaatiota tonaalisen oppijan H/F-alaryhmässä myöskään tämän vaikutuksen suhteen (p > .2).

Merkittävä korrelaatio havaittiin anteriorin negatiivisuuden amplitudin muutoksen ja vasteen tarkkuuden muutoksen, r=−.353, p=0,040 välillä, niin että mitä suurempi tarkkuuden parannus päivänä 1 oli, sitä pienempi eroamplitudi sillä anterior negatiivisuus tuli. ResponseTime Changen kanssa ei ollut merkittävää korrelaatiota (p > 0,7).

4|KESKUSTELU

4.1|Sanantunnistuskomponentti: siirtotehosteet

Äidinkielen kokemuksella ja tutuilla oli selvä vaikutus tarkkaavaisen leksikaalisuuden portituksen komponenttiin ~50 ms kohdalla. Fasilitointivaikutus tällä latenssilla havaittiin vain korkeimmalla L1-L2-samankaltaisuuden asteikolla. Kieliopiskelijamme eivät osoittaneet viitteitä helpotetusta sananhankinnasta kaikille sävysävyille tarkoitetuille kohdesanoille tai kaikille ääriviivasävyjä sisältäville kohdesanoille, vaan ainoastaan ​​laskevan sävyn kohdesanojen kohdalla.

Tämä tuli ilmi vähentyneenä negatiivisuutena, jonka oletamme heijastavan onnistunutta, nopeaa sanajäljen muodostusta kohdesanojen putoavilla sävyillä siten, että niistä tuli käsitelty todellisen sanan kaltaisia ​​jo ensimmäisten 20 minuutin kuluessa hankinnasta. Suuntaus samankaltaiseen amplitudin laskuun on nähty aiemmin mandariinikiinaa puhuvien tosisanojen kohdalla (Yue et al., 2014).

Neljän minuutin sanojen ja laillisten pseudosanojen toiston jälkeen hermoaktiivisuus oikeiden sanojen suhteen näytti vähenevän. Huomaa kuitenkin, että Yue et ai. eivät käyttäneet analyysiä, joka pystyisi kumoamaan toistuvien standardi- ja harvoin poikkeavien ärsykkeiden vertailun aiheuttamat taajuusvaikutukset (vrt. Shtyrov & Lenzen, 2017) eivätkä siksi havainneet todellisten sanapoikkeamien amplitudin muutosta tilastollisessa analyysissään.

Myös heidän aikaikkunansa oli pidempi kuin meidän. Mainitsemme trendin tässä, koska Yue et al. (2014) on ainoa tutkimus, jossa tarkastellaan tätä varhaista komponenttia tonaalisten sanojen kontekstissa. Erityisesti sanojen ilman sävyjä saman vaikutuksen raportoivat aiemmin Kimppa et al. (2015).

Näissä aiemmissa tutkimuksissa tulkitsemme pienennetyn tehosteen koon kapeasti L1-helpotettujen kohdesanojen osalta todisteeksi siitä, että sanat hankittiin ja käsiteltiin oikeiden sanojen tavoin poikkeuksellisen nopeasti.

Pseudosanat, jopa ne, joilla on sama äänenkorkeuskuvio, ja helpotetut kohdesanat eivät toisaalta voitu hankkia riittävän nopeasti, ja siksi ne herättivät lisääntynyttä negatiivisuutta.

Tämä negatiivisuus merkitsee todennäköisesti jatkuvaa, epätäydellistä muistijäljen muodostusprosessia opettamattomille ja helpottamattomille sanoille. Jatkuvan sanan jäljitysprosessin ajatuksen mukaisesti sekä kohdesanojen että kontrollisanojen negatiivisuus väheni hieman oppimisistuntojen ajan (kohdesanat: MB{{{{ 6}}}} −1.02 μV ±SD=0,8 μV, MB6=−0,99 ± 0,8 μV; ohjaussanat: MB{{10}} −1,31 ± 1,0 μV, MB6=−0,90 ± 0,8 μV).

Tämä lasku oli merkitsevä vain niille kontrollisanoille, joissa amplitudi oli alun perin suurin. Mielenkiintoista on, että amplitudin pieneneminen eteni molemmissa sanatyypeissä vaiheittain siten, että amplitudi kasvoi jälleen lohkojen 2 ja 3 sekä lohkojen 4 ja 5 välisten taukojen jälkeen (vrt. esim. kohdesanat: MB1=−1. 02 μV ± SD=0,8 μV, MB{{10}}−0,99 ± 0,9 μV, MB{{ 15}} −1,12±0,9 μV, MB{{20}} −0,88 ± 0,9 μV, MB5=− 0,94 ± 0,8 μV, MB6=−0,99 ± 0,8 μV).

Yhdessä sen tosiasian kanssa, että emme löytäneet oppimisistunnon vaikutusta vasteamplitudiin tällä latenssilla, tämä viittaa siihen, että sanajäljet ​​muodostettiin vain tilapäisesti sanoille, joilla on ei-natiivi fonologia (eli äänet).

Siten vain sanoilla, joilla on natiivi fonologia (ja tuttu funktio) oli johdonmukaisesti pienentynyt amplitudi (M=0.78 μV), mikä viittaa siihen, että nopea sanajäljen muodostusprosessi on riippuvainen alkuperäisestä hermofonologiaverkosta ja sanajäljistä L{:lle {2}}kuten uudet sanat muodostuivat lähes välittömästi ja pysyvästi.

For more information:1950477648nn@gmail.com