El aprendizaje de gramática artificial ( AGL ) es un paradigma de estudio dentro de la psicología cognitiva y la lingüística . Su objetivo es investigar los procesos que subyacen al aprendizaje del lenguaje humano mediante la prueba de la capacidad de los sujetos para aprender una gramática inventada en un entorno de laboratorio. Fue desarrollado para evaluar los procesos de aprendizaje del lenguaje humano, pero también se ha utilizado para estudiar el aprendizaje implícito.en un sentido más general. El área de interés suele ser la capacidad de los sujetos para detectar patrones y regularidades estadísticas durante una fase de entrenamiento y luego utilizar su nuevo conocimiento de esos patrones en una fase de prueba. La fase de prueba puede usar los símbolos o sonidos usados en la fase de entrenamiento o transferir los patrones a otro conjunto de símbolos o sonidos como estructura de superficie.
Muchos investigadores proponen que las reglas de la gramática artificial se aprenden en un nivel implícito ya que las reglas de la gramática nunca se presentan explícitamente a los participantes. El paradigma también se ha utilizado recientemente para otras áreas de investigación, como la aptitud para el aprendizaje de idiomas , la preparación estructural [1] y para investigar qué estructuras cerebrales están involucradas en la adquisición de sintaxis y el aprendizaje implícito.
Aparte de los humanos, el paradigma también se ha utilizado para investigar el aprendizaje de patrones en otras especies, por ejemplo, titíes y estorninos .
Historia
Hace más de medio siglo George A. Miller [2] estableció el paradigma del aprendizaje de la gramática artificial para investigar la influencia de las estructuras gramaticales explícitas en el aprendizaje humano, diseñó un modelo gramatical de letras con diferentes secuencias. Su investigación demostró que era más fácil recordar una secuencia gramatical estructurada que una secuencia aleatoria de letras. Su explicación fue que los alumnos podían identificar las características comunes entre las secuencias aprendidas y, en consecuencia, codificarlas en un conjunto de memoria. Predijo que los sujetos podrían identificar qué letras probablemente aparecerán juntas como una secuencia repetidamente y qué letras no lo harían y que los sujetos usarían esta información para formar conjuntos de memoria. Esos conjuntos de memoria sirvieron a los participantes como estrategia más adelante durante sus pruebas de memoria.
Reber [3] dudaba de la explicación de Miller. Afirmó que si los participantes podían codificar las reglas gramaticales como conjuntos de memoria productivos, entonces deberían poder verbalizar su estrategia en detalle. Realizó una investigación que condujo al desarrollo del paradigma AGL moderno. Esta investigación utilizó un modelo de aprendizaje de gramática sintética para probar el aprendizaje implícito. AGL se convirtió en el modelo más utilizado y probado en el campo. Como en el paradigma original desarrollado por Miller, se pidió a los participantes que memorizaran una lista de cadenas de letras que se crearon a partir de un modelo de reglas gramaticales artificiales. Fue solo durante la fase de prueba que se les dijo a los participantes que había un conjunto de reglas detrás de las secuencias de letras que memorizaban. Luego se les indicó que categorizaran las nuevas cadenas de letras basándose en el mismo conjunto de reglas al que no habían estado expuestos anteriormente. Clasificaron nuevas cadenas de letras como "gramaticales" (construidas a partir de la regla gramatical), versus secuencias "construidas al azar". Si los sujetos clasificaron correctamente las nuevas cadenas por encima del nivel de azar, se podría inferir que los sujetos habían adquirido la estructura de la regla gramatical sin ninguna instrucción explícita de las reglas. Reber [3] descubrió que los participantes clasificaron nuevos hilos por encima del nivel de probabilidad. Si bien informaron que utilizaron estrategias durante la tarea de clasificación, en realidad no pudieron verbalizar esas estrategias. Los sujetos podían identificar qué cadenas eran gramaticalmente correctas, pero no podían identificar las reglas que las componían.
Esta investigación fue replicada y ampliada por muchos otros. [4] [5] [6] [7] Las conclusiones de la mayoría de estos estudios fueron congruentes con la hipótesis de Reber: el proceso de aprendizaje implícito se realizó sin estrategias de aprendizaje intencionales. Estos estudios también identificaron características comunes para el conocimiento adquirido implícitamente:
- Representación abstracta del conjunto de reglas.
