TY - THES A1 - Lissón Hernández, Paula J. T1 - Computational models of sentence comprehension in aphasia T1 - Komputationale Modelle des Satzverständnisses bei Aphasie N2 - It is well-known that individuals with aphasia (IWA) have difficulties understanding sentences that involve non-adjacent dependencies, such as object relative clauses or passives (Caplan, Baker, & Dehaut, 1985; Caramazza & Zurif, 1976). A large body of research supports the view that IWA’s grammatical system is intact, and that comprehension difficulties in aphasia are caused by a processing deficit, such as a delay in lexical access and/or in syntactic structure building (e.g., Burkhardt, Piñango, & Wong, 2003; Caplan, Michaud, & Hufford, 2015; Caplan, Waters, DeDe, Michaud, & Reddy, 2007; Ferrill, Love, Walenski, & Shapiro, 2012; Hanne, Burchert, De Bleser, & Vasishth, 2015; Love, Swinney, Walenski, & Zurif, 2008). The main goal of this dissertation is to computationally investigate the processing sources of comprehension impairments in sentence processing in aphasia. In this work, prominent theories of processing deficits coming from the aphasia literature are implemented within two cognitive models of sentence processing –the activation-based model (Lewis & Vasishth, 2005) and the direct-access model (McEl- ree, 2000)–. These models are two different expressions of the cue-based retrieval theory (Lewis, Vasishth, & Van Dyke, 2006), which posits that sentence processing is the result of a series of iterative retrievals from memory. These two models have been widely used to account for sentence processing in unimpaired populations in multiple languages and linguistic constructions, sometimes interchangeably (Parker, Shvarts- man, & Van Dyke, 2017). However, Nicenboim and Vasishth (2018) showed that when both models are implemented in the same framework and fitted to the same data, the models yield different results, because the models assume different data- generating processes. Specifically, the models hold different assumptions regarding the retrieval latencies. The second goal of this dissertation is to compare these two models of cue-based retrieval, using data from individuals with aphasia and control participants. We seek to answer the following question: Which retrieval mechanism is more likely to mediate sentence comprehension? We model 4 subsets of existing data: Relative clauses in English and German; and control structures and pronoun resolution in German. The online data come from either self-paced listening experiments, or visual-world eye-tracking experiments. The offline data come from a complementary sentence-picture matching task performed at the end of the trial in both types of experiments. The two competing models of retrieval are implemented in the Bayesian framework, following Nicenboim and Vasishth (2018). In addition, we present a modified version of the direct-acess model that – we argue – is more suitable for individuals with aphasia. This dissertation presents a systematic approach to implement and test verbally- stated theories of comprehension deficits in aphasia within cognitive models of sen- tence processing. The conclusions drawn from this work are that (a) the original direct-access model (as implemented here) cannot account for the full pattern of data from individuals with aphasia because it cannot account for slow misinterpretations; and (b) an activation-based model of retrieval can account for sentence comprehension deficits in individuals with aphasia by assuming a delay in syntactic structure building, and noise in the processing system. The overall pattern of results support an activation-based mechanism of memory retrieval, in which a combination of processing deficits, namely slow syntax and intermittent deficiencies, cause comprehension difficulties in individuals with aphasia. N2 - Es ist allgemein bekannt, dass Menschen mit Aphasie (PmA) Verständnisschwierigkeiten bei Sätzen haben, die nicht zusammenhängende Abhängigkeiten, wie z.B. Objektrelativsätze oder Passive, enthalten (Caplan, Baker, & Dehaut, 1985; Caramazza & Zurif, 1976). Ein Großteil der Forschung unterstützt dabei die Ansicht, dass das grammatikalische System von