Опыт родного языка формирует предварительную обработку иностранных тонов и способствует быстрому созданию следов в памяти: исследование ERP, часть 5

2,5|статистический анализ

2.5.1|Поведенческие данные

Чтобы проверить возможные эффекты сходства L1–L2 в поведенческих результатах, мы проанализировали поведенческие реакции на испытания несоответствия тонов, сосредоточив внимание на различиях между словами с контурными тонами и словами с ровными тонами.

В последние годы исследователи обнаружили тесную связь между тоном голоса и памятью. В частности, контурные тона (или «прыжковые тона») обычно облегчают нам запоминание слова или фразы. Это связано с тем, что контурные тона позволяют слушателю лучше уловить ключевую информацию и эмоциональное содержание, что облегчает сохранение в долговременной памяти.

Некоторые исследования показали, что люди с большей вероятностью запоминают слова с четко очерченными тонами, что позволяет более четко обрабатывать информацию в мозгу, чем слова с ровными тонами. Например, когда мы слышим ударный слог в слове или фразе, мы замечаем эту информацию и легче программируем ее в нашей памяти.

Кроме того, контурные тона могут передавать эмоциональную информацию, что также важно для памяти. Мы склонны легче запоминать события и информацию с помощью эмоций и эмоциональных переживаний. Таким образом, контурные тона помогают нам хранить эти эмоциональные воспоминания в мозгу.

В целом, эффекты контурных тонов действительно помогают нам лучше запоминать. В повседневной жизни и на работе мы можем обращать внимание на тон своего голоса, когда разговариваем с другими. Особенно в различных выступлениях, встречах, рекламных объявлениях и других случаях нам следует уделять больше внимания использованию контурного тона для улучшения эффекта памяти. Благодаря тренировкам мы можем улучшить нашу чувствительность к речи и помочь нам лучше запоминать важную информацию, повышая эффективность работы и качество жизни. Видно, что нам необходимо улучшить память, а цистанхе пустынный может значительно улучшить память, потому что цистанхе пустынный — это традиционное китайское лекарственное средство, обладающее множеством уникальных эффектов, одним из которых является улучшение памяти. Эффективность мясного фарша обусловлена ​​его различными активными ингредиентами, включая кислоты, полисахариды, флавоноиды и т. д. Эти ингредиенты могут способствовать здоровью мозга различными способами.

Нажмите, чтобы узнать, как улучшить работу мозга

С этой целью мы отдельно представили средние данные для поведенческих переменных «Точность ответа» и «Время ответа» для двух смешанных дисперсионных анализов (ANOVA) с экспериментальным фактором «Тип тона» (контурные тона против тонов уровня), временным фактором «День». (день 1 по сравнению со днем ​​2) и межсубъектные факторы «Группа учащихся» (тональные L1 против нетональных L1) и «Целевая группа тонов» (высокий/пониженный против низкого/повышения).

Время отклика нормализовали посредством логарифмических преобразований, и для точности рассчитывали баллы d'. Поскольку из исследования были исключены два участника, подгруппы Target Tone были разного размера (11 или 12).

Мы использовали среднее значение везде, где для статистического анализа были необходимы целевые группы одинакового размера. Все поведенческие анализы проводились в SPSS 26 (International Business Machines [IBM]Corp., Армонк, Нью-Йорк, США).

2.5.2|ERP-системы

Для данных ERP мы выбрали два временных окна (50–70 мс и 400–600 мс), в которых мы ожидали наблюдать влияние сходства L1–L2 на тональные или тональные характеристики при обработке текста, основываясь на предыдущей литературе (Gosselke Berthelsenet al., 2018, 2020).

Используя эти заранее определенные временные окна, мы провели кластерные тесты перестановки для фактора «Тип тона». Мы представили средние амплитуды ERP блока 1 (в день 1) от обеих групп участников, вместе и отдельно, для выбранных временных окон и условий (т. е. слов с контурными тонами по сравнению со словами с уровнями тонов) для анализа перестановок с использованием непараметрического кластерного анализа. подход перестановок, реализованный в наборе инструментов Fieldtrip для Matlab (Марис и Оостенвельд, 2007).