- Estrategias inconscientes que pueden probarse con desempeño.
El paradigma moderno
El paradigma AGL moderno se puede utilizar para investigar el aprendizaje explícito e implícito, aunque se utiliza con mayor frecuencia para probar el aprendizaje implícito. En un experimento típico de AGL, los participantes deben memorizar cadenas de letras generadas previamente por una gramática específica . La longitud de las cadenas suele oscilar entre 2 y 9 letras por cadena. En la figura 1 se muestra un ejemplo de dicha gramática.
Figura 1: Ejemplo de una regla gramatical artificial
- Cadenas reglamentarias: VXVS, TPTXVS Cadenas ilegales : VXXXS, TPTPS
Para componer una cadena de letras gramaticalmente "reglamentaria", de acuerdo con la regla gramatical predeterminada, un sujeto debe seguir las reglas para el emparejamiento de letras como se representa en el modelo (figura 1). Cuando se observa una violación del sistema de reglas gramaticales que compone la cadena, se considera una cadena "infructuosa" o construida al azar.
En el caso de una tarea estándar de aprendizaje implícito de AGL, [3] no se les dice a los sujetos que las cadenas se basan en una gramática específica. En cambio, simplemente se les da la tarea de memorizar las cadenas de letras para un recuerdo. Después de la fase de aprendizaje, se les dice a los sujetos que las cadenas de letras presentadas durante la fase de aprendizaje se basan en reglas específicas, pero no se les dice explícitamente cuáles son las reglas. Durante una fase de prueba, se instruye a los sujetos para que categoricen nuevas cadenas de letras como "reglamentarias" o "no reglamentarias". La variable dependiente que generalmente se mide es el porcentaje de cadenas categorizadas correctamente. El aprendizaje implícito se considera exitoso cuando el porcentaje de cadenas ordenadas correctamente es significativamente mayor que el nivel de probabilidad. Si se encuentra esta diferencia significativa, indica la existencia de un proceso de aprendizaje que es más complicado que memorizar las cadenas de letras presentadas. [8]
Aprendizaje bayesiano
El mecanismo detrás del aprendizaje implícito que se supone que ocurre mientras las personas se involucran en el aprendizaje de gramática artificial es el aprendizaje estadístico o, más específicamente, el aprendizaje bayesiano . El aprendizaje bayesiano tiene en cuenta los tipos de sesgos o "distribuciones de probabilidad previas" que tienen los individuos que contribuyen al resultado de las tareas de aprendizaje implícitas. Estos sesgos pueden considerarse como una distribución de probabilidad que contiene la probabilidad de que cada hipótesis posible sea correcta. Debido a la estructura del modelo bayesiano , las inferencias generadas por el modelo tienen la forma de una distribución de probabilidad en lugar de un evento único más probable. Esta distribución de salida es una "distribución de probabilidad posterior". La probabilidad posterior de cada hipótesis en la distribución original es la probabilidad de que la hipótesis sea verdadera dados los datos y la probabilidad de que los datos dados la hipótesis sea verdadera. [9] Este modelo bayesiano de aprendizaje es fundamental para comprender el proceso de detección de patrones implicados en el aprendizaje implícito y, por tanto, los mecanismos que subyacen a la adquisición de reglas de aprendizaje gramaticales artificiales. Se plantea la hipótesis de que el aprendizaje implícito de la gramática implica predecir la co-ocurrencia de ciertas palabras en un cierto orden. Por ejemplo, "el perro persiguió la pelota" es una oración que se puede aprender como gramaticalmente correcta en un nivel implícito debido a la alta co-ocurrencia de "perseguir" como una de las palabras que siguen a "perro". Una oración como "el perro, el gato, la pelota" se reconoce implícitamente como gramaticalmente incorrecta debido a la falta de expresiones que contengan esas palabras emparejadas en ese orden específico. Este proceso es importante para separar roles temáticos y partes del discurso en el procesamiento gramatical (ver gramática ). Si bien el etiquetado de los roles temáticos y las partes del discurso es explícito, la identificación de palabras y partes del discurso está implícita.
