Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Toward a Model of Eye Movement Control in Reading.

Esitys aiheesta: "Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Toward a Model of Eye Movement Control in Reading."— Esityksen transkriptio:

1 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Toward a Model of Eye Movement Control in Reading Aulikki Hyrskykari Silmänliikeseminaari, 10.10.2000 Erik D. Reichle, Alexander Pollatsek, Donal L. Fisher, and Keith Rayner in Psychological Review, 1 (105), 1998, pp. 125-157

2 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2)Sisältö Johdanto1 kalvoa Menetelmä1 kalvoa Taustatietoa lukuprosessista2 kalvoa Mallien perushypoteesit2 kalvoa E-Z Reader 110 kalvoa E-Z Reader 21 kalvoa E-Z Reader 3, 4 ja 5 1 kalvoa Diskussio2 kalvoa Oma arviointi ja päätelmät2 kalvoa 23 kalvoa

3 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2)Johdanto Tavoite: Halutaan todistaa, että silmänliikkeet lukemisessa voidaan selittää yksityiskohtaisella tasolla käyttäen mallia, joka ottaa huomioon kognitiivisen ohjauksen  kehitettiin viisi lukuprosessia kuvaavaa mallia: E-Z Reader 1, 2, 3, 4 ja 5 Johdanto (1) Kaikki mallit pohjautuvat samaan perusmalliin (E-Z R1) -Mallit E-Z Reader 1 ja E-Z Reader 2 selittävät katseen viipymistä sanassa ja sanan yli hyppäysten todennäköisyyttä -Malleissa E-Z Reader 3 – 5 tarkastelukulma on hienojakoisempi, yksittäisen fiksaation tasolla

4 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Menetelmä — mallin rakentaminen Mallin kehittely -aiemmat lukuprosessia analysoineet tutkimukset  tehtyjen löydösten integrointi yhteen malliin -etsitään osaprosessit joista lukeminen koostuu Mallin kvantitatiivinen validointi -mallinnetaan osaprosessien vuorovaikutus äärellisen automaatin avulla – pyritään minimoimaan automaattiin sisällytettyjen vapaiden muuttujien määrää -etsitään vapaille muuttujille parhaiten empiirisesti tallennettuun dataan sopivat arvot Mallin kvalitatiivinen validointi -analysoidaan mallin psykologista uskottavuutta: onnistuuko malli selittämään aiemmat tutkimustulokset Menetelmä(1)

5 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Taustatietoa lukemisesta 1 Fiksaation kesto lukemisessa tyypillisesti 200-350 ms Sakkaadin kesto 15-40 ms Suurin osa sakkaadeista eteneviä, 5-9 merkkiä Taaksepäin suuntautuvia sakkaadeja -pyyhkäisyt rivin alkuun (+ korjaussakkaadit) -regressiot (lyhyempiä paluita jo luettuun) Taustaa 1/2 Yleisesti käytettyjä tunnuslukuja -Globaalit keskiarvot laajemmasta tekstikokonaisuudesta -Sanaan liittyvien fiksaatioaikojen keskiarvot -- katseen kesto (gaze duration) -- kokonaisaika (total time) -- aloitusfiksaation kesto (first-fixation duration) -- yhdenfiksaatiokatseen kesto (single-fixation duration)

6 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Taustatietoa lukemisesta 2 Kognitiiviset prosessit C. sanaan liittyvät tunnusluvut -normaalissa tekstissä fiksatoidaan 80%:iin sisältösanoista -fiksaatioajat riippuvaisia sanan frekvenssistä -- osittain selittyy sanan pituudella -fiksaatioajat riippuvaisia sanan ennustettavuudesta -lyhyiden, yleisten tai ennustettavissa olevien sanojen yli hypätään useammin kuin muiden  kognitiivisilla prosesseilla on vaikutusta silmänliikkeiden ohjaukseen lukuprosessissa Taustaa 2/2

7 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Perushypoteesit 1 - piilohavainnointi piilohavainnointi -tutkittu ”rajapyykkitekniikalla”, boundary tecnique käytettyjen prosessien (sanan tunnistus ja siirtymän ohjelmointi) tulee olla sopusoinnussa aiemmin tutkimuksissa todennettujen kestojen kanssa: -keskimääräinen katseen kesto n. 200-250 ms (K) -siirtymän ohjelmoinnin kesto n. 150-175 ms (S)  siirtymän ohjelmointi alkaa 25-100 ms fiksatoinnista sanan tunnistus (virittää siirtymän ohjelmoinnin)100-300 ms: ristiriita? selitys: piilohavainnointi - sanan esiprosessointi lyhentää sanan tunnistusta Hypoteesit 1/2

8 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Perushypoteesit 2 Sanan tunnistus on sakkaadin aloittava signaali (jos siirtymän ohjelmointi on valmis) Siirtymän uudelleen ohjelmointi: jos piilohavainnointi johtaa sanan tunnistukseen, tällöin -ensimmäinen sakkaadi voi peruuntua, tai -ensimmäisen sakkaadin jälkeinen fiksaatio jää lyhyeksi Hypoteesit 2/2 Em. oletuksilla saadaan mallissa otetuiksi huomioon aiemmat tulokset -fiksaation kesto riippuu sanan yleisyydestä, ja -yleiset ja ennustettavissa olevat sanat hypätään usein yli

9 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 1 - prosessit Malliin on pyritty ottamaan mukaan vain ehdottoman välttämättömät prosessit, niitä on viisi: EZ R1 1/10 -f, tuttuustarkistus (familiarity check); virittää uuden siirtymän ohjelmointi -prosessin aloittamisen -lc, sanan tunnistus (completion of lexical access); saa aikaan piilohavainnoinnin siirtymisen seuraavaan sanaan. -m, siirtymän ohjelmoinnin labiili vaihe (labile state of saccade programming) -M, siirtymän ohjelmoinnin vakaa vaihe (nonlabile state of saccade programming) -s, sakkaadi, ts. fiksaation siirtyminen uuteen kohteeseen

10 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 2 - prosessikaavio f lc m M s EZ R1 2/10

11 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 3 - 2 skenaariota EZ R1 3/10

12 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 4 - Order-of-processing malli 1 f(n) m(n+1) M(n+1) lc(n) f(n) M(n) lc(n) n=n+1 f(n) f(n) m(n) m(n) f(n) lc(n) M(n) m(n+1) M(n) lc(n) n=n+1 M(n-1) f(n) m(n) M(n-1) lc(n) m(n+1) 5 3 4 6 7 8 f(n) M(n) lc(n) M(n+1) n =prosessoitavan sanan indeksi (ei välttämättä fiksaation kohde) f = tuttuustarkistus (familarity check) lc =sanan tunnistus completion of lexical access) m =siirtymän ohjelmoinnin labiili vaihe (labile state of saccade programming) M =siirtymän ohjelmoinnin vakaa vaihe (nonlabile state of saccade programming) 2 EZ R1 4/10

13 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 5 - Tilasiirtymät Malli on siis äärellinen automaatti – äärellinen määrä tilasiirtymiä kuvaa mahdolliset polut prosessien välillä EZ R1 5/10

14 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 6 - kvalitatiivinen tarkastelu Kvalitatiivisessa tarkastelussa tarvittavien f n :n ja lc n :n keskimääräiset kestot t(f n ) ja t(lc n ) laskettiin seuraavasti: Tuttuustarkistuksen f n keskimääräinen kesto t(f n ) = f b – [f m · ln(freq n )],jossa f b on ”perusvakio” ja f m kulmaparametri. Sanan tunnistuksen (lc n ) keskimääräinen kesto t(lc n ) t(lc n ) =  · t(f n ), jossa  on positiivinen vakio (ei 0) EZ R1 6/10

15 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 7 - piilohavainnointi C. frekvenssit Piilohavainnoinnin tuoma etu sanan frekvenssin funktiona a -sanan tuttuustarkistukseen kuluva aika b -sanan tunnistukseen kuluva aika c -aika, joka jää seuraavan sanan piilohavainnointiin EZ R1 7/10

