Искусственное изучение грамматики ( AGL ) - это парадигма обучения в когнитивной психологии и лингвистике . Его цель - исследовать процессы, лежащие в основе изучения человеческого языка, путем тестирования способности испытуемых выучить выдуманную грамматику в лабораторных условиях. Он был разработан для оценки процессов изучения человеческого языка, но также использовался для изучения неявного обучения.в более общем смысле. Сфера интересов - это, как правило, способность испытуемых обнаруживать закономерности и статистические закономерности на этапе обучения, а затем использовать свои новые знания об этих закономерностях на этапе тестирования. На этапе тестирования можно использовать символы или звуки, использованные на этапе обучения, или передать шаблоны другому набору символов или звуков в качестве поверхностной структуры.
Многие исследователи предполагают, что правила искусственной грамматики изучаются на неявном уровне, поскольку правила грамматики никогда не представляются участникам явно. Парадигма также недавно использовалась для других областей исследований, таких как способность к изучению языка , структурное праймирование [1], а также для исследования того, какие структуры мозга участвуют в усвоении синтаксиса и неявном обучении.
Помимо людей, парадигма также использовалась для исследования обучения паттернам у других видов, например тамаринов и скворцов .
История
Более полувека назад Джордж А. Миллер [2] установил парадигму искусственного изучения грамматики, чтобы исследовать влияние явных грамматических структур на обучение человека, он разработал грамматическую модель букв с различными последовательностями. Его исследования показали, что запоминать структурированную грамматическую последовательность легче, чем случайную последовательность букв. Его объяснение заключалось в том, что учащиеся могут идентифицировать общие характеристики между изученными последовательностями и, соответственно, кодировать их в набор памяти. Он предсказал, что испытуемые могут определить, какие буквы с наибольшей вероятностью будут повторяться вместе как последовательность, а какие нет, и что испытуемые будут использовать эту информацию для формирования наборов памяти. Эти наборы памяти служили участникам стратегией позже во время тестов памяти.
Ребер [3] усомнился в объяснении Миллера. Он утверждал, что если участники могут закодировать правила грамматики как наборы продуктивной памяти, то они смогут детально выразить свою стратегию вербализацией. Он провел исследование, которое привело к развитию современной парадигмы AGL. В этом исследовании для проверки неявного обучения использовалась синтетическая модель обучения грамматике. AGL стала самой используемой и проверенной моделью в этой области. Как и в исходной парадигме, разработанной Миллером, участников просили запомнить список цепочек букв, которые были созданы на основе искусственной модели грамматических правил. Только на этапе тестирования участникам сказали, что за запоминаемыми ими последовательностями букв стоит набор правил. Затем им было дано указание классифицировать новые буквенные строки на основе того же набора правил, которым они ранее не подвергались. Они классифицировали новые буквенные строки как «грамматические» (построенные на основе правила грамматики), в отличие от «случайно построенных» последовательностей. Если испытуемые правильно отсортировали новые строки выше вероятностного уровня, можно сделать вывод, что испытуемые усвоили структуру грамматических правил без каких-либо явных указаний правил. Ребер [3] обнаружил, что участники отсортировали новые строки выше случайного уровня. Хотя они сообщили об использовании стратегий во время задачи сортировки, они не смогли на самом деле выразить эти стратегии вербализацией. Испытуемые могли определить, какие строки были грамматически правильными, но не могли определить правила, которые составляли грамматические строки.
Это исследование было воспроизведено и расширено многими другими. [4] [5] [6] [7] Выводы большинства этих исследований совпадали с гипотезой Ребера: неявный процесс обучения проводился без преднамеренных стратегий обучения. Эти исследования также выявили общие характеристики неявно приобретенных знаний:
- Абстрактное представление набора правил.
- Бессознательные стратегии, которые можно проверить с помощью производительности.
