Die dynamische Bedeutung von 'haben' in der Sprache
Diese Studie untersucht, wie der Kontext die Bedeutungen von mehrdeutigen Wörtern beeinflusst.
― 8 min Lesedauer
Inhaltsverzeichnis
Das Verständnis von Sprache beinhaltet, die Bedeutungen von Wörtern in unterschiedlichen Kontexten zu erkennen. Ein wichtiger Teil dieses Verständnisses besteht darin, dass ein einzelnes Wort mehrere Bedeutungen haben kann. Zum Beispiel kann das Wort "haben" Besitztum darstellen, wie in "Ich habe ein Auto," oder einen Standort anzeigen, wie in "Das Buch liegt auf dem Tisch." Diese Fähigkeit, zwischen Bedeutungen je nach Kontext zu wechseln, nennt man Polysemie.
In unserer Untersuchung präsentieren wir ein Modell, das zeigt, wie das Gehirn diese Bedeutungen dynamisch verarbeitet. Dieses Modell konzentriert sich auf das Wort "haben" und versucht zu erklären, wie der Kontext seine Bedeutung verändern kann. Wir verwenden ein Framework namens Dynamische Feldtheorie (DFT), um zu veranschaulichen, wie das funktioniert.
Lexikalische Bedeutung und Polysemie
Zuerst ist ein lexikalisches Element eine grundlegende Bedeutungseinheit in einer Sprache. Es repräsentiert eine Beziehung zwischen Klängen, Formen und Bedeutungen. Im Fall von Polysemie kann ein Wort mehrere verwandte Bedeutungen haben. Zum Beispiel könnte "Buch" sich auf einen physischen Gegenstand beziehen, wie auf ein schweres Buch, oder auf eine Informationssammlung, wie auf ein unterhaltsames Buch. Die Bedeutungen sind verbunden, aber ihre Interpretationen können je nach Kontext schwanken.
Polysemie unterscheidet sich von Homophonie, wo Wörter gleich klingen, aber unrelated Bedeutungen haben, wie "Bank," die sich auf ein Flussufer oder eine Finanzinstitution beziehen kann. In dieser Studie gehen wir tiefer darauf ein, wie der Kontext die verschiedenen Bedeutungen eines einzelnen Wortes beeinflusst, besonders das Wort "haben."
Das Wort "Haben"
Das Wort "haben" deutet normalerweise auf Besitz hin. Wenn wir zum Beispiel sagen, "Sie hat ein Fahrrad," ist die Bedeutung klar. Allerdings kann die Interpretation je nach Kontext anders sein. Wenn wir sagen, "Der Baum hat ein Motorrad," wird die Bedeutung weniger klar. Hier könnte das Subjekt "der Baum" eine unveräusserte Besitzform andeuten, was awkward wirkt, da Bäume normalerweise keine Motorräder im herkömmlichen Sinne besitzen.
Wenn ein ungewöhnliches Subjekt wie "der Eichenbaum" involviert ist, können die Leute es auf zwei Arten interpretieren:
- Es könnte eine Teil-Ganzes-Beziehung andeuten (die Bedeutung der unveräusserten Besitzform), oder
- Es könnte so umgedeutet werden, dass das Subjekt vermenschlicht wird, was zu einer klareren Interpretation der übertragbaren Besitzform führt, wie "Die Person, die als Baum verkleidet ist, hat ein Motorrad."
Faszinierend ist, dass "haben" auch Interpretationen basierend auf dem Standort erlaubt. Wenn wir sagen, "Das Motorrad steht neben dem Eichenbaum," können wir auch wahrnehmen, dass das Motorrad einfach in der Nähe des Baums ist. Diese Interpretation, die wir Nähe nennen, wird wahrscheinlicher, wenn sich der Kontext darauf konzentriert.
Kontextuelle Interpretation
Die Beziehungen, die durch "haben" vermittelt werden, sind keine starren Kategorien, sondern existieren auf einem Spektrum. Es gibt Abstufungen der Verbindung und Kontrolle. Zum Beispiel kann "Die Frau hat ein Auto" verschiedene Besitzlevels anzeigen, vom Ausleihen bis zum tatsächlichen Besitz. In anderen Fällen vermittelt "Die Frau hat Haare" ein weniger klares Gefühl von Kontrolle im Vergleich zu "Die Frau hat einen Körper," was zeigt, dass die Beziehungen in Abstufungen variieren können.
Kontext spielt eine entscheidende Rolle in diesen Interpretationen. Wenn der vorhergehende Satz Nähe andeutet, kann das die Wahrscheinlichkeit erhöhen, dass "haben" im Sinne von Nähe interpretiert wird. Das deutet darauf hin, dass Bedeutungen nicht isoliert existieren, sondern durch umgebende Informationen interagieren.
Das Dynamische Neuronale Modell
Um diese wechselnden Bedeutungen zu verstehen, schlagen wir ein dynamisches neuronales Modell vor. Dieses Modell sieht Sprache und Bedeutung als innerhalb eines kontinuierlichen konzeptionellen Raumes existierend, der durch zwei Hauptdimensionen definiert ist: Kontrolle und Verbundenheit.
