論文の概要: The Effect of Surprisal on Reading Times in Information Seeking and Repeated Reading

• arxiv url: http://arxiv.org/abs/2410.08162v1
• Date: Thu, 10 Oct 2024 17:43:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 05:05:45.008750
• Title: The Effect of Surprisal on Reading Times in Information Seeking and Repeated Reading
• Title（参考訳）: 情報検索と反復読解における要約が読解時間に及ぼす影響
• Authors: Keren Gruteke Klein, Yoav Meiri, Omer Shubi, Yevgeni Berzak,
• Abstract要約: 我々は視線追跡データを用いて日常生活に共通する3つの言語処理体制を調べる。 処理時間に対する線形効果の存在に関する前提理論の予測は,これらの体制にまで及んでいることが判明した。 情報探索においては、そのような推定値が通常の推定値と比較して処理時間の予測能力を改善することはない。
• 参考スコア（独自算出の注目度）: 1.2062053320259833
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The effect of surprisal on processing difficulty has been a central topic of investigation in psycholinguistics. Here, we use eyetracking data to examine three language processing regimes that are common in daily life but have not been addressed with respect to this question: information seeking, repeated processing, and the combination of the two. Using standard regime-agnostic surprisal estimates we find that the prediction of surprisal theory regarding the presence of a linear effect of surprisal on processing times, extends to these regimes. However, when using surprisal estimates from regime-specific contexts that match the contexts and tasks given to humans, we find that in information seeking, such estimates do not improve the predictive power of processing times compared to standard surprisals. Further, regime-specific contexts yield near zero surprisal estimates with no predictive power for processing times in repeated reading. These findings point to misalignments of task and memory representations between humans and current language models, and question the extent to which such models can be used for estimating cognitively relevant quantities. We further discuss theoretical challenges posed by these results.
• Abstract（参考訳）: サブプライサルが処理困難に与える影響は、精神言語学における研究の中心的な話題となっている。 本稿では,日々の生活に共通する3つの言語処理体制について,情報探索,繰り返し処理,これら2つの組み合わせの3つの視点追跡データを用いて検討する。 標準的な状態に依存しない前提推定値を用いて,処理時間に対する仮定の線形効果の存在に関する仮定理論の予測が,これらの状況にまで及ぶことが判明した。 しかし,人間に与えられた状況や課題に合致する状況に応じた前提推定を用いると,情報探索においては,通常の前提よりも処理時間の予測能力は向上しないことがわかった。 さらに、コンテクスト固有のコンテキストは、繰り返し読み込む時間を処理するための予測力のない、ゼロの前提推定値に近いものとなる。 これらの知見は、人間と現在の言語モデル間のタスクとメモリの表現のミスアライメントを指摘し、そのようなモデルが認知関連量の推定にどの程度使えるのかを疑問視する。 これらの結果から生じる理論的課題についても論じる。

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)
• 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)
• Sparse Deep Learning for Time Series Data: Theory and Applications [9.878774148693575]
  疎いディープラーニングは、ディープニューラルネットワークのパフォーマンスを改善するための一般的なテクニックとなっている。 本稿では,データを用いた疎い深層学習の理論について検討する。 提案手法は時系列データの自己回帰順序を連続的に同定できることを示す。
  論文  参考訳（メタデータ） (2023-10-05T01:26:13Z)
• An Overview Of Temporal Commonsense Reasoning and Acquisition [20.108317515225504]
  時間的コモンセンス推論(英: Temporal Commonsense reasoning)とは、フレーズ、行動、出来事の典型的な時間的文脈を理解する能力である。 大規模言語モデルの性能に関する最近の研究は、しばしば推論においてショートカットを行い、単純な言語トラップに陥ることが示唆されている。
  論文  参考訳（メタデータ） (2023-07-28T01:30:15Z)
• Spatio-temporal predictive tasks for abnormal event detection in videos [60.02503434201552]
  オブジェクトレベルの正規化パターンを学習するための制約付きプレテキストタスクを提案する。 我々のアプローチは、ダウンスケールの視覚的クエリとそれに対応する正常な外観と運動特性のマッピングを学習することである。 いくつかのベンチマークデータセットの実験では、異常の局所化と追跡のためのアプローチの有効性が示されている。
  論文  参考訳（メタデータ） (2022-10-27T19:45:12Z)
• 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)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Evaluating Predictive Distributions: Does Bayesian Deep Learning Work? [45.290773422944866]
  後続の予測分布は、点推定によって無視される不確実性を定量化する。 本稿では,このような予測を生成するエージェントの系統的評価を行うためのツールである,The Neural Testbedを紹介する。
  論文  参考訳（メタデータ） (2021-10-09T18:54:02Z)
• Context-Aware Attentive Knowledge Tracing [21.397976659857793]
  本稿では、フレキシブルアテンションに基づくニューラルネットワークモデルと、新しい解釈可能なモデルコンポーネントを結合した注意知識追跡手法を提案する。 AKTは、学習者の将来の応答と過去の応答に対する評価質問を関連付ける新しいモノトニックアテンションメカニズムを使用する。 AKT は,既存の KT 手法(場合によっては AUC で最大6% 以上)よりも,将来の学習者応答の予測に優れることを示す。
  論文  参考訳（メタデータ） (2020-07-24T02:45:43Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

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。