Современная парадигма
Современная парадигма AGL может использоваться для исследования явного и неявного обучения, хотя чаще всего она используется для проверки неявного обучения. В типичном эксперименте AGL участники должны запоминать строки букв, ранее созданные с помощью определенной грамматики . Длина строк обычно составляет от 2 до 9 букв в строке. Пример такой грамматики показан на рисунке 1.
Рисунок 1: Пример искусственного правила грамматики
- Правильные строки: VXVS, TPTXVS Неправильные строки: VXXXS, TPTPS
Чтобы составить грамматически «правильную» строку букв в соответствии с заранее определенным правилом грамматики, испытуемый должен следовать правилам пары букв, представленным в модели (рисунок 1). При обнаружении нарушения системы грамматических правил, из которой состоит строка, она считается «неуправляемой» или случайно построенной строкой.
В случае стандартной неявной учебной задачи AGL [3] испытуемым не сообщается, что строки основаны на определенной грамматике. Вместо этого им просто дается задание запомнить цепочки букв на память. После этапа обучения испытуемым сообщают, что цепочки букв, представленные на этапе обучения, были основаны на определенных правилах, но им не сообщается явно, каковы правила. На этапе тестирования испытуемым предлагается классифицировать новые цепочки букв как «правильные» или «непокорные». Обычно измеряемая зависимая переменная - это процент правильно отнесенных к категории строк. Неявное обучение считается успешным, если процент правильно отсортированных строк значительно превышает уровень вероятности. Если это существенное различие обнаружено, это указывает на существование процесса обучения, который более сложен, чем запоминание представленных цепочек букв. [8]
Байесовское обучение
Механизм, лежащий в основе неявного обучения, которое, как предполагается, происходит, когда люди занимаются искусственным изучением грамматики, - это статистическое обучение или, более конкретно, байесовское обучение . Байесовское обучение учитывает типы предубеждений или «априорных распределений вероятностей», которые есть у людей, которые влияют на результат неявных учебных задач. Эти смещения можно рассматривать как распределение вероятностей, которое содержит вероятность того, что каждая возможная гипотеза будет верной. Из-за структуры байесовской модели выводы, выводимые моделью, имеют форму распределения вероятностей, а не одного наиболее вероятного события. Это выходное распределение является «распределением апостериорной вероятности». Апостериорная вероятность каждой гипотезы в исходном распределении - это вероятность того, что гипотеза верна с учетом данных, и вероятность того, что данные верны, если гипотеза верна. [9] Эта байесовская модель обучения является фундаментальной для понимания процесса обнаружения паттернов, вовлеченного в неявное обучение, и, следовательно, механизмов, лежащих в основе усвоения правил искусственного обучения грамматике. Предполагается, что неявное изучение грамматики предполагает прогнозирование совпадения определенных слов в определенном порядке. Например, «собака гналась за мячом» - это предложение, которое можно выучить как грамматически правильное на неявном уровне из-за частого совпадения слова «погоня», являющегося одним из слов, следующих за словом «собака». Такие предложения, как «собака кошка мяч» неявно признается грамматически неверным из-за отсутствия высказываний, которые содержат эти слова, спаренные в определенном порядке. Этот процесс важен для разделения тематических ролей и частей речи при грамматической обработке (см. Грамматику ). В то время как обозначение тематических ролей и частей речи явное, идентификация слов и частей речи подразумевается.