Modelos explicativos
Los enfoques tradicionales de AGL afirman que el conocimiento almacenado obtenido durante la fase de aprendizaje es abstracto. [3] Otros enfoques [5] [10] argumentan que este conocimiento almacenado es concreto y consiste en ejemplos de cadenas encontradas durante la fase de aprendizaje o "trozos" de estos ejemplos. [6] [11] En cualquier caso, se supone que la información almacenada en la memoria se recupera en la fase de prueba y se utiliza para ayudar a tomar decisiones sobre cadenas de letras. [12] [13] Tres enfoques principales intentan explicar los fenómenos AGL:
- Enfoque abstracto : De acuerdo con este enfoque tradicional, los participantes adquieren una representación abstracta de la regla gramatical artificial en la etapa de aprendizaje. Esa estructura abstracta les ayuda a decidir si la nueva cadena presentada durante la fase de prueba es gramatical o está construida al azar. [14]
- Enfoque de conocimiento concreto : este enfoque propone que durante la etapa de aprendizaje los participantes aprendan ejemplos específicos de cadenas y los almacenen en su memoria. Durante la etapa de prueba, los participantes no clasifican las nuevas cadenas de acuerdo con una regla abstracta; en cambio, los clasificarán de acuerdo con su similitud con los ejemplos almacenados en la memoria desde la etapa de aprendizaje. Hay múltiples opiniones sobre cuán concreto es realmente el conocimiento aprendido. Brooks & Vokey [5] [10] argumentan que todo el conocimiento almacenado en la memoria se representa como ejemplos concretos de los ejemplos completos estudiados durante la etapa de aprendizaje. Las cadenas se ordenan durante la etapa de prueba de acuerdo con una representación completa de los ejemplos de cadenas de la etapa de aprendizaje. Por otro lado, Perruchet & Pacteau [6] afirmaron que el conocimiento de las cadenas de la etapa de aprendizaje se almacena en forma de "fragmentos de memoria" donde se aprenden 2-3 letras como una secuencia junto con el conocimiento sobre su ubicación permitida en la cadena completa. [6] [11]
- Enfoque de factor dual : modelo de aprendizaje de proceso dual, combina los enfoques descritos anteriormente. Este enfoque propone que una persona se basará en conocimientos concretos cuando pueda. Cuando no pueden confiar en conocimientos concretos (por ejemplo, en una tarea de transferencia de aprendizaje ), la persona utilizará el conocimiento abstracto de las reglas. [4] [15] [16] [17]
La investigación con pacientes con amnesia sugiere que el "enfoque de factor dual" puede ser el modelo más preciso. [18] Una serie de experimentos con pacientes amnésicos apoyan la idea de que AGL involucra conceptos abstractos y ejemplos concretos. Los amnésicos pudieron clasificar los estímulos como "gramaticales" frente a "construidos al azar" tan bien como los participantes del grupo de control. Si bien pudieron completar con éxito la tarea, los amnésicos no pudieron recordar explícitamente "fragmentos" gramaticales de la secuencia de letras, mientras que el grupo de control pudo recordarlos explícitamente. Al realizar la tarea con las mismas reglas gramaticales, pero con una secuencia de letras diferente a las que se evaluaron anteriormente, tanto los amnésicos como el grupo de control pudieron completar la tarea (aunque el rendimiento fue mejor cuando la tarea se completó con el mismo conjunto de letras utilizadas para la formación). Los resultados del experimento apoyan el enfoque de doble factor para el aprendizaje de la gramática artificial en el sentido de que las personas usan información abstracta para aprender reglas de gramáticas y usan memoria concreta y específica de ejemplares para fragmentos. Dado que los amnésicos no pudieron almacenar "fragmentos" específicos en la memoria, completaron la tarea utilizando un conjunto abstracto de reglas. El grupo de control pudo almacenar estos fragmentos específicos en la memoria y (como lo demuestra el recuerdo) almacenó estos ejemplos en la memoria para referencia posterior.
