論文の概要: On the Effect of Anticipation on Reading Times
- arxiv url: http://arxiv.org/abs/2211.14301v2
- Date: Fri, 14 Jul 2023 09:09:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 17:31:04.663707
- Title: On the Effect of Anticipation on Reading Times
- Title(参考訳): 予測が読書時間に及ぼす影響について
- Authors: Tiago Pimentel, Clara Meister, Ethan G. Wilcox, Roger Levy, Ryan
Cotterell
- Abstract要約: 我々は単語の文脈エントロピーとして予測を運用する。
単語の読解時間に対する文脈的エントロピーの影響を示す重要な証拠が得られた。
- 参考スコア(独自算出の注目度): 84.27103313675342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the past two decades, numerous studies have demonstrated how less
predictable (i.e., higher surprisal) words take more time to read. In general,
these studies have implicitly assumed the reading process is purely responsive:
Readers observe a new word and allocate time to process it as required. We
argue that prior results are also compatible with a reading process that is at
least partially anticipatory: Readers could make predictions about a future
word and allocate time to process it based on their expectation. In this work,
we operationalize this anticipation as a word's contextual entropy. We assess
the effect of anticipation on reading by comparing how well surprisal and
contextual entropy predict reading times on four naturalistic reading datasets:
two self-paced and two eye-tracking. Experimentally, across datasets and
analyses, we find substantial evidence for effects of contextual entropy over
surprisal on a word's reading time (RT): in fact, entropy is sometimes better
than surprisal in predicting a word's RT. Spillover effects, however, are
generally not captured by entropy, but only by surprisal. Further, we
hypothesize four cognitive mechanisms through which contextual entropy could
impact RTs -- three of which we are able to design experiments to analyze.
Overall, our results support a view of reading that is not just responsive, but
also anticipatory.
- Abstract(参考訳): 過去20年間に渡り、多くの研究が予測可能な単語(すなわち、高次の単語)が読まれるのにどれだけ時間がかかるかを示した。
一般に、これらの研究は、読み取りプロセスが純粋に応答していると暗黙的に仮定している: 読者は新しい単語を観察し、必要に応じて処理する時間を割り当てる。
読者は、将来の単語について予測を行い、その予測に基づいて処理する時間を割り当てることができる。
本研究では,この予測を単語の文脈エントロピーとして運用する。
本研究では,2つの自己ペースデータと2つの視線追跡データを用いて,主観的および文脈的エントロピーが読書時間をどのように予測するかを比較検討した。
実験により,単語の読解時間(RT)に対する文脈的エントロピーの影響が,単語の読解時間(RT)に与える影響を示す重要な証拠が得られた。
しかし、スプリンクラー効果は一般にエントロピーではなく、サープリサールによってのみ捕獲される。
さらに、コンテキストエントロピーがRTに影響を与える4つの認知メカニズムを仮説化します。
全体として、私たちの結果は、応答性だけでなく予測性もサポートする。
関連論文リスト
- Improving fit to human reading times via temperature-scaled surprisal [17.728142768267904]
そこで本研究では,ヒトの読解時間の予測因子として,形状確率で算出した温度スケール推定法を提案する。
3つのコーパスにまたがる結果から,このような仮定が読解時間の予測を劇的に改善することが明らかとなった。
また,人間の類似性バイアスを定量化するためのキャリブレーション指標を提案する。
論文 参考訳(メタデータ) (2023-11-15T19:34:06Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Testing the Predictions of Surprisal Theory in 11 Languages [71.0450229199313]
本研究では,11言語における副次的時間と読解時間の関係について検討する。
より多様な言語に焦点をあてることで、これらの結果は、情報理論と言語間のインクリメンタル言語処理の最も堅牢なリンクを提供すると論じる。
論文 参考訳(メタデータ) (2023-07-07T15:37:50Z) - Analyzing Wrap-Up Effects through an Information-Theoretic Lens [96.02309964375983]
本研究は,ラップアップ効果と情報理論量との関係について検討する。
先行文脈における情報の分布は文末RTや節末RTで予測されることが多い。
論文 参考訳(メタデータ) (2022-03-31T17:41:03Z) - Measuring the Impact of (Psycho-)Linguistic and Readability Features and
Their Spill Over Effects on the Prediction of Eye Movement Patterns [27.799032561722893]
本稿では,2つの視線追跡コーパスと2つの言語モデル(BERTとGPT-2)について報告する。
あらゆる実験において,人間の読解行動を予測するための幅広い特徴(音韻的複雑性,語彙的富度,レジスタベース多語の組み合わせ,可読性,心理言語的単語特性)の効果を検証した。
本実験は, トランスフォーマーに基づく言語モデルの特徴とアーキテクチャの両方が, 自然視読影時の複数の視線追跡指標を予測する役割を担っていることを示す。
論文 参考訳(メタデータ) (2022-03-15T17:13:45Z) - Opinion Prediction with User Fingerprinting [2.530230786851905]
本稿では,ユーザの閲覧履歴に条件付きコメントのコンテキスト埋め込みを利用する動的フィンガープリント手法を提案する。
その結果,マイクロF1スコアは従来に比べて最大13%向上した。
論文 参考訳(メタデータ) (2021-07-31T15:47:37Z) - Temporal Reasoning on Implicit Events from Distant Supervision [91.20159064951487]
本稿では,暗黙的事象の理解度を評価する新しい時間的推論データセットを提案する。
我々は、暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に、最先端のモデルが苦労していることを発見した。
本稿では,大規模テキストからの遠隔監視信号を利用して終末時刻を推定する,ニューロシンボリックな時間的推論モデルSYMTIMEを提案する。
論文 参考訳(メタデータ) (2020-10-24T03:12:27Z) - Predicting MOOCs Dropout Using Only Two Easily Obtainable Features from
the First Week's Activities [56.1344233010643]
いくつかの特徴は、学習者の誘惑や興味の欠如に寄与すると考えられており、そのことが解脱や総減退につながる可能性がある。
この研究は、いくつかの機械学習アプローチを比較して、最初の1週間から早期のドロップアウトを予測することを目的としている。
論文 参考訳(メタデータ) (2020-08-12T10:44:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。