Пояснительные модели
Традиционные подходы к AGL утверждают, что хранимые знания, полученные на этапе обучения, являются абстрактными. [3] Другие подходы [5] [10] утверждают, что эти хранимые знания являются конкретными и состоят из примеров строк, встречающихся на этапе обучения, или «фрагментов» этих образцов. [6] [11] В любом случае предполагается, что информация, хранящаяся в памяти, извлекается на этапе тестирования и используется для помощи в принятии решений о цепочках букв. [12] [13] Три основных подхода пытаются объяснить явления AGL:
- Абстрактный подход : в соответствии с этим традиционным подходом участники получают абстрактное представление об искусственном грамматическом правиле на этапе обучения. Эта абстрактная структура помогает им решить, является ли новая строка, представленная на этапе тестирования, грамматической или произвольной. [14]
- Подход с конкретным знанием : этот подход предполагает, что на этапе обучения участники изучают конкретные примеры строк и сохраняют их в своей памяти. На этапе тестирования участники не сортируют новые строки в соответствии с абстрактным правилом; вместо этого они будут сортировать их в соответствии с их сходством с примерами, хранящимися в памяти на этапе обучения. Существует множество мнений относительно того, насколько конкретны полученные знания. Брукс и Воки [5] [10] утверждают, что все знания, хранящиеся в памяти, представлены в виде конкретных примеров полных примеров, изученных на этапе обучения. На этапе тестирования строки сортируются в соответствии с полным представлением примеров строк на этапе обучения. С другой стороны, Perruchet & Pacteau [6] утверждали, что знания о строках на этапе обучения хранятся в форме «фрагментов памяти», где 2–3 буквы изучаются как последовательность вместе со знаниями об их разрешенном расположении в полная строка. [6] [11]
- Двухфакторный подход : модель обучения с двойным процессом сочетает в себе подходы, описанные выше. Этот подход предполагает, что человек будет полагаться на конкретные знания, когда это возможно. Когда они не могут полагаться на конкретные знания (например, на передачу учебного задания), человек будет использовать абстрактное знание правил. [4] [15] [16] [17]
Исследования пациентов с амнезией показывают, что наиболее точной моделью может быть «двухфакторный подход». [18] Серия экспериментов с пациентами с амнезией подтверждает идею о том, что AGL включает в себя как абстрактные концепции, так и конкретные образцы. Пациенты с амнезиаками могли классифицировать стимулы как «грамматические» и «случайно сконструированные» так же хорошо, как и участники контрольной группы. Несмотря на то, что люди с амнезиаком могли успешно выполнить задание, они не могли явно вспомнить грамматические «фрагменты» последовательности букв, в то время как контрольная группа могла их явно вспомнить. При выполнении задачи с теми же правилами грамматики, но с другой последовательностью букв, чем те, на которых они были ранее протестированы, как пациенты с амнезиаком, так и контрольная группа смогли выполнить задачу (хотя производительность была лучше, когда задача была выполнена с использованием того же набора букв, используемых для обучения). Результаты эксперимента подтверждают двухфакторный подход к искусственному изучению грамматики, в котором люди используют абстрактную информацию для изучения правил грамматики и используют конкретную, специфичную для образца память для фрагментов. Поскольку больные амнезиаком не могли хранить в памяти определенные «фрагменты», они выполняли задачу, используя абстрактный набор правил. Контрольная группа смогла сохранить эти конкретные фрагменты в памяти и (о чем свидетельствует отзыв) действительно сохранила эти примеры в памяти для дальнейшего использования.
Дискуссия об автоматизме
Исследование AGL подверглось критике из-за «автоматического вопроса»: считается ли AGL автоматическим процессом? Во время кодирования (см. Кодирование (память) ) исполнение может быть автоматическим в том смысле, что оно происходит без сознательного контроля (без сознательного руководства намерениями исполнителя). В случае AGL утверждалось, что неявное обучение - это автоматический процесс, поскольку он осуществляется без намерения изучить конкретное правило грамматики. [3] Это соответствует классическому определению «автоматического процесса» как быстрого, бессознательного, не требующего усилий процесса, который может начаться непреднамеренно. Когда оно возбуждено, оно продолжается до тех пор, пока не закончится, не имея возможности остановить или игнорировать его последствия. [19] [20] [21] Это определение неоднократно подвергалось сомнению. Были даны альтернативные определения автоматического процесса. [22] [23] [24] Предположение Ребера о том, что AGL является автоматическим, может быть проблематичным, поскольку подразумевает, что непреднамеренный процесс является автоматическим по своей сути. Сосредоточившись на тестах AGL, необходимо решить несколько проблем. Процесс сложный и включает в себя кодирование, отзыв или поиск. И кодирование, и извлечение можно интерпретировать как автоматические процессы, поскольку то, что было закодировано на этапе обучения, не является необходимым для задачи, намеренно выполняемой на этапе тестирования. [25] Исследователям необходимо различать неявность как относящуюся к процессу обучения или кодирования знаний, а также как относящуюся к производительности на этапе тестирования или извлечения знаний. Знания, закодированные во время обучения, могут включать в себя многие аспекты предъявляемых стимулов (целые строки, отношения между элементами и т. Д.). Вклад различных компонентов в производительность зависит как от конкретной инструкции на этапе сбора данных, так и от требований задачи поиска. [13] Таким образом, инструкции на каждом этапе важны для того, чтобы определить, потребуется ли автоматическая обработка на каждом этапе. Автоматичность каждой фазы следует оценивать отдельно.