Debate sobre la automaticidad
La investigación de AGL ha sido criticada debido a la "pregunta automática": ¿Se considera que AGL es un proceso automático? Durante la codificación (ver codificación (memoria) ), la interpretación puede ser automática en el sentido de que ocurre sin una supervisión consciente (sin una guía consciente de las intenciones del ejecutante). En el caso de AGL, se afirmó que el aprendizaje implícito es un proceso automático debido a que se realiza sin intención de aprender una regla gramatical específica. [3] Esto cumple con la definición clásica de un "proceso automático" como un proceso rápido, inconsciente y sin esfuerzo que puede iniciarse involuntariamente. Cuando se despierta, continúa hasta que termina sin la capacidad de detenerse o ignorar sus consecuencias. [19] [20] [21] Esta definición ha sido cuestionada muchas veces. Se han proporcionado definiciones alternativas para el proceso automático. [22] [23] [24] La presunción de Reber de que el AGL es automático podría ser problemático al implicar que un proceso no intencional es un proceso automático en su esencia. Al centrarse en las pruebas AGL, es necesario abordar algunas cuestiones. El proceso es complejo y contiene codificación y recuperación o recuperación. Tanto la codificación como la recuperación podrían interpretarse como procesos automáticos, ya que lo que se codificó durante la etapa de aprendizaje no es necesario para la tarea realizada intencionalmente durante la etapa de prueba. [25] Los investigadores deben diferenciar entre lo implícito como referencia al proceso de aprendizaje o codificación del conocimiento y también como referencia al desempeño durante la fase de prueba o recuperación del conocimiento. El conocimiento codificado durante el entrenamiento puede incluir muchos aspectos de los estímulos presentados (cadenas completas, relaciones entre elementos, etc.). La contribución de los diversos componentes al rendimiento depende tanto de la instrucción específica en la fase de adquisición como de los requisitos de la tarea de recuperación. [13] Por lo tanto, las instrucciones de cada fase son importantes para determinar si cada fase requerirá o no un procesamiento automático. Cada fase debe evaluarse para determinar la automaticidad por separado.
Una hipótesis que contradice la automaticidad de AGL es el "efecto de mera exposición". El simple efecto de la exposición es un mayor afecto hacia un estímulo que es el resultado de una exposición repetida y no reforzada al estímulo. [26] Los resultados de más de 200 experimentos sobre este efecto indican que existe una relación positiva entre la calificación media de "bondad" y la frecuencia de exposición al estímulo. Los estímulos para estos experimentos incluyeron dibujos de líneas, polígonos y palabras sin sentido (que son tipos de estímulos utilizados en la investigación de AGL). Estos experimentos expusieron a los participantes a cada estímulo hasta 25 veces. Después de cada exposición, se pidió a los participantes que calificaran el grado en que cada estímulo sugería un efecto "bueno" frente a "malo" en una escala de 7 puntos. Además del patrón principal de resultados, también se encontró en varios experimentos que los participantes calificaron un afecto positivo más alto para los artículos previamente expuestos que para los artículos nuevos. Dado que la cognición implícita no debe hacer referencia a episodios de estudios previos, los efectos sobre las calificaciones afectivas no deberían haberse observado si el procesamiento de estos estímulos es realmente implícito. Los resultados de estos experimentos sugieren que la categorización diferente de las cadenas puede ocurrir debido a diferencias en el afecto asociado con las cadenas y no debido a reglas gramaticales aprendidas implícitamente.
Inteligencia artificial
Desde el advenimiento de las computadoras y la inteligencia artificial , se han adaptado programas de computadora que intentan simular el proceso de aprendizaje implícito observado en el paradigma AGL. Los programas de IA que se adaptaron por primera vez para simular el aprendizaje gramatical tanto natural como artificial utilizaron la siguiente estructura básica:
- Dado
- Un conjunto de oraciones gramaticales de algún idioma.
- Encontrar
- Un procedimiento para reconocer y / o generar todas las oraciones gramaticales en ese idioma.
