Когда ваш взгляд останавливается на слове, визуальная информация отправляется в определенную область в задней части мозга, называемую левой вентральной затылочно-височной корой, или сокращенно lvOT. Эту область иногда называют «областью визуальных словоформ», потому что она, по-видимому, специализируется на распознавании и классификации слов.
Ученые создали модель, которая поможет людям читать быстрее
Изучение нового языка — дело нелегкое, особенно когда речь заходит о чтении. Даже если вы овладели основами грамматики и словарного запаса, процесс визуального распознавания и понимания слов все равно может казаться медленным и обременительным. Но что, если бы существовал способ научить мозг более эффективно читать на новом для вас языке? Недавнее исследование предполагает, что компьютерная модель того, как мозг обрабатывает слова, может стать ключом к разгадке.
Unsplash
Может быть, лучше просто сходить на курсы скорочтения?
lvOT, по сути, выступает в роли привратника, быстро определяя, является ли последовательность букв настоящим словом, которое стоит отправить на дальнейшую обработку, или это бессмысленная путаница, которую можно проигнорировать. Этот процесс «лексической категоризации» считается важным ранним шагом на пути к эффективному чтению.
О чем говорит новое исследование?
Ученые Бенджамин Гэгл и Клара Грегорова разработали вычислительную модель под названием Lexical Categorization Model (LCM), которая имитирует то, как lvOT принимает решения о том, использовать ли слово или нет. Модель предполагает, что lvOT оценивает «словоподобие» последовательности букв на основе ее сходства со всеми словами, которые знает читатель.
lvOT легко разбирает на категории как обычные слова, так и совершенно незнакомые сочетания. Но цепочки букв, которые находятся на неопределенном расстоянии друг от друга, сложнее. Придумайте слово, которое вы никогда раньше не видели, но которое соответствует общим правилам написания в вашем языке. LCM зафиксирует это, показывая более высокую неопределенность для этих трудно объяснимых элементов.
Исследователи пришли к выводу, что если LCM точно отражает то, как работает лексическая категоризация в мозге, то обучение людей этому процессу должно привести к повышению эффективности чтения. Чтобы проверить это, они набрали 76 человек, изучающих немецкий язык, и попросили их попрактиковаться в быстром решении словесных и несловесных задач, используя задание, основанное на LCM.
Результаты оказались многообещающими: всего после трех 45-60-минутных занятий большинство участников продемонстрировали значительное улучшение общей скорости чтения, измеренной с помощью стандартизированного теста. Преимущества, по-видимому, также были напрямую связаны с лексической категоризацией. Те, кто продемонстрировал наибольшее снижение неопределенности в отношении трудно поддающихся классификации предметов в учебном задании, также, как правило, имели наибольший прирост скорости чтения.
Исследователи на этом не остановились. Они хотели выяснить, смогут ли они предсказать, кто больше всего выиграет от обучения лексической категоризации. Поэтому они передали алгоритму машинного обучения широкий спектр данных о первоначальных показателях каждого участника — такие данные, как базовая скорость чтения, точность и время реакции на различные типы слов в учебном задании, а также значения сходства слов для каждого элемента из LCM.
Алгоритм успешно предсказал конечное улучшение скорости чтения участников с точностью около 50%.