Одна из гипотез, которая противоречит автоматизму AGL, - это «простой эффект воздействия». Эффект простого воздействия - это усиленный аффект по отношению к стимулу, который является результатом неусиленного, повторяющегося воздействия стимула. [26] Результаты более чем 200 экспериментов с этим эффектом показывают, что существует положительная взаимосвязь между средней оценкой «хорошего качества» и частотой воздействия стимула. Стимулы для этих экспериментов включали линейные рисунки, многоугольники и бессмысленные слова (которые являются типами стимулов, используемых в исследованиях AGL). В этих экспериментах участники подвергались воздействию каждого стимула до 25 раз. После каждого воздействия участников просили оценить степень, в которой каждый стимул предлагал «хороший» или «плохой» эффект по 7-балльной шкале. В дополнение к основной схеме результатов в нескольких экспериментах также было обнаружено, что участники оценили более высокий положительный эффект для ранее подвергавшихся воздействию предметов, чем для новых предметов. Поскольку имплицитное познание не должно ссылаться на предыдущие эпизоды исследования, влияние на рейтинги аффектов не должно наблюдаться, если обработка этих стимулов действительно подразумевается. Результаты этих экспериментов показывают, что различная категоризация строк может происходить из-за различий в аффекте, связанном со строками, а не из-за неявно усвоенных правил грамматики.
Искусственный интеллект
С появлением компьютеров и искусственного интеллекта были адаптированы компьютерные программы, которые пытаются имитировать неявный процесс обучения, наблюдаемый в парадигме AGL. Программы ИИ, впервые адаптированные для моделирования естественного и искусственного изучения грамматики, использовали следующую базовую структуру:
- Дано
- Набор грамматических предложений какого-либо языка.
- Находить
- Процедура распознавания и / или создания всех грамматических предложений на этом языке.
Ранней моделью изучения грамматики искусственного интеллекта является система SNPR Вольфа. [27] [28] Программа получает серию букв без пауз или знаков препинания между словами и предложениями. Затем программа исследует строку в подмножествах и ищет общие последовательности символов и определяет «фрагменты» в терминах этих последовательностей (эти фрагменты сродни фрагментам для конкретных примеров, описанным для AGL). По мере того, как модель приобретает эти фрагменты в результате экспонирования, фрагменты начинают заменять последовательности неразрывных букв. Когда фрагмент предшествует или следует за общим фрагментом, модель определяет дизъюнктивные классы в терминах первого набора. [28] Например, когда модель встречает «погоня за собакой» и «погоня за кошкой», она классифицирует «собаку» и «кошку» как членов одного и того же класса, поскольку оба они предшествуют «погоне». Хотя модель сортирует фрагменты по классам, она явно определяет эти группы (например, существительное, глагол). Ранние ИИ-модели изучения грамматики, подобные этим, игнорировали важность негативных примеров влияния грамматики на усвоение грамматики, а также не имели возможности связать грамматические правила с прагматикой и семантикой . В более новых моделях предпринята попытка учесть эти детали. Унифицированная модель [29] пытается учесть оба этих фактора. Модель разбивает грамматику по «репликам». Языки помечают падежные роли с помощью пяти возможных типов сигналов: порядок слов, регистр, согласие, интонация и глагольное ожидание (см. Грамматику ). Влияние каждой реплики на грамматику языка определяется ее «силой реплики» и «достоверностью реплики». Оба этих значения определяются с использованием одной и той же формулы, за исключением того, что сила реплики определяется посредством экспериментальных результатов, а достоверность реплики определяется посредством подсчета корпуса из языковых баз данных. Формула силы / действия реплики выглядит следующим образом:
- Сила сигнала / достоверность сигнала = доступность сигнала * надежность сигнала
Доступность сигнала - это доля раз, в течение которого сигнал доступен в течение необходимого времени. Надежность сигнала - это доля правильных сигналов по отношению к общему количеству повторений сигнала. Объединяя надежность реплики вместе с доступностью реплики, унифицированная модель способна учесть влияние отрицательных экземпляров грамматики, поскольку она принимает во внимание точность, а не только частоту. В результате это также учитывает семантическую и прагматическую информацию, поскольку реплики, которые не создают грамматику в соответствующем контексте, будут иметь низкую силу реплики и достоверность реплики. Хотя модель Мак-Уинни [29] также имитирует естественное изучение грамматики, она пытается смоделировать неявные процессы обучения, наблюдаемые в парадигме AGL.
Когнитивная нейробиология и парадигма AGL
Современные исследования с помощью AGL попытались определить, какие структуры участвуют в усвоении грамматики и неявном обучении. Пациенты с аграмматической афазией (см. Аграмматизм ) были протестированы с парадигмой AGL. Результаты показывают, что нарушение речи при аграмматической афазии связано с нарушением искусственного обучения грамматике, что указывает на повреждение общих нейронных механизмов, обслуживающих как язык, так и последовательное обучение. [30] Де Фрис, Барт, Майворм, Кнехт, Цвицерлод и Флёль [31] обнаружили, что электрическая стимуляция области Брока улучшает неявное изучение искусственной грамматики. Стимуляция постоянным током может способствовать приобретению грамматических знаний, что может представлять потенциальный интерес для реабилитации при афазии. Петерссон, Василики и Хагоорт [32] исследуют нейробиологические корреляты синтаксиса , обработку структурированных последовательностей, сравнивая результаты фМРТ синтаксиса искусственного и естественного языков. Они утверждают, что « иерархия Хомского » не имеет прямого отношения к нейробиологическим системам через тестирование AGL.
Смотрите также
- Адаптивная грамматика
- Грамматическая индукция
Рекомендации
- ^ Питер, Мишель; Чанг, Франклин; Пайн, Джулиан М .; Блайтинг, Райан; Роуленд, Кэролайн Ф. (май 2015 г.). «Когда и как дети развивают знания о структуре аргумента глагола? Доказательства влияния глагольного смещения в задании на структурное прайминг». Журнал памяти и языка . 81 : 1–15. DOI : 10.1016 / j.jml.2014.12.002 . hdl : 11858 / 00-001M-0000-002B-4649-3 . ISSN 0749-596X .
- ^ Миллер, Г. А. (1958). «Свободный вызов повторяющихся цепочек букв». Журнал экспериментальной психологии . 56 (6): 485–491. DOI : 10.1037 / h0044933 . PMID 13611173 .
- ^ а б в г д Ребер, А.С. (1967). «Неявное изучение искусственной грамматики». Вербальное обучение и вербальное поведение . 5 (6): 855–863. DOI : 10.1016 / s0022-5371 (67) 80149-X .
- ^ а б Мэтьюз, Р. Buss, RR; Стэнли, ВБ; Blanchard-Fields, F .; Чо, младший; Друхан, Б. (1989). «Роль неявных и явных процессов в обучении на примерах: синергетический эффект». Журнал экспериментальной психологии: обучение, память и познание . 15 (6): 1083–1100. CiteSeerX 10.1.1.456.8747 . DOI : 10.1037 / 0278-7393.15.6.1083 .