Un modelo temprano para el aprendizaje de la gramática de la IA es el sistema SNPR de Wolff. [27] [28] El programa adquiere una serie de letras sin pausas ni puntuación entre palabras y oraciones. Luego, el programa examina la cadena en subconjuntos y busca secuencias comunes de símbolos y define "fragmentos" en términos de estas secuencias (estos fragmentos son similares a los fragmentos específicos del ejemplo descritos para AGL). A medida que el modelo adquiere estos fragmentos a través de la exposición, los fragmentos comienzan a reemplazar las secuencias de letras continuas. Cuando un fragmento precede o sigue a un fragmento común, el modelo determina clases disyuntivas en términos del primer conjunto. [28] Por ejemplo, cuando el modelo encuentra "el-perro-perseguido" y "el-gato-perseguido", clasifica "perro" y "gato" como miembros de la misma clase, ya que ambos preceden a "persecución". Si bien el modelo clasifica fragmentos en clases, define explícitamente estos grupos (por ejemplo, sustantivo, verbo). Los primeros modelos de IA de aprendizaje gramatical como estos ignoraban la importancia de los casos negativos del efecto de la gramática en la adquisición de la gramática y también carecían de la capacidad de conectar las reglas gramaticales con la pragmática y la semántica . Los modelos más nuevos han intentado tener en cuenta estos detalles. El Modelo Unificado [29] intenta tener en cuenta ambos factores. El modelo desglosa la gramática de acuerdo con "señales". Los idiomas marcan los roles de los casos utilizando cinco tipos de pistas posibles: orden de las palabras, marcado de casos, concordancia, entonación y expectativa basada en verbos (ver gramática ). La influencia que cada pista tiene sobre la gramática de un idioma está determinada por la "fuerza de la pista" y la "validez de la pista". Ambos valores se determinan usando la misma fórmula, excepto que la fuerza de la señal se define a través de resultados experimentales y la validez de la señal se define a través de recuentos de corpus de bases de datos de idiomas. La fórmula para la fuerza / validez de la señal es la siguiente:
- Fuerza de la señal / validez de la señal = disponibilidad de la señal * fiabilidad de la señal
La disponibilidad de la señal es la proporción de veces que la señal está disponible durante las veces que se necesita. La confiabilidad de la señal es la proporción de veces que la señal es correcta sobre el total de apariciones de la señal. Al incorporar la confiabilidad de las señales junto con la disponibilidad de las señales, el Modelo Unificado puede tener en cuenta los efectos de las instancias negativas de la gramática, ya que tiene en cuenta la precisión y no solo la frecuencia. Como resultado, esto también explica la información semántica y pragmática, ya que las señales que no producen gramática en el contexto apropiado tendrán una fuerza y una validez de señal bajas. Si bien el modelo de MacWhinney [29] también simula el aprendizaje gramatical natural, intenta modelar los procesos de aprendizaje implícitos observados en el paradigma AGL.
Neurociencia cognitiva y el paradigma AGL
Los estudios contemporáneos con AGL han intentado identificar qué estructuras están involucradas en la adquisición de la gramática y el aprendizaje implícito. Los pacientes afásicos agramáticos (ver agramatismo ) fueron evaluados con el paradigma AGL. Los resultados muestran que la ruptura del lenguaje en la afasia gramática se asocia con un deterioro en el aprendizaje de la gramática artificial, lo que indica un daño a los mecanismos neuronales generales de dominio que sirven tanto al lenguaje como al aprendizaje secuencial. [30] De Vries, Barth, Maiworm, Knecht, Zwitserlood & Flöel [31] encontraron que la estimulación eléctrica del área de Broca mejora el aprendizaje implícito de una gramática artificial. La estimulación con corriente continua puede facilitar la adquisición de conocimientos gramaticales, un hallazgo de posible interés para la rehabilitación de la afasia. Petersson, Vasiliki & Hagoort, [32] examinan los correlatos neurobiológicos de la sintaxis , el procesamiento de secuencias estructuradas, comparando los resultados de fMRI en la sintaxis del lenguaje natural y artificial. Argumentan que la " jerarquía de Chomsky " no es directamente relevante para los sistemas neurobiológicos a través de las pruebas AGL.
Ver también
- Gramática adaptativa
- Inducción gramatical
Referencias
- ^ Peter, Michelle; Chang, Franklin; Pine, Julian M .; Blything, Ryan; Rowland, Caroline F. (mayo de 2015). "¿Cuándo y cómo desarrollan los niños el conocimiento de la estructura del argumento del verbo? Evidencia de los efectos del sesgo del verbo en una tarea de preparación estructural". Revista de Memoria y Lenguaje . 81 : 1-15. doi : 10.1016 / j.jml.2014.12.002 . hdl : 11858 / 00-001M-0000-002B-4649-3 . ISSN 0749-596X .
- ^ Miller, GA (1958). "Recuperación libre de cadenas de letras redundantes". Revista de Psicología Experimental . 56 (6): 485–491. doi : 10.1037 / h0044933 . PMID 13611173 .
