인공 문법 학습

Artificial grammar learning

인공문법학습(AGL)은 인지심리학과 언어학 내에서의 연구의 패러다임이다.실험실에서 과목의 보충 문법 학습 능력을 시험해 인간 언어 학습의 기초가 되는 과정을 조사하는 것이 목표다.인간 언어 학습의 과정을 평가하기 위해 개발되었지만 보다 일반적인 의미에서 암묵적 학습을 연구하는 데도 활용되었다.관심 영역은 전형적으로 훈련 단계에서 패턴과 통계적 규칙성을 탐지하고 시험 단계에서 그러한 패턴에 대한 새로운 지식을 사용하는 피험자의 능력이다.시험 단계는 훈련 단계에서 사용되는 기호나 소리를 사용하거나 표면 구조로 다른 기호나 소리 세트로 패턴을 전송할 수 있다.

많은 연구자들은 문법의 규칙은 절대 참가자들에게 명시적으로 제시되지 않기 때문에, 인위적인 문법의 규칙은 암묵적인 수준에서 학습될 것을 제안한다.이 패러다임은 언어 학습 적성, 구조적 프라이밍, 구문 습득과 암묵적 학습에 어떤 뇌 구조가 관여하고 있는지를 조사하는 데에도 최근 활용되고 있다.

인간과 별개로, 이 패러다임은 또한 목화탑 타마린과 별과 같은 다른 종의 패턴 학습을 조사하는데 사용되었다.

역사

반세기 이상 전에 조지 A. 밀러는[2] 인간학습에 대한 노골적인 문법구조의 영향을 조사하기 위해 인위적인 문법학습의 패러다임을 확립했고, 다른 시퀀스를 가진 문자의 문법 모델을 설계했다.그의 연구는 문자의 무작위 순서보다 구조화된 문법 순서를 기억하는 것이 더 쉽다는 것을 보여주었다.그의 설명은 학습자가 학습된 시퀀스 사이의 공통적인 특성을 파악하여 이를 기억 집합으로 인코딩할 수 있다는 것이었다.그는 피험자가 어떤 문자가 반복적으로 배열로 함께 나타날지, 어떤 문자가 나타나지 않을지를 파악할 수 있으며, 피험자가 이 정보를 사용하여 기억 세트를 형성할 것이라고 예측했다.그러한 기억장치들은 나중에 기억력 테스트 동안 참가자들에게 하나의 전략으로 제공되었다.

르베르는[3] 밀러의 설명을 의심했다.그는 참가자들이 문법 규칙을 생산적인 기억 집합으로 인코딩할 수 있다면, 그들의 전략을 상세히 말할 수 있어야 한다고 주장했다.그는 현대 AGL 패러다임의 발전을 이끈 연구를 수행했다.이 연구는 암묵적 학습을 테스트하기 위해 합성 문법 학습 모델을 사용했다.AGL은 이 분야에서 가장 많이 사용되고 시험된 모델이 되었다.밀러가 개발한 본래의 패러다임에서와 같이, 참가자들은 인위적인 문법 규칙 모델에서 만들어진 문자열의 목록을 외우도록 요청받았다.참가자들은 시험 단계에서야 자신이 외운 글자 순서 뒤에 일련의 규칙이 있다는 말을 들었다.그리고 나서 그들은 이전에 그들이 노출되지 않았던 동일한 규칙들의 집합에 기초하여 새로운 문자열을 분류하도록 지시받았다.그들은 새로운 문자열을 "문법적"(문법 규칙으로 구성됨) 대 "임의로 구성된" 시퀀스로 분류했다.만약 피험자가 새로운 문자열을 우연한 수준 이상으로 정확하게 분류했다면, 피험자가 규칙의 명시적인 지시 없이 문법 규칙 구조를 습득했다고 추론할 수 있다.Reber는[3] 참가자들이 우연 수준 이상의 새로운 문자열을 분류했다는 것을 발견했다.그들은 분류 작업 중에 전략을 사용하는 것을 보고했지만, 실제로 그러한 전략을 말로 표현할 수 없었다.피험자는 어떤 문자열이 문법적으로 올바른지 식별할 수 있었지만 문법적 문자열을 구성하는 규칙을 식별할 수는 없었다.