- ^ а б в Брукс, Л. Р.; Воки, младший (1991). «Абстрактные аналогии и абстрактные грамматики: комментарии к Реберу (1989) и Мэтьюсу и др. (1989)». Журнал экспериментальной психологии: Общие . 120 (3): 316–323. DOI : 10.1037 / 0096-3445.120.3.316 .
- ^ а б в г Perruchet, P .; Пакто, К. (1990). «Синтетическое изучение грамматики: неявная абстракция правил или явное фрагментарное знание». Журнал экспериментальной психологии . 119 (3): 264–275. CiteSeerX 10.1.1.116.3120 . DOI : 10.1037 / 0096-3445.119.3.264 .
- ^ Альтманн, GMT; Dienes, Z .; Гуд, А. (1995). «Независимость от модальности неявно усвоенных грамматических знаний». Журнал экспериментальной психологии: обучение, память и познание . 21 (4): 899–912. DOI : 10.1037 / 0278-7393.21.4.899 .
- ^ Сегер, Калифорния (1994). «Неявное обучение». Психологический бюллетень . 115 (2): 163–196. DOI : 10.1037 / 0033-2909.115.2.163 . PMID 8165269 .
- ^ Капацинский, В. (2009). «Архитектура грамматики в искусственном обучении грамматике: формальные предубеждения в освоении морфофонологии и природа учебной задачи» . Университет Индианы : 1-260.
- ^ а б Vokey, JR; Брукс, LR (1992). «Важность предметных знаний в изучении искусственной грамматики». Журнал экспериментальной психологии: обучение, память и познание . 18 (2): 328–344. DOI : 10.1037 / 0278-7393.18.2.328 .
- ^ а б Servan-Schreiber, E .; Андерсон, младший (1990). «Фрезерование как механизм неявного обучения». Журнал экспериментальной психологии: обучение, память и познание . 16 (4): 592–608. DOI : 10.1037 / 0278-7393.16.4.592 .
- ^ Pothos, EM (2007). «Теории искусственного обучения грамматике». Психологический бюллетень . 133 (2): 227–244. CiteSeerX 10.1.1.137.1619 . DOI : 10.1037 / 0033-2909.133.2.227 . PMID 17338598 .
- ^ а б Познанский, Ю .; Цельгов, Дж. (2010). «Что подразумевается в неявном искусственном изучении грамматики?». Ежеквартальный журнал экспериментальной психологии . 63 (8): 1495–2015. DOI : 10.1080 / 17470210903398121 . PMID 20063258 . S2CID 28756388 .
- ^ Ребер, А.С. (1969). «Передача синтаксической структуры в синтаксических языках». Журнал экспериментальной психологии . 81 : 115–119. DOI : 10.1037 / h0027454 .
- ^ МакЭндрюс, член парламента; Москович, М. (1985). «Классификация на основе правил и примеров в искусственном обучении грамматике» . Память и познание . 13 (5): 469–475. DOI : 10.3758 / bf03198460 . PMID 4088057 .
- ^ Ребер, А.С. (1989). «Неявное обучение и неявное знание». Журнал экспериментальной психологии . 118 (3): 219–235. CiteSeerX 10.1.1.207.6707 . DOI : 10.1037 / 0096-3445.118.3.219 .
- ^ Reber, AS; Аллен Р. (1978). «Аналоговые стратегии абстракции в синтетическом обучении грамматике: функционалистская интерпретация». Познание . 6 (3): 189–221. DOI : 10.1016 / 0010-0277 (78) 90013-6 . S2CID 53199118 .
- ^ Ноултон, Б.Дж.; Сквайр, Л. Р. (1996). «Искусственное изучение грамматики зависит от неявного усвоения как абстрактной, так и конкретной информации». Журнал экспериментальной психологии: обучение, память и познание . 22 (1): 169–181. DOI : 10.1037 / 0278-7393.22.1.169 . S2CID 6465608 .