Personen mit Aphasie (PmA) intakt ist und dass die Verständnisschwierigkeiten bei Aphasie durch ein Verarbeitungsdefizit, wie z.B. einer Verzögerung beim lexikalischen Zugriff und/oder beim syntaktischen Strukturaufbau, verursacht werden (siehe, Burkhardt, Pin˜ango, & Wong, 2003; Caplan, Michaud, & Hufford, 2015; Caplan, Waters, DeDe, Michaud, & Reddy, 2007; Ferrill, Love, Walenski, & Shapiro, 2012; Hanne, Burchert, De Bleser, & Vasishth, 2015; Love, Swinney, Walenski, & Zurif, 2008). Das wesentliche Ziel dieser Dissertation ist deshalb die rechnergestützte Untersuchung der Verarbeitungsquellen von Verständnisstörungen bei der Satzverarbeitung bei Aphasie. In dieser Arbeit werden bekannte Theorien der Verarbeitungsdefizite aus der Literatur über Aphasie mit zwei kognitiven Modellen der Satzverarbeitung verbunden, dem activation-based Modell (Lewis & Vasishth, 2005) und dem direct-acces Modell (McElree, 2000). Beide Modelle sind zwei verschiedene Ausprägungen der cue-based retrieval Theorie (Lewis, Vasishth, & Van Dyke, 2006), die annimmt, dass die Satzverarbeitung das Ergenis einer Reihe iterativer Abrufe aus dem Gedächtnis ist. Diese beiden Modelle wurden häufig und vereinzelt austauschbar verwendet, um die Satzverarbeitung in nicht beeinträchtigten Populationen in mehreren Sprachen und sprachlichen Konstruktionen zu erklären (Parker, Shvartsman, & Van Dyke, 2017). Allerdings konnten sowohl Nicenboim als auch Vasishth (2018) zeigen, dass wenn beide Modelle im gleichen Framework implementiert und an die gleichen Daten angepasst werden, die Modelle verschiedene Ergebnisse ergaben, weil die Modelle abweichende Prozesse in der Generierung der Daten annahmen. Insbesondere enthalten die Modelle unterschiedliche Annahmen bezüglich der Abruf-Latenzen. Das zweite Ziel dieser Dissertation ist der Vergleich der beiden Stichwort Abruf basierten Modelle unter Verwendung von Daten von Individuen mit Aphasie und einer Kontrollgruppe. Wir versuchen dabei die folgenden Fragen zu beantworten: Welcher Abrufmechanismus vermittelt eher das Satzverständnis? Wir modellieren 4 Untergruppen von existierenden Daten: Relativsätze in Englisch und Deutsch; und Kontrollstrukturen und Pronomenauflösung im Deutschen. Die Online-Daten entstammen entweder Hörexperimenten in eigenem Tempo oder Eye-Tracking-Experimenten der visuellen Welt. Die Offline-Daten kommen aus einem am Ende beider Versuche durchgeführten ergänzenden Satz-Bild-Matching-Aufgabe. Die sich gegenüberstehenden Abruf-Modelle werden in einem Bayesian Framework nach Nicemboim und Vasishth (2018) implementiert. Darüber hinaus stellen wir ein verändertes direct-access Modell vor, welches, gemäß unserer Argumentation, besser für Menschen mit Aphasie geeignet ist. Diese Dissertation präsentiert ein systematisches Vorgehen zur Implementierung und verbalem Testen bestehender Theorien von Verständnisdefiziten bei Aphasie mittels kognitiver Modelle der Satzverarbeitung. Aus dieser Arbeit ergeben sich folgende Schlussfolgerungen: Das hier verwendete ursprüngliche direct-access Modell kann nicht das ganze Daten-Muster von PmA erklären, da es langsame Fehlinterpretationen nicht abdecken kann; und das activation-based Modell kann Satzverständnisschwierigkeiten von PmA durch Annahme von Verzögerungen in der Bildung syntaktischer Strukturen und Rauschen im Verarbeitungssystem berücksichtigen. Insgesamt weist das Muster der Ergebnisse auf einen Aktivierungsbasierten Mechanismus des Abrufs von Erinnerungen hin, bei dem eine Kombination aus Verarbeitungsdefiziten (namentlich langsame Syntax und intermittierende Schwierigkeiten) Verständnisschwierigkeiten bei PmA verursacht. KW - aphasia KW - cognitive modeling KW - sentence processing KW - cue-based retrieval KW - Aphasie KW - kognitive Modellierung KW - cue-based retrieval KW - Satzverständnisses Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-555487 ER - TY - THES A1 - Laurinavichyute, Anna T1 - Similarity-based interference and faulty encoding accounts of sentence processing T1 - Interferenzmodelle vs. fehlerhafte Enkodierungsansätze von Satzverarbeitung N2 - The goal of this dissertation is to empirically evaluate the predictions of two classes of models applied to language