- Kontrolle bezieht sich darauf, wie viel ein Teilnehmer in einer Situation einen anderen kontrollieren kann. Hohe Kontrolle bedeutet, dass einer der Akteur in der Szene ist, während niedrige Kontrolle auf geteilte oder keine Handlung hinweist.
- Verbundenheit bewertet, wie verbunden zwei Personen in einer bestimmten Situation sind. Das bezieht sich auf das Mass der Interaktion und der strukturellen Beziehungen, die sie teilen.
Indem Bedeutungen in diesem kontinuierlichen Raum platziert werden, zeigt das Modell, dass die Interpretationen von "haben" entlang dieser Dimensionen variieren, anstatt strikt definiert zu sein. Zum Beispiel kann den Besitz eines Objekts als ein Hochkontroll-, Hochverbundenheitsszenario erscheinen, während Nähe niedrigere Kontrolle und niedrige Verbundenheit darstellen könnte.
Empirische Beweise
Das vorgeschlagene Modell wird durch mehrere Beweislinien gestützt. Erstens geben historische Veränderungen in der Sprache Einblicke, wie Bedeutungen sich im Laufe der Zeit entwickelt haben. Zum Beispiel hat das Wort "kade" in der Sprache Marathi vor über 200 Jahren von einer Bedeutung der Nähe zu einer Bedeutung des Besitzes gewechselt. Diese Bewegung spiegelt die dynamische Natur der Bedeutungen im Kontext wider.
Zweitens zeigen Experimente zum Sprachverständnis, dass der Kontext einen signifikanten Einfluss darauf hat, wie wir Wörter interpretieren. Wenn Teilnehmer Sätze lesen, können ihre Bewertungen, wie akzeptabel diese Sätze erscheinen, dramatisch basierend auf dem vorhergehenden Kontext schwanken. Zum Beispiel erhielt ein Satz, der als Nähe interpretiert wurde, höhere Bewertungen, wenn er von einem anderen Nähe-Kontext gefolgt wurde, im Vergleich zu einem Besitz-Kontext.
Zusätzlich hat die Gehirnforschung gezeigt, dass die Verarbeitungszeiten je nach Interaktion der benachbarten Bedeutungen in einem Satz variieren. Es scheint, dass das Gehirn seine Verarbeitungs-Geschwindigkeit basierend auf der erwarteten Bedeutung anpasst, die durch den Kontext geformt wird.
Dynamische Feldtheorie (DFT)
Die Dynamische Feldtheorie ist ein Framework, das verwendet wird, um diese neuronalen Dynamiken zu erklären. DFT modelliert kognitive Merkmale als kontinuierliche Parameter, die von neuronalen Populationen beeinflusst werden. Das Verhalten dieser neuronalen Felder zeigt, wie sich Bedeutung und Sprachverständnis über die Zeit verändern können.
In diesem Modell ist jedes lexikalische Element, wie "haben," mit einem dynamischen neuronalen Feld verbunden, das seine potenziellen Bedeutungen darstellt. Aktivierungsmuster in diesen Feldern entsprechen spezifischen Interpretationen, während Interaktionen zwischen verschiedenen Feldern Bedeutungsänderungen hervorrufen können. Das Modell legt nahe, dass sich mit dem Kontext auch die Aktivierungsspitzen, die die Bedeutungen repräsentieren, verschieben.
Dieses Framework ermöglicht es uns zu verstehen, wie das Gehirn Stabilität in seinen Interpretationen mit der Flexibilität balanciert, die notwendig ist, um sich an neue Kontexte anzupassen. Dieses Zusammenspiel von Stabilität und Veränderung ist entscheidend für ein effektives Sprachverständnis.
Modellsimulationen
Die Simulation dieses Modells zeigt, wie unterschiedliche Kontexte zu verschiedenen Interpretationen desselben Wortes führen können. Wenn "haben" unter verschiedenen Bedingungen getestet wird - wie Nähe gegenüber Besitz - zeigen diese Simulationen, dass die im Modell gewählte Interpretation stark vom vorhergehenden Kontext abhängt.
In Simulationen stabilisiert das Modell die Interpretation entlang der Nähe, wenn der Kontext eine Nähe-Bedeutung andeutet. Umgekehrt führt eine zuvor etablierte Besitz-Bedeutung zu einer entsprechenden Interpretation im folgenden Satz. Das Modell veranschaulicht die Persistenz der Aktivierungswellen über die Zeit und beeinflusst, wie wir Sprache verarbeiten und verstehen.
Diese Anpassungsfähigkeit wird deutlich, wenn das Modell zahlreiche Instanzen dieser Interpretation über verschiedene Kontexte simuliert und ein konsistentes Muster offenbart: Je ähnlicher der Kontext, desto wahrscheinlicher ist es, eine entsprechende Interpretation zu erzeugen.