Мы выполнили 1000 случайных перестановок данных с помощью метода Монте-Карло для учета больших наборов данных и рассмотрели кластеры из трех или более электродов с p-значением<.05 significant. We additionally tested for interactions with "Learning" (target word vs control word) in the permutation analysis to see whether target words differed from control words. 

Взаимодействие было особенно важно для эффекта распознавания слов при 50 мс, когда ранее было замечено, что изучающие тональные ученики автоматически отделяют целевые слова от контрольных слов (Gosselke Berthelsen et al., 2020). Если в каких-либо анализах возникали значительные кластеры, мы проводили смешанные исследования. ANOVA для проверки возможных взаимодействий с временными и межсубъектными факторами.

Таким образом, мы вычислили одну среднюю амплитуду ERP для анализируемых временных окон и всех электродов кластера. Это делалось для каждого участника в каждом блоке и дне. Полученные таким образом средние амплитуды затем подвергались смешанному дисперсионному анализу с экспериментальными внутрисубъектными факторами «Тип тона» и «Обучение», временными факторами «День» и «Блок», а также межсубъектными факторами «Группа обучающихся» ( если применимо) и «Целевая группа тонов».

ANOVAs были выполнены в SPSS 26 (IBM). При необходимости использовалась коррекция парника-Гейсера. Для множественных парных сравнений применялись поправки на коэффициент ложного обнаружения (FDR) (Benjamini & Hochberg, 1995).

2.5.3|Корреляции

Чтобы проверить, влияет ли индивидуальное учебное поведение на эффекты ERP, мы провели две двусторонние корреляции Пирсона с переменными «Изменение амплитуды для эффекта лексичности» и «Изменение амплитуды для переднего негатива», с одной стороны, и «Изменение времени ответа» и «Точность ответа». Измениться», с другой.

Исследуемое здесь изменение было определено как разница в поведенческих или ERP-реакциях между первой и второй половиной первого дня, когда происходила основная часть обучения (см. Gosselke Berthelsen et al., 2020). Корреляционный анализ проводился в SPSS (IBM). К p-значениям корреляций были применены поправки FDR.

3|ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ

3.1|Поведенческие результаты

Что касается точности ответа, не было выявлено существенного основного влияния типа тона и существенного взаимодействия с такими факторами, как тип тона, группа учащихся или целевая группа тона.

Основной эффект временного фактора День, F(1,44)= 44.18, p < .001, 휂2p=0.501, показал свидетельство обучения независимо от того, какие наборы тонов учащиеся приобретатель, какие типы тонов были протестированы. Таким образом, точность ответа значительно возросла с 1-го дня (M=60,5%, SD=25,4, диапазон=5,6 – 97,1) по день 2 (M=68. 8%, стандартное отклонение=29.6, диапазон =2.9 – 100).

Для описательной статистики мы используем проценты для простоты и сопоставимости результатов и с другими исследованиями, тогда как статистический анализ проводился на данных d'. График, иллюстрирующий результаты точности и изменения во времени, приведен на рисунке 5.

Что касается времени отклика, значительное взаимодействие ToneType и Tone Target Group, F(1,44)=4.63, p=.037,휂2p=0.10, разбилось на основной эффект Типа Тона в группе low/rise, F(1,22)=6.69, p=.015, 휂2p=0.23.

Несоответствия графическому эталону на основе низких тонов (M=1515 мс, SD=986, диапазон=219 – 4279) обнаруживались значительно быстрее, чем ошибки на основе повышающихся тонов (M{{4}) } мс, SD=1093, диапазон=303 – 4241). Не было выявлено никакого существенного влияния типа тона и существенных взаимодействий с участием таких факторов, как тип тона, группа учащихся или целевая группа тона.