processing: the similarity-based interference models (Lewis & Vasishth, 2005; McElree, 2000) and the group of smaller-scale accounts that we will refer to as faulty encoding accounts (Eberhard, Cutting, & Bock, 2005; Bock & Eberhard, 1993). Both types of accounts make predictions with regard to processing the same class of structures: sentences containing a non-subject (interfering) noun in addition to a subject noun and a verb. Both accounts make the same predictions for processing ungrammatical sentences with a number-mismatching interfering noun, and this prediction finds consistent support in the data. However, the similarity-based interference accounts predict similar effects not only for morphosyntactic, but also for the semantic level of language organization. We verified this prediction in three single-trial online experiments, where we found consistent support for the predictions of the similarity-based interference account. In addition, we report computational simulations further supporting the similarity-based interference accounts. The combined evidence suggests that the faulty encoding accounts are not required to explain comprehension of ill-formed sentences. For the processing of grammatical sentences, the accounts make conflicting predictions, and neither the slowdown predicted by the similarity-based interference account, nor the complementary slowdown predicted by the faulty encoding accounts were systematically observed. The majority of studies found no difference between the compared configurations. We tested one possible explanation for the lack of predicted difference, namely, that both slowdowns are present simultaneously and thus conceal each other. We decreased the amount of similarity-based interference: if the effects were concealing each other, decreasing one of them should allow the other to surface. Surprisingly, throughout three larger-sample single-trial online experiments, we consistently found the slowdown predicted by the faulty encoding accounts, but no effects consistent with the presence of inhibitory interference. The overall pattern of the results observed across all the experiments reported in this dissertation is consistent with previous findings: predictions of the interference accounts for the processing of ungrammatical sentences receive consistent support, but the predictions for the processing of grammatical sentences are not always met. Recent proposals by Nicenboim et al. (2016) and Mertzen et al. (2020) suggest that interference might arise only in people with high working memory capacity or under deep processing mode. Following these proposals, we tested whether interference effects might depend on the depth of processing: we manipulated the complexity of the training materials preceding the grammatical experimental sentences while making no changes to the experimental materials themselves. We found that the slowdown predicted by the faulty encoding accounts disappears in the deep processing mode, but the effects consistent with the predictions of the similarity-based interference account do not arise. Independently of whether similarity-based interference arises under deep processing mode or not, our results suggest that the faulty encoding accounts cannot be dismissed since they make unique predictions with regard to processing grammatical sentences, which are supported by data. At the same time, the support is not unequivocal: the slowdowns are present only in the superficial processing mode, which is not predicted by the faulty encoding accounts. Our results might therefore favor a much simpler system that superficially tracks number features and is distracted by every plural feature. N2 - Das Ziel dieser Dissertation ist es, die Vorhersagen zweier Klassen von Modellen, die in der Sprachverarbeitung Anwendung finden, empirisch zu evaluieren: die Interferenzmodelle (Lewis & Vasishth, 2005; McElree, 2000) und die Gruppe der Ansätze, die wir als fehlerhafte Enkodierungsansätze bezeichnen werden (Eberhard, Cutting, & Bock, 2005; Bock & Eberhard, 1993). Beide Arten von Modellen machen Vorhersagen bezüglich der Verarbeitung derselben Klassen von Strukturen: Sätze, die neben einem Subjekt und einem