- ^ Hasher, L .; Zacks, R. (1979). «Автоматические и требующие усилий процессы в памяти». Журнал экспериментальной психологии: Общие . 108 (3): 356–388. DOI : 10.1037 / 0096-3445.108.3.356 .
- ^ Schneider, W .; Дюмэ, СТ; Шиффрин, Р.М. (1984). «Автоматическая и контролируемая обработка и внимание». В Р. Парасураман и Д. Дэвис (ред.), Разновидности внимания . Нью-Йорк: Академическая пресса: 1–17.
- ^ Логан, GD (1988). «Автоматичность, ресурсы и память: теоретические споры и практическое значение». Человеческий фактор . 30 (5): 583–598. DOI : 10.1177 / 001872088803000504 . PMID 3065212 . S2CID 43294231 .
- ^ Целгов, Дж. (1999). «Автоматизация и обработка без ведома» (PDF) . Психея . 5 .
- ^ Логан, GD (1980). «Внимание и автоматизм в задачах Stroop и прайминга: теория и данные». Когнитивная психология . 12 (4): 523–553. DOI : 10.1016 / 0010-0285 (80) 90019-5 . PMID 7418368 . S2CID 15830267 .
- ^ Логан, GD (1985). «Исполнительный контроль мысли и действия». Acta Psychologica . 60 (2–3): 193–210. DOI : 10.1016 / 0001-6918 (85) 90055-1 .
- ^ Perlman, A .; Цельгов, Дж. (2006). «Взаимодействие между кодированием и поиском в области обучения последовательностям». Журнал экспериментальной психологии: обучение, память и познание . 32 (1): 118–130. DOI : 10.1037 / 0278-7393.32.1.118 . PMID 16478345 .
- ^ Manza, L .; Зизак, Д .; Ребер, А.С. (1998). «Искусственное изучение грамматики и простой эффект воздействия: задачи эмоционального предпочтения и неявный процесс обучения». В Stadler, MA и Frensch, PA (Eds.), Handbook of Implicit Learning . Таузенд-Оукс, Калифорния: Sage Publications, Inc .: 201–222.
- ^ Вольф, Дж. Г. (1982). «Приобретение языка, сжатие и обобщение данных» . Язык и общение . 2 : 57–89. DOI : 10.1016 / 0271-5309 (82) 90035-0 .
- ^ а б Мак-Уинни, Б. (1987). Механизмы овладения языком . Хиллсдейл, Нью-Джерси: ISBN Lawrence Erlbaum Associates, Inc. 9781317757405.
- ^ а б Мак-Уинни, Б. (2008). «Единая модель». В Робинсон, П. и Эллис, Н. (ред.), Справочник по когнитивной лингвистике и овладению вторым языком . Махва, Нью-Джерси: Лоуренс Эрлбаум Ассошиэйтс.
- ^ Кристиансен, MH; Келли, ML; Shillcock, RC; Гринфилд, К. (2010). «Нарушение искусственного усвоения грамматики в аграмматизме». Познание . 116 (3): 383–393. DOI : 10.1016 / j.cognition.2010.05.015 . PMID 20605017 . S2CID 43834239 .
- ^ De Vries, MH; Барт, ACR; Maiworm, S .; Knecht, S .; Zwisterlood, P .; Флоэль, А. (2010). «Электрическая стимуляция области Брока способствует неявному изучению искусственной грамматики». Когнитивная неврология . 22 (11): 2427–2436. CiteSeerX 10.1.1.469.3005 . DOI : 10.1162 / jocn.2009.21385 . PMID 19925194 . S2CID 7010584 .
- ^ Петерссон, КМ; Василики, Ф .; Хагоорт, П. (2010). «Что говорит искусственное изучение грамматики о нейробиологии синтаксиса» (PDF) . Мозг и язык : 340–353.