- ^ a b c d e Reber, AS (1967). "Aprendizaje implícito de gramáticas artificiales". Aprendizaje verbal y comportamiento verbal . 5 (6): 855–863. doi : 10.1016 / s0022-5371 (67) 80149-x .
- ^ a b Mathews, RC; Buss, RR; Stanley, WB; Blanchard-Fields, F .; Cho, JR; Druhan, B. (1989). "Papel de los procesos implícitos y explícitos en el aprendizaje de ejemplos: un efecto sinérgico". Revista de psicología experimental: aprendizaje, memoria y cognición . 15 (6): 1083-1100. CiteSeerX 10.1.1.456.8747 . doi : 10.1037 / 0278-7393.15.6.1083 .
- ^ a b c Brooks, LR; Vokey, JR (1991). "Analogías abstractas y gramáticas abstractas: comentarios sobre Reber (1989) y Mathews et al. (1989)". Revista de Psicología Experimental: General . 120 (3): 316–323. doi : 10.1037 / 0096-3445.120.3.316 .
- ^ a b c d Perruchet, P .; Pacteau, C. (1990). "Aprendizaje de gramática sintética: abstracción de reglas implícitas o conocimiento fragmentario explícito". Revista de Psicología Experimental . 119 (3): 264-275. CiteSeerX 10.1.1.116.3120 . doi : 10.1037 / 0096-3445.119.3.264 .
- ^ Altmann, GMT; Dienes, Z .; Goode, A. (1995). "Independencia de modalidad del conocimiento gramatical aprendido implícitamente". Revista de psicología experimental: aprendizaje, memoria y cognición . 21 (4): 899–912. doi : 10.1037 / 0278-7393.21.4.899 .
- ^ Seger, CA (1994). "Aprendizaje implícito". Boletín psicológico . 115 (2): 163–196. doi : 10.1037 / 0033-2909.115.2.163 . PMID 8165269 .
- ^ Kapatsinski, V. (2009). "La arquitectura de la gramática en el aprendizaje de la gramática artificial: sesgos formales en la adquisición de morfofonología y la naturaleza de la tarea de aprendizaje" . Universidad de Indiana : 1–260.
- ^ a b Vokey, JR; Brooks, LR (1992). "Relevancia del conocimiento de los elementos en el aprendizaje de la gramática artificial". Revista de psicología experimental: aprendizaje, memoria y cognición . 18 (2): 328–344. doi : 10.1037 / 0278-7393.18.2.328 .
- ^ a b Servan-Schreiber, E .; Anderson, JR (1990). "Chunking como mecanismo de aprendizaje implícito". Revista de psicología experimental: aprendizaje, memoria y cognición . 16 (4): 592–608. doi : 10.1037 / 0278-7393.16.4.592 .
- ^ Pothos, EM (2007). "Teorías del aprendizaje de la gramática artificial". Boletín psicológico . 133 (2): 227–244. CiteSeerX 10.1.1.137.1619 . doi : 10.1037 / 0033-2909.133.2.227 . PMID 17338598 .
- ^ a b Poznanski, Y .; Tzelgov, J. (2010). "¿Qué está implícito en el aprendizaje implícito de la gramática artificial?". Revista Trimestral de Psicología Experimental . 63 (8): 1495-2015. doi : 10.1080 / 17470210903398121 . PMID 20063258 . S2CID 28756388 .
- ^ Reber, AS (1969). "Transferencia de estructura sintáctica en lenguajes sintácticos". Revista de Psicología Experimental . 81 : 115-119. doi : 10.1037 / h0027454 .
- ^ McAndrews, diputado; Moscovitch, M. (1985). "Clasificación basada en reglas y ejemplares en el aprendizaje de la gramática artificial" . Memoria y cognición . 13 (5): 469–475. doi : 10.3758 / bf03198460 . PMID 4088057 .
- ^ Reber, AS (1989). "Aprendizaje implícito y el conocimiento tácito". Revista de Psicología Experimental . 118 (3): 219-235. CiteSeerX 10.1.1.207.6707 . doi : 10.1037 / 0096-3445.118.3.219 .
- ^ Reber, AS; Allen, R. (1978). "Estrategias de abstracción analógica en el aprendizaje de la gramática sintética: una interpretación funcionalista". Cognición . 6 (3): 189–221. doi : 10.1016 / 0010-0277 (78) 90013-6 . S2CID 53199118 .