이 연구는 다른 많은 사람들에 의해 복제되고 확대되었다.[4][5][6][7]이들 연구의 결론은 대부분 의도적인 학습전략이 없이 암묵적 학습과정이 이루어졌다는 레버의 가설과 일치했다.또한 이러한 연구는 암묵적으로 습득한 지식의 공통적 특성을 확인하였다.

  1. 규칙 집합에 대한 추상적 표현.
  2. 성능으로 테스트할 수 있는 무의식적인 전략.

현대 패러다임

현대 AGL 패러다임은 암묵적 학습을 시험하는 데 가장 많이 사용되지만 명시적 학습과 암묵적 학습을 조사하는 데 사용될 수 있다.일반적인 AGL 실험에서 참가자들은 특정한 문법에 의해 이전에 생성된 일련의 편지들을 암기해야 한다.문자열의 길이는 보통 문자열당 2-9자까지이다.그러한 문법의 예는 그림 1에 나와 있다.

Artificial grammar learning example.jpg

그림 1: 인공 문법 규칙의 예

  • 규칙적인 문자열:VXVS, TPTXVS 비규칙 문자열:VXX, TPTPS

문법적으로 "규칙적인" 문자열을 구성하기 위해서는 미리 정해진 문법 규칙에 따라, 제목이 모델에 표현된 문자 쌍을 위한 규칙을 따라야 한다(그림 1).문자열을 구성하는 문법 규칙 시스템의 위반을 관찰할 때, "비규칙적인" 문자열이나 임의로 구성된 문자열로 간주한다.

표준 AGL 암묵적 학습 과제의 경우, 현이 특정 문법에 근거한다는 것을 과목에 알리지 않는다.[3]대신에, 그들은 단순히 기억을 위해 문자열을 암기하는 임무를 부여 받는다.학습 단계 후 학습 단계에서 제시된 문자열이 구체적인 규칙에 기초하였지만, 규칙이 무엇인지 명시적으로 알려지지는 않는다는 것이 과목들의 전언이다.시험 단계에서 피험자는 새로운 문자열을 "규칙적" 또는 "규칙적"으로 분류하도록 지시 받는다.일반적으로 측정되는 종속 변수는 올바르게 분류된 문자열의 백분율이다.암묵적 학습은 올바르게 정렬된 문자열의 비율이 우연한 수준보다 현저히 높을 때 성공하는 것으로 간주된다.이 유의미한 차이가 발견되면 제시된 문자열을 암기하는 것보다 더 관여하는 학습 과정의 존재를 나타낸다.[8]

베이시안 학습

사람들이 인위적인 문법 학습에 종사하는 동안 발생하도록 가정된 암묵적 학습의 이면에 있는 메커니즘은 통계적 학습 또는 보다 구체적으로 베이시안 학습이다.베이지안 학습은 개인이 암묵적 학습 과제의 결과에 기여하는 편향 유형이나 "사전 확률 분포"를 고려한다.이러한 편향은 각각의 가능한 가설이 정확할 가능성이 있는 확률을 포함하는 확률 분포로 생각할 수 있다.베이시안 모델의 구조로 인해, 모델에 의한 추론 출력은 가장 가능성이 높은 단일 사건이 아닌 확률 분포의 형태로 나타난다.이 출력 분포는 "후배 확률 분포"이다.원래 분포에서 각 가설의 후행 확률은 데이터가 참일 때 가설이 참일 확률과 가설이 참일 때 가설이 참일 확률이다.[9]이러한 베이지안 학습 모델은 암묵적 학습에 수반되는 패턴 감지 과정과, 따라서 인위적인 문법 학습 규칙의 획득을 근간으로 하는 메커니즘을 이해하기 위한 기초가 된다.문법의 암묵적 학습에는 특정 단어의 공존을 일정한 순서로 예측하는 것이 포함된다는 가설이 있다.예를 들어 '개를 쫓았다'는 '체증'이 '개'를 따르는 단어 중 하나라는 공통점이 많아 암묵적 차원에서 문법적으로 옳다고 배울 수 있는 문장이다."개 고양이 더 볼"과 같은 문장은 그 특정한 순서로 짝을 이룬 단어들을 포함하는 발음이 부족하기 때문에 문법적으로 부정확하다고 암시적으로 인식된다.이 과정은 문법 처리에서 주제의 역할과 언어의 일부를 분리하는데 중요하다.언어의 주제적 역할과 일부에 대한 라벨링은 명백하지만, 단어와 일부에 대한 식별은 암묵적이다.

