| تعداد نشریات | 127 |
| تعداد شمارهها | 7,196 |
| تعداد مقالات | 77,227 |
| تعداد مشاهده مقاله | 157,218,107 |
| تعداد دریافت فایل اصل مقاله | 118,403,703 |
پیشبینی یادسپاری متون روایی و توضیحی با رویکردی تجربی – محاسباتی: آزمون دو انگارة شناختی و کارآمدی انگارة بازنگریشده | ||
| پژوهشهای زبانی | ||
| مقاله 4، دوره 16، شماره 2 - شماره پیاپی 31، اسفند 1404، صفحه 97-124 اصل مقاله (1.14 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jolr.2026.403361.666943 | ||
| نویسندگان | ||
| حامد ذاکری1؛ سحر بهرامی خورشید* 2؛ مریم دانای طوس3؛ مسعود قیومی4 | ||
| 1دانشجوی دکتری علوم شناختی- زبانشناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 2دانشیار گروه زبانشناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 3دانشیار گروه زبان و ادبیات انگلیسی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران | ||
| 4دانشیار پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران، | ||
| چکیده | ||
| درک و یادسپاری متن از بنیادیترین فرایندهای شناختی به شمار میرود و تبیین سازوکارهای آن میتواند هم در توسعة نظریههای علوم شناختی و هم در طراحی سامانههای هوشمند و محاسباتی مؤثر باشد. متون مکتوب عمدتاً در دو گونة اصلیِ روایی و توضیحی جای میگیرند که هر یک الگوهای متفاوتی از پردازش ذهنی را فعال میسازند: روایتها با تکیه بر زمانمندی، علیّت و شخصیتمحوری، ارتباط نزدیکی با حافظة رویدادی دارند، در حالی که متون توضیحی با ساختاری منطقی و مفهومی، بیشتر به حافظة معنایی وابستهاند. پژوهش حاضر با هدف آزمون همزمان این دو گونه متن، دو انگارة شناختهشده در حوزة فهم متن - یعنی انگارة چشمانداز و انگارة نمایهسازی رویداد - را بهطور تجربی مورد بررسی قرار داده و در کنار آن، کارآمدی انگارة بازنگریشدهای را ارزیابی میکند که بر اساس تلفیق فعالسازی مفهومی، ساختاردهی رویدادی و وزندهی موقعیتی طراحی شده است. برای این منظور، سه متن فارسی با ساختارهای متفاوت انتخاب شدند. ۵۱ دانشآموز پایة نهم پس از مطالعة متون، در یک تکلیف یادآوری آزاد شرکت کردند و بازده حافظة آنها بهصورت جملهبهجمله ثبت و کُدگذاری گردید. سپس سه انگارة شناختی یادشده پیادهسازی و خروجیهای هممقیاسشدة آنها (۰ تا ۱) با دادههای واقعی آزمودنیها مقایسه شد. تحلیلهای آماری شامل شاخصهای دقّت، صحّت، بازخوانی و F1، بههمراه همبستگی پیرسون و آزمون t زوجی انجام گرفت. یافتهها نشان داد که انگارة چشمانداز در بازنمایی مفاهیم کلیدی و روابط معنایی کارآمدتر بود، در حالیکه انگارة نمایهسازی رویداد توانست انسجام زمانی و علیّت متون روایی را بهتر بازنمایی کند. با این حال، هیچیک بهتنهایی توانایی پوشش کامل الگوی یادسپاری انسانی را نداشتند. در مقابل، انگارة بازنگریشده با ادغام سه سازوکار شناختی و لحاظ کردن اثر موقعیت سریالی، بالاترین سطح همبستگی را با دادههای رفتاری ارائه داد و در شاخص هماهنگی (F1) نیز نسبت به دو انگارة کلاسیک برتری معناداری نشان داد. این نتایج نشان میدهد که بهرهگیری از سازوکارهای چندلایة شناختی میتواند پیشبینی دقیقتر و واقعبینانهتری از حافظة متنی فراهم آورد. افزون بر اهمیت نظری، این دستاورد چشماندازهای تازهای برای طراحی ابزارهای آموزشی تطبیقی، توانبخشی شناختی و سامانههای پردازش زبان طبیعی مبتنی بر الگوهای حافظه انسانی فراهم میکند. | ||
| کلیدواژهها | ||
| یادسپاری؛ انگارة چشمانداز؛ انگارة نمایهسازی رویداد؛ انگارة بازنگریشده؛ تحلیل محاسباتی متن | ||
| مراجع | ||
|
Anderson, J. R., & Lebiere, C. (1998). The Atomic Components of Thought. Lawrence Erlbaum Associates. Baddeley, A. (2003). Working memory: Looking back and looking forward. Nature Reviews Neuroscience, 4(10), 829-839. Bojanowski, P., Grave, E., Joulin, A., & Mikolov, T. (2017). Enriching word vectors with subword information. Transactions of the Association for Computational Linguistics, 5, 135-146. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165. Bruner, J. S. (1986). Actual Minds, Possible Worlds. Harvard University Press. Chen, Z., Yu, W., Liu, Y., & Zhao, Y. (2021). Integrating cognitive science with natural language processing: A case study of memory modeling. Cognitive Computation, 13, 123–138. Doshi-Velez, F., & Kim, B. (2017). Towards a rigorous science of interpretable machine learning. arXiv preprint. Ebbinghaus, H. (1885/2013). Memory: A Contribution to Experimental Psychology. Translated by H.A. Ruger & C.E. Bussenius. New York: Teachers College, Columbia University. Hasson, U., Nastase, S. A., & Goldstein, A. (2020). Direct fit to nature: An evolutionary perspective on biological and artificial neural networks. Neuron, 105(3), 416-434. Hupkes, D., et al. (2020). Compositionality decomposed: How do neural networks generalize? Journal of Artificial Intelligence Research, 67, 757-795. Kintsch, W. (1988). The role of knowledge in discourse comprehension: A construction-integration model. Psychological Review, 95(2), 163-182. Kintsch, W. (1998). Comprehension: A Paradigm for Cognition. Cambridge University Press. Mao, J., et al. (2019). Neuro-symbolic concept learner: Interpreting scenes, words, and sentences from natural supervision. International Conference on Learning Representations (ICLR). Mar, R. A., Djikic, M., & Oatley, K. (2021). The function of fiction is the abstraction and simulation of social experience. Perspectives on Psychological Science, 16(3), 595–613. Pennington, J., Socher, R., & Manning, C. D. (2014). GloVe: Global vectors for word representation. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), 1532-1543. Radvansky, G. A., & Zacks, J. M. (2011). Event perception. Wiley Interdisciplinary Reviews: Cognitive Science, 2(6), 608-620. Rudin, C. (2019). Stop explaining black box models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206-215. Tenney, I., Das, D., & Pavlick, E. (2019). BERT rediscovers the classical NLP pipeline. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, 4593-4601. Tulving, E. (1983). Elements of Episodic Memory. Oxford: Clarendon Press. van den Broek, P., Young, M., Tzeng, Y., & Linderholm, T. (1999). The Landscape Model of reading: Inferences and the online construction of a memory representation. In H. van Oostendorp & S. R. Goldman (Eds.), The Construction of Mental Representations During Reading (pp. 71–98). Mahwah, NJ: Erlbaum. van den Broek, P., Risden, K., Fletcher, C. R., & Thurlow, R. (1996). A “landscape” view of reading: Fluctuating patterns of activation and the construction of a stable memory representation. In B. K. Britton & A. C. Graesser (Eds.), Models of Understanding Text (pp. 165-187). Hillsdale, NJ: Erlbaum. Van den Broek, P., Rapp, D. N., & Kendeou, P. (2005). Integrating memory-based and constructionist processes in accounts of reading comprehension. Discourse Processes, 39(2-3), 299–316. Van Dijk, T. A., & Kintsch, W. (1983). Strategies of Discourse Comprehension. Academic Press. Vaswani, A., et al. (2017). Attention is all you need. Advances in Neural Information Processing Systems (NeurIPS), 30, 5998-6008. Yeari, M., & van den Broek, P. (2016). A computational modeling of semantic knowledge in reading comprehension: Integrating the landscape model with latent semantic analysis. Behavior Research Methods, 48(3), 880–896. Zwaan, R. A., Langston, M. C., & Graesser, A. C. (1995). The construction of situation models in narrative comprehension: An event-indexing model. Psychological Science, 6(5), 292-297. Zwaan, R. A., & Radvansky, G. A. (1998). Situation models in language comprehension and memory. Psychological Bulletin, 123(2), 162–185. | ||
|
آمار تعداد مشاهده مقاله: 75 تعداد دریافت فایل اصل مقاله: 46 |
||