- ^ Knowlton, BJ; Squire, LR (1996). "El aprendizaje de la gramática artificial depende de la adquisición implícita de información abstracta y específica del ejemplo". Revista de psicología experimental: aprendizaje, memoria y cognición . 22 (1): 169-181. doi : 10.1037 / 0278-7393.22.1.169 . S2CID 6465608 .
- ^ Hasher, L .; Zacks, R. (1979). "Procesos automáticos y esforzados en memoria". Revista de Psicología Experimental: General . 108 (3): 356–388. doi : 10.1037 / 0096-3445.108.3.356 .
- ^ Schneider, W .; Dumais, ST; Shiffrin, RM (1984). "Tramitación y atención automáticas y controladas". En R. Parasuraman y D. Davies (Eds.), Varieties of Attention . Nueva York: Academic Press: 1–17.
- ^ Logan, GD (1988). "Automaticidad, recursos y memoria: controversias teóricas e implicaciones prácticas". Factores humanos . 30 (5): 583–598. doi : 10.1177 / 001872088803000504 . PMID 3065212 . S2CID 43294231 .
- ^ Tzelgov, J. (1999). "Automaticidad y procesamiento sin conciencia" (PDF) . Psique . 5 .
- ^ Logan, GD (1980). "Atención y automaticidad en Stroop y tareas de cebado: Teoría y datos". Psicología cognitiva . 12 (4): 523–553. doi : 10.1016 / 0010-0285 (80) 90019-5 . PMID 7418368 . S2CID 15830267 .
- ^ Logan, GD (1985). "Control ejecutivo del pensamiento y la acción". Acta Psychologica . 60 (2-3): 193-210. doi : 10.1016 / 0001-6918 (85) 90055-1 .
- ^ Perlman, A .; Tzelgov, J. (2006). "Interacción entre codificación y recuperación en el dominio del aprendizaje de secuencias". Revista de psicología experimental: aprendizaje, memoria y cognición . 32 (1): 118-130. doi : 10.1037 / 0278-7393.32.1.118 . PMID 16478345 .
- ^ Manza, L .; Zizak, D .; Reber, AS (1998). "El aprendizaje de la gramática artificial y el efecto de la mera exposición: las tareas de preferencia emocional y el proceso de aprendizaje implícito". En Stadler, MA & Frensch, PA (Eds.), Manual de aprendizaje implícito . Thousand Oaks, CA: Sage Publications, Inc .: 201–222.
- ^ Wolff, JG (1982). "Adquisición de lenguaje, compresión y generalización de datos" . Lenguaje y comunicación . 2 : 57–89. doi : 10.1016 / 0271-5309 (82) 90035-0 .
- ^ a b MacWhinney, B. (1987). Mecanismos de adquisición del lenguaje . Hillsdale, Nueva Jersey: Lawrence Erlbaum Associates, Inc. ISBN 9781317757405.
- ^ a b MacWhinney, B. (2008). "Un modelo unificado". En Robinson, P. & Ellis, N. (Eds.), Handbook of Cognitive Linguistics and Second Language Acquisition . Mahwah, Nueva Jersey: Lawrence Erlbaum Associates.
- ^ Christiansen, MH; Kelly, ML; Shillcock, RC; Greenfield, K. (2010). "Aprendizaje de gramática artificial deteriorado en agramatismo". Cognición . 116 (3): 383–393. doi : 10.1016 / j.cognition.2010.05.015 . PMID 20605017 . S2CID 43834239 .
- ^ De Vries, MH; Barth, ACR; Maiworm, S .; Knecht, S .; Zwisterlood, P .; Floel, A. (2010). "La estimulación eléctrica del área de Broca mejora el aprendizaje implícito de la gramática artificial". Neurociencia cognitiva . 22 (11): 2427–2436. CiteSeerX 10.1.1.469.3005 . doi : 10.1162 / jocn.2009.21385 . PMID 19925194 . S2CID 7010584 .
- ^ Petersson, KM; Vasiliki, F .; Hagoort, P. (2010). "Lo que el aprendizaje de la gramática artificial revela sobre la neurobiología de la sintaxis" (PDF) . Cerebro y lenguaje : 340–353.