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

• On the Role of Context in Reading Time Prediction [50.87306355705826]
  我々は,リアルタイム言語理解において,読者がコンテキストをどのように統合するかについて,新たな視点を提示する。 提案手法は,言語単位の処理作業が文脈内情報の内容のアフィン関数であることを示す素因的理論に基づいている。
  論文  参考訳（メタデータ） (2024-09-12T15:52:22Z)
• Language models emulate certain cognitive profiles: An investigation of how predictability measures interact with individual differences [1.942809872918085]
  本研究では,人間の読取時間データに基づく言語モデル (LM) から推定した,主観的・エントロピー的測度の予測力を再考する。 本研究は,認知的スコアに対する主観的・エントロピーの調整が,読解時間の予測精度を向上させるかどうかを考察する。 本研究は,ほとんどのケースにおいて,認知能力の付加は,読書時間における主観的・エントロピーの予測能力を増加させることを示した。
  論文  参考訳（メタデータ） (2024-06-07T14:54:56Z)
• Temperature-scaling surprisal estimates improve fit to human reading times -- but does it do so for the "right reasons"? [15.773775387121097]
  大規模な言語モデルのキャリブレーションは,通常モデルサイズによって改善されることを示す。 温度スケーリングの確率は、読み取り時間に体系的に適合することがわかった。
  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 [77.45204595614]
  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)
• 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。