Основной эффект временного фактора День, F(1,44)=35.53, p < .001, 휂2p=0.45, продемонстрировал свидетельство обучения независимо от того, какие типы тона обучали или тестировали учащиеся. на. С этой целью произошло значительное улучшение времени отклика с дня 1 (M =2056 мс, SD=329, диапазон=488 – 4279) по день 2 (M=1427 мс, SD=153, диапазон=199 – 4241). Анализ проводился на лог-преобразованных данных; фактическое необработанное время отклика также сообщается для описания данных.

3.2|Результаты ERP

3.2.1|50–70 мс

Для раннего временного окна взаимодействие между ToneType и Learning, то есть сравнение уровня и контурных тонов в целевых и контрольных словах, привело к образованию значимого кластера центральных электродов (FC2, FC4, C1, Cz, C2, C4, CP1, Cpz, CP2). р =.026, d=0.87, в тональной группе L1.

См. ERP и топографию взаимодействия на рисунке 6. Ни в группе нетонального L1, ни для всех участников вместе взятых не было выявлено сопоставимого кластера.

Анализ перестановок не выявил каких-либо значимых кластеров различий между уровнем и контурными тонами без взаимодействия с обучением (ни для всех участников вместе, ни для групп участников отдельно). Распределение амплитуд вычитания внутри групп и между ними показано на рисунке 7.

Дальнейшее исследование значимого кластера тетональной группы L1 в смешанном ANOVA, взаимодействие Тип тона * Обучение * Целевая группа тонов показало, что наблюдаемый эффект для контурных тонов (т. е. контрольные были более негативными, чем целевые) был значимым только в группе высокого/падения.

Во-вторых, взаимодействие со временем показало, что со временем менялись только амплитуды контрольных слов, становясь менее отрицательными. Подробные результаты см. в таблице 2.

3.2.2|400–600 мс

Для второго временного окна анализ перестановок позволил получить два значимых кластера для сравнения слов с контурными тонами и слов с ровными тонами за первые 20 минут первого сеанса у всех участников.

Имелся значительный лобно-центральный кластер (AF3, AF4, AF8, F5, F3, F1, Fz, F2, F4, FC5, FC3, FC1, FC2, FC4, FC6, C3, C1, C2, C4), p < 0,001, d=0.38, а также значительный задний кластер (FT7, FT8, TP7, CP6, TP8, P7, P5, P8, PO7,POz, PO8, Oz), p < .001, d {{ 32}}.33. См. рисунок 8.

Смешанный дисперсионный анализ средних амплитуд ERP лобно-центрального кластера для всех участников в 20-минутных блоках выявил несколько основных эффектов и взаимодействий для типа тона, обучения и временных факторов «Блок» и «День», подробности см. в Таблице 3.

Что касается типа тона, тоны уровня были более негативными, чем контурные тона.
Эта разница была сильнее в группе тонального Л1, чем в группе нетонального Л1.

Что касается обучения, мы обнаружили, что целевые слова вызывают больший негатив, чем контрольные слова (см. рисунок 8). Разница снова была больше в группе тонального L1, а также была сильнее на второй день, чем на первый. Наконец, с течением времени наблюдалось общее снижение негативности.

Для заднего кластера эффекты были практически неотличимы от эффектов лобно-центрального кластера, но имели обратную полярность: все основные эффекты были почти идентичны описанным выше, как и ключевые кластеры взаимодействия.

В заднем кластере возникли только два уникальных взаимодействия. Поэтому мы решили рассматривать позитивность как дипольный эффект и для краткости представить наблюдаемые значимые эффекты и взаимодействия для задних позитивных кластеров как вспомогательную информацию S1, а не в основном тексте.

3.2.3|Результаты корреляции

Что касается раннего эффекта, не было обнаружено существенных корреляций между изменениями в поведенческих и нейрофизиологических данных (p > 0,8). Дальнейший анализ также не выявил значимых корреляций с этим эффектом для подгруппы тональных обучающихся (p > 0,2).

Наблюдалась значительная корреляция между изменением амплитуды передней негативности и изменением точности ответа, r=- 0,353, p=0,040, так что чем больше было улучшение точности в первый день, тем меньше разница амплитуды. ибо стал передний негатив. Не было выявлено значимой корреляции с изменением времени отклика (p > 0,7).