설명 모델

AGL에 대한 전통적인 접근방식은 학습 단계에서 습득한 저장된 지식이 추상적이라고 주장한다.[3]다른 접근방식은[5][10] 이러한 저장된 지식이 구체적이며 학습 단계에서 마주치는 문자열의 예시나 이러한 예시들의 "청크"로 구성된다고 주장한다.[6][11]어떤 경우든 메모리에 저장된 정보는 시험 단계에서 검색되어 문자열에 대한 결정을 돕는 데 이용된다고 가정한다.[12][13]AGL 현상을 설명하기 위한 세 가지 주요 접근방식:

  1. 추상적 접근 방식:이 전통적인 접근법에 따르면, 참가자들은 학습 단계에서 인위적인 문법 규칙의 추상적인 표현을 얻는다.그러한 추상적 구조는 시험 단계 중에 제시된 새로운 문자열이 문법적인 것인지 아니면 무작위로 구성되었는지 결정하는 데 도움이 된다.[14]
  2. 구체적인 지식 접근방식:이 접근방식은 학습 단계 동안에 참가자들이 문자열의 구체적인 예를 배우고 기억 속에 저장할 것을 제안한다.시험 단계 동안, 참가자들은 추상적인 규칙에 따라 새로운 문자열을 정렬하지 않고, 대신에 학습 단계에서부터 기억 속에 저장되어 있는 예와 유사성에 따라 문자열을 분류한다.학습된 지식이 실제로 얼마나 구체적인지에 대해서는 여러 가지 의견이 있다.브룩스앤보키는[5][10] 기억 속에 저장되어 있는 모든 지식들이 학습 단계에서 연구된 전체 사례의 구체적인 예로 표현된다고 주장한다.문자열은 학습 단계부터 문자열 예제의 완전한 표현에 따라 시험 단계에서 정렬된다.반면 페루셰트앤팩토우는[6] 학습 단계부터 현악에 대한 지식은 풀 스트링 내 허용 위치에 대한 지식과 함께 2~3글자를 시퀀스로 학습하는 '기억 청크' 형태로 저장돼 있다고 주장했다.[6][11]
  3. 듀얼 팩터 접근방식: 위에서 설명한 접근방식을 결합한 듀얼 프로세스 학습 모델.이 접근법은 사람이 할 수 있을 때 구체적인 지식에 의존할 것을 제안한다.그들이 구체적인 지식(예를 들어 학습 과제의 이전)에 의존할 수 없을 때, 그 사람은 규칙에 대한 추상적인 지식을 사용할 것이다.[4][15][16][17]

기억상실증 환자들을 대상으로 한 연구에 따르면 "이중 인자 접근법"이 가장 정확한 모델일 수 있다고 한다.[18]기억상실증 환자들을 대상으로 한 일련의 실험은 AGL이 추상적인 개념과 구체적인 예시를 모두 포함한다는 생각을 뒷받침한다.기억상실증 환자들은 자극들을 대조군 참가자들뿐만 아니라 "문법적" 대 "임의로 구성된" 것으로 분류할 수 있었다.과제를 성공적으로 완수할 수 있는 동안, 기억상실증 환자들은 대조군이 문자열을 명시적으로 회수할 수 있는 동안 문자 시퀀스의 문법적 "청크"를 명시적으로 기억할 수 없었다.동일한 문법 규칙이지만 이전에 시험한 문법 규칙과는 다른 문자로 과제를 수행할 때, 기억상실자와 제어 그룹 모두 과제를 완료할 수 있었다(훈련에 사용된 동일한 문자 집합을 사용하여 과제를 완료했을 때 수행이 더 좋았다).실험 결과는 사람들이 문법 규칙을 배우기 위해 추상적인 정보를 사용하고 청크에는 구체적이고 예시적인 기억력을 사용한다는 점에서 인공 문법 학습에 대한 이중 요소 접근법을 뒷받침한다.기억상실증 환자들은 특정한 "청크"를 메모리에 저장할 수 없었기 때문에 추상적인 규칙 집합을 사용하여 작업을 완료했다.통제 그룹은 이러한 특정 청크를 메모리에 저장할 수 있었고 (리콜에서 입증된 바와 같이) 나중에 참조하기 위해 이러한 예들을 메모리에 저장했다.

