Modelación computacional del aprendizaje y procesamiento de primera y segunda lengua con los mapas temporales auto-organizados

Abstract

Starting from the evidence provided by researchers at ComPhys Lab of the Institute for Computational Linguistics, Italian National Research Council (Pisa, ILC-CNR), the main goal of my thesis was to extend the application of computational modelling of language acquisition in monolingual and bilingual contexts to Spanish, which has not yet been treated within the given research framework. For the first step, I briefly outlined some of the most prominent psycholinguistic approaches to the study of language acquisition. Secondly, three major models of morphological processing has been presented. For instance, three models of lexical representation and processing has been explained, following the classification proposed by Bybee (1995), i.e. dual-processing model, connectionist model, and network model. The difference between these three models lies in whether they make a distinction between regular and irregular verbs and their processing models, and whether or not the type/token frequency of verbal morphological patterns plays any role at all. The experimental part of this study was focussed on the first and second language acquisition of Spanish verbs, contrasted with parallel datasets in the Italian and German languages. In order to compile the dataset, I extracted the 50 most frequent verb paradigms from European Spanish Web Corpus (2011), available in Sketch Engine, for a total of 750 inflected forms (corresponding to the forms of the infinitive, present, and past participle, singular and plural simple present, singular and plural simple past). The frequency distribution was provided for each inflected form. For an analysis and evaluation of the emergent organization of paradigmatic relations, I annotated each form with morpho-syntactic information (i.e. stem and affix length, paradigmatic cell, formal (ir)regularity, paradigm). Specific difficulties arose during the segmentation of Spanish verbs, due to the peculiarities of some irregular patterns. The computational modelling and processing of Spanish verbs forms has been simulated with Temporal Self-Organizing Maps (TSOMs), based on Kohonen¿s Self-Organizing Maps (2001), augmented with a temporal layer. Basically, this computational model reproduces dynamics of lexical learning and processing by imitating the emergence of neural self-organization, through the incremental adaptation of topologically and temporally aligned synaptic connections. I concluded that an adaptive self-organization during learning is conducive to the emergence of relations between word forms, which are stored in the mental lexicon in a concurrent and competitive dynamic. In particular, in a bilingual perspective, monitoring the acquisitional trajectories of more than one lexica (in both L1+L2 and L1/L1 contexts) showed how recycled memory resources and weaker connections affect L2 acquisition and processing, with a smaller specialization for context-specific input chunks, depending on the exposure conditions.

El principal objetivo de la tesis es ampliar la aplicación del modelado computacional de la adquisición del lenguaje en contextos monolingües y bilingües del español, que todavía no ha sido tratado dentro del marco de investigación dado, a partir de las pruebas aportadas por los investigadores del ComPhys Lab del Instituto de Lingüística Computacional, Consejo Nacional Italiano de Investigación (Pisa, ILC-CNR). En primer lugar, resumimos brevemente algunos de los enfoques psicolingüísticos más destacados para el estudio de la adquisición del lenguaje. En segundo lugar, presentamos los tres modelos principales de procesamiento morfológico. Por ejemplo, se han explicado tres modelos de representación y procesamiento léxico, siguiendo la clasificación propuesta por Bybee (1995), es decir, el modelo de procesamiento dual, el modelo conexionista y el modelo de red. La diferencia entre estos tres modelos radica en si hacen una distinción entre verbos regulares e irregulares y sus modelos de procesamiento, y si la frecuencia tipo/caso de los patrones morfológicos verbales representan alguna función. La parte experimental del estudio se centró en la adquisición de la primera y segunda lengua en los verbos en español, en contraste con el conjunto de datos paralelos en italiano y alemán. Para compilar los datos, extrajimos los 50 paradigmas verbales más frecuentes del European Spanish Web Corpus (2011), disponible en Sketch Engine, de un total de 750 formas flexionadas (correspondientes a las formas del infinitivo, presente y participio pasado, singular y plural del presente simple, singular y plural de pasado simple). Se proporcionó la distribución de la frecuencia para cada forma flexionada. Para un análisis y evaluación de la organización emergente de las relaciones paradigmáticas, anotamos cada forma con información morfo-sintáctica (es decir, longitud de raíz y afijo, elemento paradigmático, (ir) regularidad formal, paradigma). Surgieron dificultades específicas durante la segmentación de los verbos en español, debido a las particularidades de algunos patrones irregulares. El modelo computacional y el proceso de las formas verbales españolas ha sido simulado con Temporal Self-Organizing Maps (TSOMs), basado en Kohonen¿s Self-Organizing Maps (2001), mejorado con una capa temporal. Básicamente, este modelo computacional reproduce las dinámicas de aprendizaje y procesamiento léxico imitando la aparición del auto organización neural, a través de la adaptación incremental de conexiones sinápticas alineadas topológica y temporalmente. Podemos concluir que una auto-organización adaptativa durante el aprendizaje conduce a la aparición de las relaciones entre las formas de las palabras, que se almacenan en el léxico mental en una dinámica concurrente y competitiva. En particular, en una perspectiva bilingüe, el monitoreo de las trayectorias de adquisición de más de una unidad léxica (en ambos contextos L1+L2 y L1/L1) mostró cómo los recursos de memoria reciclados y las conexiones más débiles afectan la adquisición y procesamiento de L2, con una especialización menor para los fragmentos de entradas específicos del contexto, dependiendo de las condiciones de exposición.