Verb auch ein (interferierendes) Substantiv, das aber kein Subjekt ist, enthalten. Beide Ansätze machen die gleiche Vorhersage für die Verarbeitung von ungrammatischen Sätzen, in denen ein zusätzliches, nicht im Numerus übereinstimmendes Substantiv interferiert. Diese Vorhersage findet konsistente Unterstützung in den Daten. Die Interferenzmodelle sagen jedoch ähnliche Effekte nicht nur für die morphosyntaktische, sondern auch für die semantische Ebene der Sprachorganisation voraus. Wir überprüften diese Vorhersage in drei Online-Experimenten, in denen wir konsistente Unterstützung für die Vorhersagen des Interferenzmodells fanden. Darüber hinaus berichten wir über computergestützte Simulationen, die Interferenzansätze weiter unterstützen. Die kombinierte Evidenz deutet darauf hin, dass die fehlerhaften Enkodierungsansätze nicht erforderlich sind, um das Verständnis von schlecht geformten Sätzen zu erklären. Für die Verarbeitung von grammatikalischen Sätzen machen die Modelle widersprüchliche Vorhersagen. Weder die Verlangsamung, die von dem Interferenzmodell vorhergesagt wird, noch die komplementäre Verlangsamung, die von den fehlerhaften Enkodierungsansätzen vorhergesagt wird, wurden systematisch beobachtet. Die Mehrheit der Studien fand keinen Unterschied zwischen den verglichenen Konfigurationen. Wir haben eine mögliche Erklärung für das Fehlen des vorhergesagten Unterschieds getestet, nämlich, dass beide Verlangsamungen gleichzeitig vorhanden sind und sich somit gegenseitig verdecken. Wir haben die Stärke der ähnlichkeitsbasierten Interferenz verringert: Wenn sich die Effekte gegenseitig verdecken, sollte die Verringerung eines der Effekte den anderen an die Oberfläche kommen lassen. Überraschenderweise fanden wir in drei Online-Experimenten mit einer größeren Stichprobe durchweg die Verlangsamung, die durch die fehlerhaften Enkodierungsansätze vorhergesagt wurde, aber keine Effekte, die mit dem Vorhandensein von inhibitorischer Interferenz übereinstimmen. Das Gesamtmuster der Ergebnisse, das über alle in dieser Dissertation berichteten Experimente hinweg beobachtet wurde, stimmt mit früheren Erkenntnissen überein: Vorhersagen der Interferenzmodelle für die Verarbeitung von ungrammatischen Sätzen erhalten konsistente Unterstützung, aber die Vorhersagen für die Verarbeitung von grammatischen Sätzen sind nicht immer zutreffend. Aktuelle Vorschläge von Nicenboim et al. (2016) und Mertzen et al. (2020) legen nahe, dass Interferenzen nur bei Personen mit hoher Arbeitsgedächtniskapazität oder im tiefen Verarbeitungsmodus auftreten könnten. Diesen Vorschlägen folgend, testeten wir, ob Interferenzeffekte von der Verarbeitungstiefe abhängen könnten: wir manipulierten die Komplexität der Trainingssätze, die den grammatikalischen Experimentalsätzen vorausgingen, während wir an den Experimentalsätzen selbst keine Änderungen vornahmen. Wir fanden heraus, dass die Verlangsamung, die von den fehlerhaften Enkodierungsansätzen vorhergesagt wurde, im tiefen Verarbeitungsmodus verschwindet, aber die Effekte, die mit den Vorhersagen des Interferenzansatzes übereinstimmen, treten nicht auf. Unabhängig davon, ob ähnlichkeitsbasierte Interferenzen im tiefen Verarbeitungsmodus auftreten oder nicht, legen unsere Ergebnisse nahe, dass die fehlerhaften Enkodierungsansätzen nicht verworfen werden können, da sie einzigartige Vorhersagen in Bezug auf die Verarbeitung grammatikalischer Sätze machen, die von den Daten unterstützt werden. Gleichzeitig ist die Unterstützung nicht eindeutig: Die Verlangsamungen sind nur im oberflächlichen Verarbeitungsmodus vorhanden, was von den fehlerhaften Enkodierungsansätzen nicht vorhergesagt wird. Unsere Ergebnisse könnten daher für ein viel einfacheres System sprechen, das vordergründig Numerusmerkmale berücksichtigt und von jedem Pluralmerkmal abgelenkt wird. KW - morphosyntactic agreement KW - similarity-based interference KW - sentence comprehension KW - sentence processing KW - agreement attraction KW - ACT-R KW - cognitive modeling KW - ACT-R KW - fehlerhafte Vereinbarung KW - Kognitive Modellierung KW - Vereinbarung KW - Satzverarbeitung KW - die Interferenzmodelle Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-509669 ER -