A critical re-evaluation of Friederici's (2002) sentence processing model with particular consideration of task effects, item effects, and inter-individual differences
Bibliographic record
Abstract
La présente thèse doctorale explore les marqueurs électro-physiologiques des mécanismes sous-jacents du traitement de la phrase. Les deux études qui la constituent établissent les bases d'une réévaluation d'un des modèles les plus influents à l'heure actuelle (Friederici, 2002). Un point central de ce dernier est connu sous le nom de « Blocage sémantique ». Cette hypothèse prédit qu'une erreur de catégorie syntaxique, mettant en échec la formation syntagmatique, « bloque » l'analyse sémantique du mot qui comporte cette erreur. Friederici, Steinhauer et Frisch (1999) semblent appuyer cette hypothèse. Ils rapportent en effet que la composante N400 (index de traitement sémantique) est absente lorsqu'une incongruence sémantique est combinée avec une erreur de catégorie syntaxique en allemand. Notre première étude visait à tester la proposition alternative de Steinhauer et Drury (2012) pour expliquer l'absence de N400, en utilisant les mêmes stimuli que Friederici et coll. (1999). Cependant, nous n'avons pas répliqué le phénomène de Blocage sémantique (c.-à-d. l'absence de N400). En conséquence, nous avons testé six groupes additionnels afin d'examiner les trois facteurs qui distinguaient notre étude de celle de Friederici et coll. (1999) : le statut d'immersion linguistique des participants, les remplisseurs utilisés, et le type de tâche (c.-à-d. les instructions données aux participants). Les résultats montrent une absence d'effet du statut linguistique (en immersion au Canada vs. en Allemagne), et seulement une influence marginalement significative des types de remplisseurs. En revanche, le type de tâche a une grande influence sur les potentiels évoqués (PÉs). Pourtant, même en utilisant une tâche identique à Friederici et coll. (1999), des différences persistent entre les deux ensembles de données, dont les causes et implications sont discutées dans ce travail. Les indicateurs du Blocage sémantique n'étant répliqués dans aucun des sept groupes testés, nous en concluons que l'hypothèse du Blocage sémantique, dans sa forme actuelle, n'est pas soutenable.Dans le deuxième manuscrit, nous identifions une autre raison potentielle pour l'absence de réplication des résultats de Friederici et coll. (1999). En examinant les PÉs pour chaque participant, nous avons observé une grande variabilité : le mot cible induisait une N400 chez certains participants, ou une P600 chez d'autres. C'est pourquoi nous avons testé un sous-groupe de 42 participants avec une batterie complète de mesures comportementales (motivation pendant l'expérience, mémoire de travail, ainsi qu'habiletés linguistiques générales, syntaxiques, sémantiques pré et post-lexicales) afin d'évaluer l'influence de ces paramètres sur la N400 et la P600. Surtout, nous avons exploité deux méthodes d'analyse innovatrices, la Décomposition des résidus par itération (Residue Iteration Decomposition, RIDE), et les Modèles mixtes additifs généralisés (Generalized Additive Mixed Models, GAMMs). Ces techniques promettent d'alléger divers problèmes méthodologiques communément observés dans les recherches utilisant les PÉs. Les avantages et inconvénients de chaque technique sont discutés. Nos résultats concernant la relation entre nos six paramètres comportementaux et les composantes N400 et P600 sont cependant nuancés, en raison des limitations liées aux algorithmes GAMM actuels. Malgré tout, la motivation durant l'expérience émerge comme le prédicteur le plus consistant : nos analyses montrent qu'une hausse de la motivation est liée à une augmentation de l'amplitude de la N400, tandis que la P600 n'est pas affectée. Nous apportons une discussion détaillée des relations systématiques entre l'amplitude de la N400 et l'amplitude de la P600 pour chaque participant, au sein et à travers des différentes conditions.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.030 | 0.030 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.012 |
| Open science | 0.007 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".