Bottom-up skill learning

Nieuwe model voor taalverwerving bij baby’s

Het proefschrift van Mark Yang presenteert een overkoepelende, domeingenerieke verklaring van vroege taalverwerving met behulp van de PRIMs cognitieve architectuur. Waar traditionele theorieën vaak verdeeld zijn in leren-gebaseerde en regels-gebaseerde perspectieven, suggereert dit niewue onderzoek dat baby's deze processen naadloos integreren via bottom-up leren.

In plaats van vooraf gedefinieerde, complexe regels, gebruikt het model primitieve verwerkingselementen die zichzelf organiseren in verwerkingssequenties. Simulaties tonen aan dat dezelfde architectuur zowel lexicaal als syntactisch gedrag kan produceren, afhankelijk van de inputpatronen en verwerkingsefficiëntie.

Het onderzoek stapt af van rigide "als-dan"-regels naar procedurele representaties. Leren vindt plaats door associaties tussen real-time modelcontexten en verwerkingselementen. Bovendien introduceert het raamwerk vaardigheidselementen om de kloof tussen gewoonte en doelgerichte verwerking te overbruggen.

Deze lichtgewicht abstracties stellen het model in staat om taalspecifieke resultaten te differentiëren en zich aan te passen aan situationele veranderingen. De simulatiestudies voorspellen dat baby's beginnen met verwerking op macroniveau (continue codering) voordat ze zich verfijnen tot specifieke patronen. Het verklaart ook voorkeurs-kijkgedrag door de duur van de oogopslag te koppelen aan de efficiëntie en complexiteit van cognitieve verwerking. Ten slotte suggereert het onderzoek dat cognitieve belasting de ontwikkelingsmomenten voor verschillende taalkundige taken beïnvloedt.

Mark Yang verrichtte zijn promotieonderzoek bij de afdeling Kunstmatige Intelligentie van het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence.