Lexicale beslissings taak voor het bestuderen van geschreven woordherkenning bij volwassenen met en zonder dementie of milde cognitieve stoornissen
Summary
Dit artikel beschrijft hoe een eenvoudige lexicale besluit experiment te implementeren om geschreven Woordherkenning in neurologisch gezonde deelnemers en bij personen met dementie en cognitieve achteruitgang te beoordelen. We bieden ook een gedetailleerde beschrijving van de reactietijd analyse met behulp van Principal Components Analysis (PCA) en mixed-Effects modellering.
Abstract
De oudere volwassenen zijn langzamer bij het erkennen van visuele voorwerpen dan jongere volwassenen. Hetzelfde geldt voor de erkenning dat een letter string is een echt woord. Mensen met de ziekte van Alzheimer (AD) of milde cognitieve stoornissen (MCI) tonen nog meer reacties in geschreven woord erkenning dan ouderen controles. Ondanks de algemene tendens naar langzamere erkenning in het verouderen en neurocognitive wanorde, beïnvloeden bepaalde kenmerken van woorden de snelheid van de woord erkenning ongeacht leeftijd of Neuropathologie (b.v., de frequentie van een woord van gebruik). We presenteren hier een protocol voor de behandeling van de invloed van de lexicale kenmerken op de woordherkenning responstijden in een eenvoudige lexicale besluit experiment toegediend aan jongere en oudere volwassenen en mensen met MCI of AD. In dit experiment, worden de deelnemers gevraagd om zo snel en nauwkeurig mogelijk te beslissen of een bepaalde letter string is een daadwerkelijk woord of niet. We beschrijven ook Mixed-Effects modellen en de belangrijkste componentenanalyse die kunnen worden gebruikt om de invloed van verschillende soorten lexicale variabelen of individuele kenmerken van de deelnemers op de woordherkenning snelheid te detecteren.
Introduction
Woorden worden opgeslagen in het mentale lexicon in een zeer onderling verbonden netwerk. De verbindingen tussen woorden kunnen gemeenschappelijke eigenschappen, zoals semantische gelijkenis (b.v., hond en kat), vorm gelijkenis (hond en mist), of frequente mede-voorkomen in gemeenschappelijk taalgebruik (b.v., hond en leiband). Cognitieve theorieën van taal, zoals gebruik-gebaseerde theorie1, betogen dat elke ontmoeting van een woord door een taalgebruiker een effect op de mentale representatie van het woord heeft. Volgens de voorbeeld theorie bestaat de representatie van een woord uit vele exemplaren, die zijn opgebouwd uit individuele tokens van taalgebruik en die de variabiliteit vertegenwoordigen die voor een bepaalde categorie bestaat. De frequentie van het gebruik2 effecten representaties in het geheugen door bij te dragen aan de sterkte van een exemplar1.
De de herkennings snelheid van Word kan de kenmerken van het geestelijke Lexicon openbaren. Een algemeen gebruikt experimenteel paradigma voor het meten van de snelheid van woordherkenning is de lexicale beslissings taak. In deze taak worden deelnemers gepresenteerd met letter strings op een monitor, een voor een. Ze zijn geïnstrueerd om zo snel mogelijk te beslissen of de letter string op het scherm is een echt woord of niet door op de overeenkomstige knop.
Door reactietijden voor echte woorden te onderzoeken, kunnen onderzoekers een aantal belangrijke vragen over taalverwerking aanpakken. Bijvoorbeeld, het identificeren van welke factoren maken erkenning sneller kan hypothesen te testen over de structuur van de mentale lexicon en onthullen de architectuur. Bovendien kunnen vergelijkingen van de prestaties in verschillende groepen deelnemers ons helpen inzicht te krijgen in de invloed van verschillende soorten taal ervaring, of, in het geval van veroudering of neurodegeneratieve ziekten (bijvoorbeeld de ziekte van Alzheimer), de rol van cognitieve Daling.
Sommige factoren (bijvoorbeeld de frequentie van het gebruik) vertonen een grotere invloed op de woordherkenning dan andere factoren (bijv. woordlengte). Met de voortschrijdende leeftijd, de manier waarop mensen herkennen geschreven woorden kunnen veranderen3,4. Jongere volwassenen hebben de neiging om sterk te vertrouwen op semantische (betekenis-gebaseerde) aspecten van een woord, zoals hoeveel verbindingen (bijv. Bulldog) of afgeleide woorden (bijv. Doggy) delen aspecten van zowel de vorm en betekenis met het doel woord (in dit geval, hond). Woordherkenning voor oudere volwassenen lijkt meer te worden beïnvloed door vorm-gebaseerde aspecten, zoals de frequentie die twee volgende letters co-voorkomen in de taal (bijv. de letter combinatie St komt vaker voor in het Engels woorden dan de combinatie SK).
Om de factoren te bepalen die de woord erkennings snelheid over verschillende groepen beïnvloeden, kan de onderzoeker bepaalde variabelen in de stimulus reeks manipuleren en dan de macht van deze variabelen testen om de snelheid van de woord erkenning te voorspellen. Bijvoorbeeld, om te testen of de woordherkenning door semantische of op vorm gebaseerde factoren wordt gedreven, zou de stimulus reeks variabelen moeten omvatten die de graad van connectiviteit van een woord aan zijn semantische buren in het geestelijke Lexicon of zijn connectiviteit aan andere woorden weerspiegelen die deel van zijn vormdelen.
Deze methode werd gebruikt in de huidige studie om te onderzoeken of woordherkenning snelheid wordt beïnvloed door verschillende factoren bij jongere en oudere volwassenen en bij personen met de ziekte van Alzheimer (AD) of milde cognitieve stoornissen (MCI)3. De hier beschreven methode is gebaseerd op visuele woordherkenning, maar kan aangepast worden aan de auditieve modaliteit. Nochtans, zouden sommige variabelen die significante voorspellers van reactietijden in een typisch visueel lexical besluit experiment zijn geen reactie latencies in een auditieve lexicale beslissing kunnen voorspellen of kunnen het tegenovergestelde effect hebben. Bijvoorbeeld, heeft de fonologie buurt het tegenovergestelde effect over deze twee modaliteiten5: de woorden met grotere fonologie buurten vertonen een facilitator effect op visuele woord erkenning maar resulteren in langere reactie latencies in auditieve lexicale beslissing6.
Woord-het vinden van moeilijkheden bij oudere volwassenen7 zijn over het algemeen toegeschreven aan moeilijkheden toegang tot de fonologie woordvorm in plaats van een uitsplitsing van de semantische representatie8. AD Research richt zich echter primair op semantische dalingen9,10,11,12,13,14. Het is belangrijk om te ontwarren hoe semantische en orthografische factoren de herkenning van geschreven woorden in veroudering met en zonder cognitieve achteruitgang beïnvloeden. De invloed van form-gerelateerde factoren is meer uitgesproken in oudere dan bij jongere volwassenen, en het blijft belangrijk bij mensen met MCI of AD3. Aldus, kan deze methodologie ons helpen kenmerken van het geestelijke lexicon over verschillende bevolking ontdekken en veranderingen in de organisatie van het Lexicon met leeftijd en Neuropathologie identificeren. Een zorg bij het testen van patiënten met Neuropathologie is dat ze problemen kunnen hebben toegang tot taak-gerelateerde kennis. Echter, de lexicale beslissing taak is een eenvoudige taak zonder last op het werkgeheugen of andere complexe cognitieve vaardigheden die veel patiënten vertonen problemen met. Het is geschikt geacht voor AD-en MCI populaties.
Protocol
Representative Results
Discussion
Door een eenvoudige taal taak te gebruiken die geen taalproductie vereist, onderzocht de huidige studie de invloed van diverse lexicale variabelen op woord erkenning in neurologisch gezonde jongere en oudere volwassenen, evenals bij mensen met de ziekte van Alzheimer of milde cognitieve stoornissen. De leeftijdsgroep die wordt gebruikt voor het werven van “oudere volwassenen” kan afhangen van de specifieke onderzoek belangen; Nochtans, zou het gamma voor de gezonde bejaarde groep zo dicht mogelijk moeten passen de leefti…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Wij danken Minna Lehtonen, Tuomo Hänninen, Merja Hallikainen, en Hilkka Soininen voor hun bijdrage aan het verzamelen van gegevens en de verwerking hier gemeld. Het verzamelen van gegevens werd ondersteund door VPH dementie onderzoek ingeschakeld door de EU, subsidieovereenkomst nr. 601055.
Materials
| E-Prime | Psychology Software Tools | version 2.0.10.356. | |
| PC with Windows and Keyboard | |||
| R | R Foundation for Statistical Computing | R Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. |
References
- Bybee, J. From Usage to Grammar: The Mind’s Response to Repetition. Language. 82 (4), 711-733 (2006).
- Oldfield, R. C., Wingfield, A. Response latencies in naming objects. The Quarterly Journal of Experimental Psychology. 17, 273-281 (1965).
- Nikolaev, A., et al. Effects of morphological family on word recognition in normal aging, mild cognitive impairment, and Alzheimer’s disease. Cortex. 116, 91-103 (2019).
- Milin, P., Feldman, L. B., Ramscar, M., Hendrix, P., Baayen, R. H. Discrimination in lexical decision. PLoS ONE. 12 (2), 1-42 (2017).
- Andrews, S. Frequency and neighborhood size effects on lexical access: activation or search?. Journal of Experimental Psychology: Learning, Memory, and Cognition. 15, 802-814 (1989).
- Grainger, J., Muneaux, M., Farioli, F., Ziegler, J. C. Effects of phonological and orthographic neighbourhood density interact in visual word recognition. The Quarterly Journal of Experimental Psychology. 58 (6), 981-998 (2005).
- Ossher, L., Flegal, K. E., Lustig, C. Everyday memory errors in older adults. Aging, Neuropsychology, and Cognition. 20, 220-242 (2013).
- Barresi, B. A., Nicholas, M., Connor, L. T., Obler, L. K., Albert, M. Semantic degradation and lexical access in age-related naming failures. Aging, Neuropsychology, and Cognition. 7, 169-178 (2000).
- Chertkow, H., Whatmough, C., Saumier, D., Duong, A. Cognitive neuroscience studies of semantic memory in Alzheimer’s disease. Progress in Brain Research. 169, 393-407 (2008).
- Cuetos, F., Arce, N., Martínez, C. Word recognition in Alzheimers’s disease: Effects of semantic degeneration. Journal of Neuropsychology. 11, 26-39 (2015).
- Stilwell, B. L., Dow, R. M., Lamers, C., Woods, R. T. Language changes in bilingual individuals with Alzheimer’s disease. International Journal of Language & Communication Disorders. 51, 113-127 (2016).
- Obler, L. K., Segalowitz, S. Language and brain dysfunction in dementia. Language functions and brain organization. , 267-282 (1983).
- Obler, L. K., Albert, M. L., Sarno, M. T. Language in the elderly aphasic and in the demented patient. Acquired aphasia. , 385-398 (1981).
- Obler, L. K., Gjerlow, K. . Language and the brain. , (1999).
- McKhann, G. M., et al. The diagnosis of dementia due to Alzheimer’s disease: Recommendations from the National Institute on Aging – Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimer’s Dementia. 7, 263-269 (2011).
- Winblad, B., et al. Mild cognitive impairment – beyond controversies, towards a consensus: Report of the International Working Group on Mild Cognitive Impairment. Journal of Internal Medicine. 256, 240-246 (2004).
- Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer’s disease: Recommendations from the National Institute on Aging – Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimer’s & Dementia: The Journal of the Alzheimer’s Association. 7, 270-279 (2011).
- Hughes, C. P., Berg, L., Danziger, W. L., Coben, L. A., Martin, R. L. A new clinical scale for the staging of dementia. The British Journal of Psychiatry. 140, 566-572 (1982).
- Baayen, R. H., Cutler, A. Data Mining at the Intersection of Psychology and Linguistics. Twenty-first century psycholinguistics: Four cornerstones. , 69-83 (2005).
- Brants, T., Franz, A. . Web 1T 5-gram, version 1. , (2006).
- Baayen, R. H., Piepenbrock, R., Gulikers, L. . The CELEX lexical database (CD-ROM). , (1995).
- Wagenmakers, E. J., Ratcliff, R., Gomez, P., McKoon, G. A diffusion model account of criterion shifts in the lexical decision task. Journal of Memory and Language. 58, 140-159 (2008).
- Dufau, S., Grainger, J., Ziegler, J. C. How to say “no” to a non-word: a leaky competing accumulator model of lexical decision. Journal of Experimental Psychology: Learning, Memory, and Cognition. 38, 1117-1128 (2012).
- R Core Team. . R: A language and environment for statistical computing. , (2018).
- Venables, W. N., Ripley, B. D. . Modern applied statistics with S. , (2002).
- Baayen, R. H., Milin, P. Analyzing reaction times. International Journal of Psychological Research. 3 (2), 12-28 (2010).
- Koller, M. robustlmm: An R package for robust estimation of linear mixed-effects models. Journal of Statistical Software. 75 (6), 1-24 (2016).
- Bates, D., Mächler, M., Bolker, B., Walker, S. Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software. 67, 1-48 (2015).
- Kuznetsova, A., Brockhoff, P. B., Christensen, R. H. B. lmerTest Package: Tests in Linear Mixed Effects Models. Journal of Statistical Software. 82, 1-26 (2017).
- Akaike, H., Petrov, B. N., Csaki, B. F. Information theory and an extension of the maximum likelihood principle. Second International Symposium on Information Theory. , 267-281 (1973).
- Sakamoto, Y., Ishiguro, M., Kitagawa, G. . Akaike Information Criterion Statistics. , (1986).
- Barr, D. J., Levy, R., Scheepers, C., Tily, H. J. Random effects structure for confirmatory hypothesis testing: Keep it maximal. Journal of Memory and Language. 68, 255-278 (2013).
- Bates, D., Kliegl, R., Vasishth, S., Baayen, H. Parsimonious mixed models. arXiv:1506.04967v2. , (2015).
- Harrison, X. A., et al. Brief introduction to mixed effects modelling and multi-model inference in ecology. PeerJ. 6, 1-32 (2018).
- Kimball, A. E., Shantz, K., Eager, C., Roy, C. E. J. Confronting quasi-separation in logistic mixed effects for linguistic data: a Bayesian approach. Journal of Quantitative Linguistics. , (2018).
- Coltheart, M., Davelaar, E., Jonasson, J. T., Besner, D., Dornick, S. Access to the internal lexicon. Attention and performance, vol. VI. , 535-556 (1977).
- Caselli, N. K., Caselli, M. K., Cohen-Goldberg, A. M. Inflected words in production: Evidence for a morphologically rich lexicon. The Quarterly Journal of Experimental Psychology. 69, 432-454 (2016).
- Yarkoni, T., Balota, D., Yap, M. Moving beyond Coltheart’s N: A new measure of orthographic similarity. Psychonomic Bulletin & Review. 15 (5), 971-979 (2008).
- Cohen, G. Recognition and retrieval of proper names: Age differences in the fan effect. European Journal of Cognitive Psychology. 2 (3), 193-204 (1990).
- Kemmerer, D. . Cognitive neuroscience of language. , (2015).
- Baayen, R. H. . Analyzing linguistic data: A practical introduction to statistics using R. , (2008).
- Nikolaev, A., Lehtonen, M., Higby, E., Hyun, J., Ashaie, S. A facilitatory effect of rich stem allomorphy but not inflectional productivity on single-word recognition. Applied Psycholinguistics. 39, 1221-1238 (2018).
- Nikolaev, A., et al. Behavioural and ERP effects of paradigm complexity on visual word recognition. Language, Cognition and Neuroscience. 10, 1295-1310 (2014).
