Sanantunnistuksen tehokkuus lukemisen sujuvuuden ennustajana aikuisilla lukijoilla
Notice bibliographique
Résumé
Tämän silmänliiketutkimuksen tarkoituksena oli selvittää, kuinka yksittäisten sanojen tunnistuksella kyetään selittämään tekstin lukemisen sujuvuutta suomenkielisillä aikuisilla lukijoilla. Lisäksi haluttiin selvittää, mikä sanantunnistuksen osaprosessi erityisesti selittäisi yhteyttä. Aiemmissa tutkimuksissa on saatu laajasti näyttöä siitä, että taidoiltaan paremmat lukijat tekevät lukiessaan vähemmän ja lyhyempiä fiksaatioita sekä saavat tekstistä enemmän informaatiota jo parafovean alueelta kuin taidoiltaan heikommat lukijat. Tässä tutkimuksessa tarkasteltiin erikseen fovean ja parafovean alueen sanantunnistusta ja tunnistettavana oli sekä oikeita suomenkielisiä sanoja että suomen kielen rakennetta muistuttavia epäsanoja. Sanantunnistustehtävien oikeiden vastausten osuutta verrattiin silmänliikkeisiin lukemistehtävässä, jossa koehenkilöiden tuli lukea näytöllä olevia suomenkielisiä asiatekstejä. Silmänliikkeistä tarkasteltiin kunkin virkkeen ensimmäisen lukukerran fiksaatioita sekä taipumusta palata tekstissä taaksepäin. Tutkimuksen tulokset analysoitiin lineaarisella sekamallilla sekä yleistetyllä lineaarisella sekamallilla ja analysoinnissa käytettiin R-ohjelmistoa. \nTutkimuksen tulokset osoittivat, että tehokas sanantunnistus fovealla oli yhteydessä fiksaatioiden pienempään lukumäärään ja lyhyempään kestoon tekstin lukemisessa. Yhteys oli nähtävissä sekä oikeiden sanojen että epäsanojen osalta mutta epäsanojen tehokas prosessointi selitti lukemisen sujuvuutta hieman oikeiden sanojen tunnistusta paremmin. Tämän ajateltiin kuvaavan epäsuoran sanantunnistusreitin suhteellisen suurta merkitystä suomenkielisessä lukemisessa, mikä voisi selittyä muun muassa sillä, että suomen kielen sanoissa erilaiset päätteet ovat keskeisiä. Parafovean alueen sanantunnistuksen ei havaittu olevan yhteydessä lukemisen silmänliikkeisiin. Voitaisiin siis olettaa, että keskeisempää tekstin lukemisen sujuvuudessa on tehokkaasti toimiva sanantunnistus tarkan näön alueella kuin niinkään laaja havaintokenttä. Aiemmissa tutkimuksissa havaittu ero parafoveaalisessa prosessoinnissa lukutaidon suhteen voisikin ainakin osaltaan selittyä sillä, että nopeat lukijat tunnistavat nopeammin fovealla olevan sanan, jolloin aikaa jää myös parafovealla olevan sanan prosessointiin. Sanantunnistus oli tässä tutkimuksessa yhteydessä nimenomaan lukemisen nopeuteen, mutta luetun ymmärtämisestä ei voida tehdä selkeitä päätelmiä.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».