16 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 8 - kestojen hajauma Yksittäisten kestojen (luonnollinen?) vaihtelu saadaan aikaan määräämällä kestot noudattamaan jotain hajontaa  tietyssä testissä aikojen f n (vastaavasti lc n ) hajauma noudattaa - gamma-jakaumaa T(f n ) (vast. T(lc n )), jonka - keskiarvo on t(f n ) (vast. t(lc)), ja - keskihajauma 0.33 · t(f n ) (vast. 0.33 · t(lc n )). EZ R1 8/10

17 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 9 - empiirinen validointi Käytettiin artikkelissa [Schilling, Rayner, and Chumblely] kuvatussa tutkimuksessa lukuprosesseista empiirisesti kerättyä dataa Regressiivisiä sakkaadeja sisältänyt data jätettiin pois (jäljelle jäi 36%) Vapaita parametreja viisi, simuloinneissa parhaiten sopineet arvot olivat: -f b = 254 ms -f m = 22 ms -  = 0.65 -t(m) = 150 ms -t(M) = 50 ms EZ R1 9/10

18 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 1 10 - empiirinen validointi EZ R1 10/10

19 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 2 E-Z Reader 2: -sama automaatti kuin mallissa 1 -ottaa huomioon myös ennustettavuuden -ennustettavuus (arvauksen todennäköisyys) vaikuttaa t(f n ):n ja t(lc):n laskentaan EZ R2 (1)

20 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) E-Z Reader 3-5 E-Z Reader 3: -ottaa huomioon myös sanan sisäiset sakkaadit: malli ennustaa -- aloitusfiksaation keston (first-fixation duration) -- yhdenfiksaationkatseen keston (single-fixation duration) -- jakaumaa yhden- ja kahdenfiksaationkatseen kesken -kaksi uutta prosessia r n, ja R n sanan sisäisten siirtymien ohjelmointiin, automaatin tilat lisääntyivät: nyt 14 E-Z Reader 4-5: ”Eksentrisyys”-tekijän (eccentricity) huomioonottaminen EZ R3 (1)

21 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Diskussio 1 Mallit tuntuvat toimivan kokonaisuutena katsoen hyvin Psykologisesti järkeviä? Diskussio 1/2 Onnistuu: -fiksaatioiden kestojen mallinnuksessa -frekvenssiefektin mallinnuksessa -peräkkäisyysefektin mallinnuksessa -piilohavainnoinnin tuoman edun mallinnuksessa

22 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Diskussio 2 Ei ota huomioon: -Korkeampia kielellisiä (luetun prosessointiin liittyviä) prosesseja -Kohdetiedon välittämistä siirtymän ohjelmoinnille (ts. ennustaa milloin, ei mihin) Diskussio 2/2

23 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Oma arviointi Relevantti ja mielenkiintoinen artikkeli Onnistui yhden mallin avulla uskottavasti selittämään kootusti eri tutkimusten löydöksiä Mikä on hyväksyttävä vapaiden muuttujien lukumäärä?! Artikkelin laatu: vaikuttava paketti, mutta loppujen lopuksi aika sekavasti kirjoitettu – jättää paljon jäsentelyn varaa Omat 1/2

24 Johdanto(1)—Menetelmä(1)—Taustaa(2)—Hypoteesit(2)—E-Z R1(10)—E-Z R2 (1)—E-Z R3-5(1)—Diskussio(1)—Omat(2) Omat päätelmät Sopii paremmin psykologisten prosessien tutkimukseen kuin varsinaisesti (reaaliaikaiseen, tarkkaan) ”ennustamiseen” -- laskenta suhteellisen työlästä -- ennustaa vain kestoja, ei kohtia – ei ota lainkaan huomioon regressioita -- vaikka perusoletuksena on kognitiivisten prosessien vaikutus lukuprosessiin, kyse ”ideaalisesta lukuprosessista” Kuitenkin hyödyllistä tietoa myös reaaliaikaiseen ennustamiseen: auttaa ymmärtämään lukuprosessin etenemistä Omat 2/2