論文の概要: Performance and competence intertwined: A computational model of the Null Subject stage in English-speaking children

• arxiv url: http://arxiv.org/abs/2509.25545v1
• Date: Mon, 29 Sep 2025 22:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.948774
• Title: Performance and competence intertwined: A computational model of the Null Subject stage in English-speaking children
• Title（参考訳）: インタットウィンドのパフォーマンスと能力:英語を話す子どもにおけるNull主観段階の計算モデル
• Authors: Soumik Dey, William Gregory Sakas,
• Abstract要約: 若い英語話者は、パフォーマンスの影響により、インペラティブなNS発声と宣言的な発声を混同することが多い。 そこで我々は,この誤解釈を計算パラメータとして提案し,従属科目文法学習のシミュレーションモデルに組み込む。
• 参考スコア（独自算出の注目度）: 0.5729426778193398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The empirically established null subject (NS) stage, lasting until about 4 years of age, involves frequent omission of subjects by children. Orfitelli and Hyams (2012) observe that young English speakers often confuse imperative NS utterances with declarative ones due to performance influences, promoting a temporary null subject grammar. We propose a new computational parameter to measure this misinterpretation and incorporate it into a simulated model of obligatory subject grammar learning. Using a modified version of the Variational Learner (Yang, 2012) which works for superset-subset languages, our simulations support Orfitelli and Hyams' hypothesis. More generally, this study outlines a framework for integrating computational models in the study of grammatical acquisition alongside other key developmental factors.
• Abstract（参考訳）: 実験的に確立されたNull subject (NS) 段階は、約4歳まで継続し、子供による被験者の欠席が頻発する。 Orfitelli と Hyams (2012) は、若い英語話者は、命令的なNS発話を、パフォーマンスの影響で宣言的な発話と混同し、一時的なヌルな主題文法を推進している。 そこで我々は,この誤解釈を計算パラメータとして提案し,従属科目文法学習のシミュレーションモデルに組み込む。 スーパーセット・サブセット言語で動作する変分学習器 (Yang, 2012) の修正版を用いて, シミュレーションはOrfitelli と Hyams の仮説を支持する。 より一般的には、他の重要な発達要因とともに文法的獲得の研究において、計算モデルを統合するための枠組みを概説する。

関連論文リスト

• The Emergence of Grammar through Reinforcement Learning [5.599852485003601]
  構文的・意味的構成の文法体系の進化は、強化学習理論の新たな応用によってモデル化される。 私たちは、与えられたコンテキストで表現できる異なるメッセージに対する確率分布をモデル内に含んでいます。 提案された学習と生産のアルゴリズムは、言語学習を、メッセージの確率から得られる各ステップの利点など、一連の単純なステップに分解する。
  論文  参考訳（メタデータ） (2025-03-03T15:10:46Z)
• The Power of Question Translation Training in Multilingual Reasoning: Broadened Scope and Deepened Insights [108.40766216456413]
  大規模言語モデルの英語と非英語のパフォーマンスのギャップを埋めるための質問アライメントフレームワークを提案する。 実験結果から、さまざまな推論シナリオ、モデルファミリー、サイズにわたって、多言語のパフォーマンスを向上できることが示された。 我々は、表現空間、生成された応答とデータスケールを分析し、質問翻訳訓練がLLM内の言語アライメントをどのように強化するかを明らかにする。
  論文  参考訳（メタデータ） (2024-05-02T14:49:50Z)
• Holmes: A Benchmark to Assess the Linguistic Competence of Language Models [59.627729608055006]
  言語モデル(LM)の言語能力を評価するための新しいベンチマークであるHolmesを紹介する。 我々は、計算に基づく探索を用いて、異なる言語現象に関するLMの内部表現を調べる。 その結果,近年,他の認知能力からLMの言語能力を引き離す声が上がっている。
  論文  参考訳（メタデータ） (2024-04-29T17:58:36Z)
• Robustness of the Random Language Model [0.0]
  このモデルは、潜在的言語の広大な空間におけるアニーリングの一種として、最初の言語学習の簡単な図を示唆している。 これは、潜在的な単語とカテゴリ間の対称性が自発的に壊れる文法構文への単一の連続的な遷移を意味する。 結果は、言語学における第一言語習得の理論と、機械学習における最近の成功を踏まえて議論される。
  論文  参考訳（メタデータ） (2023-09-26T13:14:35Z)
• Deriving dynamical systems for language based on the Tolerance Principle [91.3755431537592]
  私は、獲得駆動フレームワーク内の言語に対する明示的な動的システムを導き出します。 私は、人口規模(有限対無限)や学習者にデータを提供する前世代の数など、様々な理論的パラメータについて検討する。
  論文  参考訳（メタデータ） (2022-09-09T11:49:55Z)
• Quark: Controllable Text Generation with Reinforced Unlearning [68.07749519374089]
  大規模言語モデルは、しばしばユーザの期待に合わない振る舞いを学ぶ。 本稿では,(不必要な)特性を定量化する報酬関数を最適化するアルゴリズムQuarkを紹介する。 未学習の毒性、ネガティブな感情、反復について、我々の実験はQuarkが強いベースラインと最先端の強化学習法の両方より優れていることを示している。
  論文  参考訳（メタデータ） (2022-05-26T21:11:51Z)
• Word Acquisition in Neural Language Models [0.38073142980733]
  ニューラルネットワークモデルは,学習中に個々の単語を習得し,学習曲線を抽出し,600以上の単語の獲得年齢を推定する。 子どもや言語モデルでは, 具体性, 単語長, 語彙クラスの影響が顕著に異なることがわかった。
  論文  参考訳（メタデータ） (2021-10-05T23:26:16Z)
• The Grammar-Learning Trajectories of Neural Language Models [42.32479280480742]
  ニューラルネットワークモデルは,データ上での終末性能が異なるにもかかわらず,同じ順序で言語現象を取得することを示す。 以上の結果から,NLMは一貫した発達段階を示すことが示唆された。
  論文  参考訳（メタデータ） (2021-09-13T16:17:23Z)
• SLM: Learning a Discourse Language Representation with Sentence Unshuffling [53.42814722621715]
  談話言語表現を学習するための新しい事前学習目的である文レベル言語モデリングを導入する。 本モデルでは,この特徴により,従来のBERTの性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-10-30T13:33:41Z)
• Recurrent Neural Network Language Models Always Learn English-Like Relative Clause Attachment [17.995905582226463]
  英語とスペイン語のモデル性能を比較し,RNN LMにおける非言語的バイアスが英語の構文構造と有利に重なることを示す。 英語モデルは人間に似た構文的嗜好を習得しているように見えるが、スペイン語で訓練されたモデルは、同等の人間的な嗜好を取得できない。
  論文  参考訳（メタデータ） (2020-05-01T01:21:47Z)

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。