4|ОБСУЖДЕНИЕ

4.1|Компонент распознавания слов:Эффекты переноса

Был явный эффект от опыта и знания родного языка в компоненте ограничения лексики перед вниманием на ~50 мс. Эффект облегчения при этой латентности был обнаружен только при максимальной степени сходства L1–L2. Наши тональные учащиеся не показали признаков облегчения усвоения слов для всех тональных целевых слов или всех целевых слов с контурными тонами, а вместо этого только для целевых слов с падающим тоном.

Это стало очевидным в снижении негативности, которая, как мы полагаем, отражает успешное и быстрое формирование следов для целевых слов с падающими тонами, так что они стали обрабатываться как настоящие слова уже в течение первых 20 минут после усвоения. Тенденция к аналогичному уменьшению амплитуды ранее наблюдалась для реальных слов у говорящих на китайском языке (Yue et al., 2014).

После четырех минут повторения слов и допустимых псевдослов, нейронная активность к реальным словам, по-видимому, снизилась. Однако обратите внимание, что Yue et al. не использовали анализ, который мог бы нивелировать частотные эффекты, вызванные сравнением частых стандартных и нечастых девиантных стимулов (см. Штыров, Ленцен, 2017), и, следовательно, не выявили изменения амплитуды реальных словесных девиантов в своем статистическом анализе.

Кроме того, их временной интервал был длиннее нашего. Мы упоминаем здесь эту тенденцию, потому что Yue et al. (2014) — единственное исследование, рассматривающее этот ранний компонент в контексте тональных слов. Примечательно, что для слов без тонов о таком же эффекте ранее сообщалось Кимппа и др. (2015).

В этих предыдущих исследованиях мы интерпретируем уменьшение размера эффекта для узко L1-целевых слов как свидетельство того, что слова были усвоены и обработаны, как настоящие слова, исключительно быстро.

С другой стороны, псевдослова, даже имеющие одинаковую тональность, и необучаемые целевые слова не могли усваиваться одинаково быстро и поэтому вызывали повышенный негатив.

Этот негатив, вероятно, сигнализирует о продолжающемся, незавершенном процессе формирования следов в памяти для необученных и непрорабатываемых слов. В соответствии с идеей непрерывного процесса формирования следов слов, негативность как для целевых, так и для контрольных слов немного уменьшалась на протяжении сеансов обучения (целевые слова: MB{{{{ 6}}}} -1.02 мкВ ±SD=0.8 мкВ, МБ6=-0.99 ± 0.8 мкВ; контрольные слова: MB{{10}} -1,31 ± 1,0 мкВ, MB6=-0,90 ± 0,8 мкВ).

Это снижение было значимым только для контрольных слов, амплитуда которых изначально была самой высокой. Интересно, что уменьшение амплитуды происходило ступенчато для обоих типов слов, так что амплитуда снова увеличивалась после перерывов между блоками 2 и 3, а также блоками 4 и 5 (см., например, целевые слова: MB1=−1. 02 мкВ ± SD=0,8 мкВ, МБ{{10}}−0,99 ± 0,9 мкВ, МБ{{ 15}} −1,12±0,9 мкВ, МБ{{20}} −0,88 ± 0,9 мкВ, МБ5=− 0,94±0,8 мкВ, МБ6=-0,99±0,8 мкВ).

Вместе с тем, что мы не обнаружили влияния сеанса обучения на амплитуду ответа при этой латентности, это позволяет предположить, что следы слов формировались лишь временно для слов с неродной фонологией (т. е. тонами).

Таким образом, только слова с нативной фонологией (и знакомой функцией) имели последовательно сниженную амплитуду (M=0,78 мкВ), что позволяет предположить, что быстрый процесс формирования следов слов зависит от нативной нейронной фонологической сети и что слова отслеживаются для L{ {2}}как новые слова образовались почти мгновенно и навсегда.

For more information:1950477648nn@gmail.com