Experimentdesign
Um das Modell weiter zu testen, wurde ein neues Experiment durchgeführt, das Akzeptabilitätsurteile und selbstgesteuertes Lesen kombinierte. Teilnehmer wurden mit Sätzen konfrontiert, die darauf ausgelegt waren, Interpretationen zu "haben" hervorzurufen, gefolgt von Kontext-Sätzen, die entweder eine Nähe- oder Besitz-Lesart unterstützten.
Die Studie hatte zum Ziel, frühere Ergebnisse zu replizieren und zu untersuchen, wie der Kontext die Akzeptabilitätsbewertungen beeinflusst - ob Bedeutungen, die als akzeptabler angesehen werden, schneller verarbeitet werden. Die Teilnehmer lasen Sätze und bewerteten dann ihre Akzeptabilität, sodass die Forscher Daten zu sowohl Lesezeiten als auch Urteilswerten sammeln konnten.
Ergebnisse des Experiments
Das Experiment ergab, dass die Akzeptabilitätsbewertungen im Nähe-Kontext signifikant höher waren als im Besitz-Kontext. Insgesamt schienen die Sätze, die als Nähe vermittelt wurden, den Teilnehmern natürlicher zu erscheinen, nachdem sie einen Kontext erhalten hatten, der ebenfalls Nähe-Bedeutungen präsentierte.
Darüber hinaus zeigte die Untersuchung individueller Teilnehmerantworten, dass diejenigen mit höheren Autism-Spectrum Quotient (AQ) Werten einen geringeren Einfluss des Kontextes aufwiesen, was auf eine Beziehung zwischen kontextueller Sensitivität und Sprachverarbeitung hinweist.
Wesentlich ist, dass die Beziehung zwischen Akzeptabilitätsbewertungen und Lesezeiten je nach Kontext variierte. Im Nähe-Kontext gingen schnellere Lesezeiten mit höheren Akzeptabilitätswerten einher, während im Besitz-Kontext das Gegenteil zu beobachten war.
Diese Ergebnisse stimmten mit den Vorhersagen des Modells überein und unterstützen die Ansicht, dass der Kontext die Interpretation von Bedeutungen formt und dass diese Interpretationen nicht ganz stabil sind, sondern vielmehr durch umgebende linguistische Hinweise beeinflusst werden.
Fazit
Zusammenfassend bietet diese Studie Einblicke, wie das Sprachverständnis bei polysemen Wörtern funktioniert. Das vorgeschlagene dynamische neuronale Modell erfasst effektiv das Zusammenspiel zwischen Kontext und Bedeutung und zeigt, wie das Gehirn die Komplexitäten in der Sprachverwendung navigiert.
Durch die Nutzung der DFT konnten wir die kontinuierliche Natur der lexikalischen Bedeutung und wie sie sich basierend auf kontextuellen Einflüssen ändern kann, klar darstellen. Die empirischen Beweise, einschliesslich historischer Veränderungen und experimenteller Ergebnisse, stärken die Idee, dass Bedeutungen auf einem Spektrum existieren, anstatt in starren Kategorien.
Unsere Ergebnisse bieten einen Blick darauf, wie Sprache fliessend funktioniert, geformt durch das dynamische Zusammenspiel von Kontrolle und Verbundenheit. Dieses Verständnis fördert ein tieferes Verständnis der kognitiven Prozesse, die an der Sprachverarbeitung beteiligt sind und eröffnet neue Forschungsansätze zu den neurokognitiven Mechanismen, die unserem Verständnis von Sprache zugrunde liegen.
Titel: Contextual modulation of language comprehension in a dynamic neural model of lexical meaning
Zusammenfassung: We propose and computationally implement a dynamic neural model of lexical meaning, and experimentally test its behavioral predictions. We demonstrate the architecture and behavior of the model using as a test case the English lexical item 'have', focusing on its polysemous use. In the model, 'have' maps to a semantic space defined by two continuous conceptual dimensions, connectedness and control asymmetry, previously proposed to parameterize the conceptual system for language. The mapping is modeled as coupling between a neural node representing the lexical item and neural fields representing the conceptual dimensions. While lexical knowledge is modeled as a stable coupling pattern, real-time lexical meaning retrieval is modeled as the motion of neural activation patterns between metastable states corresponding to semantic interpretations or readings. Model simulations capture two previously reported empirical observations: (1) contextual modulation of lexical semantic interpretation, and (2) individual variation in the magnitude of this modulation. Simulations also generate a novel prediction that the by-trial relationship between sentence reading time and acceptability should be contextually modulated. An experiment combining self-paced reading and acceptability judgments replicates previous results and confirms the new model prediction. Altogether, results support a novel perspective on lexical polysemy: that the many related meanings of a word are metastable neural activation states that arise from the nonlinear dynamics of neural populations governing interpretation on continuous semantic dimensions.
Autoren: Michael C. Stern, Maria M. Piñango
Letzte Aktualisierung: 2024-07-19 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2407.14701
Quell-PDF: https://arxiv.org/pdf/2407.14701
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.