자동성 논쟁

AGL 연구는 "자동 질문" 때문에 비난을 받아왔다.AGL은 자동 공정으로 간주되는가?인코딩(인코딩(메모리) 참조) 중에는 (연주자의 의도에 의한 의식적인 안내 없이) 의식적인 모니터링 없이 발생한다는 의미에서 성능은 자동적일 수 있다.AGL의 경우 암묵적 학습이 특정 문법 규칙을 배우려는 의도 없이 이뤄지기 때문에 자동 과정이라는 주장이 나왔다.[3]이것은 의도치 않게 시작될 수 있는 빠르고 무의식적이며 쉬운 과정으로서 "자동 프로세스"의 고전적 정의를 준수한다.흥분하면 그 결과를 멈추거나 무시하는 능력 없이 끝날 때까지 계속된다.[19][20][21]이 정의는 여러 번 도전받아 왔다.자동 프로세스에 대한 대체 정의가 제공되었다.[22][23][24]AGL이 자동이라는 레버의 추측은 의도하지 않은 과정이 그 본질에 자동적인 과정임을 암시함으로써 문제가 될 수 있다.AGL 시험에 초점을 맞출 때는 몇 가지 문제를 해결해야 한다.그 과정은 복잡하고 인코딩과 리콜 또는 검색을 포함한다.인코딩과 검색은 모두 학습 단계에서 인코딩된 것이 시험 단계에서 의도적으로 수행된 과제에 필요하지 않기 때문에 자동 프로세스로 해석될 수 있다.[25]연구자들은 학습 과정이나 지식 부호화 과정과 시험 단계 중 수행이나 지식 검색 중 수행과 관련하여 불충분함을 구별할 필요가 있다.훈련 중에 인코딩된 지식은 제시된 자극의 많은 측면들을 포함할 수 있다.성과에 대한 다양한 요소의 기여는 취득 단계의 특정 지침과 회수 작업의 요건 모두에 따라 달라진다.[13]따라서 각 단계마다 자동 처리가 필요한지 여부를 판단하기 위해서는 모든 단계에 대한 지침이 중요하다.각 단계는 자동성에 대해 별도로 평가해야 한다.

AGL의 자동성과 모순되는 하나의 가설은 "미어 노출 효과"이다.단순한 노출 효과는 자극에 대한 비강제적이고 반복적인 노출의 결과인 자극에 영향을 미친다.[26]이 효과에 대한 200개 이상의 실험의 결과는 평균 "선량" 등급과 자극 노출 빈도 사이에 긍정적인 관계가 있음을 나타낸다.이러한 실험의 자극에는 선 그림, 다각형 및 난센스 단어(AGL 연구에 사용되는 자극의 유형)가 포함되었다.이 실험들은 참가자들을 각 자극에 최대 25번까지 노출시켰다.각 노출에 따라 참가자들에게 각 자극이 7점 척도에 대해 "좋은" 효과와 "나쁜" 효과를 제안하는 정도를 평가하도록 요청되었다.결과의 주요 패턴 외에도, 참가자들이 새로운 아이템보다 이전에 노출된 아이템에 대해 더 높은 긍정적인 영향을 평가한 것도 여러 실험에서 발견되었다.암묵적 인식은 이전의 연구 에피소드를 참조해서는 안 되므로, 이 자극의 처리가 정말로 암묵적이라면 등급에 미치는 영향을 관찰하지 말았어야 했다.이러한 실험의 결과는 문자열과 관련된 영향의 차이로 인해 문자열의 다른 분류가 발생할 수 있으며, 암묵적으로 학습된 문법 규칙으로 인해 발생할 수 없다는 것을 시사한다.

인공지능

컴퓨터와 인공지능의 출현 이후, 컴퓨터 프로그램은 AGL 패러다임에서 관찰되는 암묵적 학습 과정을 시뮬레이션하려는 시도가 있었다.AI 프로그램은 먼저 자연문법 학습과 인공문법 학습 모두를 시뮬레이션하기 위해 다음과 같은 기본 구조를 사용했다.

주어진
어떤 언어의 문법적인 문장 세트.
찾다
해당 언어에서 모든 문법 문장을 인식하거나 생성하는 절차.

AI 문법 학습의 초기 모델은 울프의 SNPR 시스템이다.[27][28]그 프로그램은 단어와 문장 사이에 정지나 구두점이 없는 일련의 편지를 획득한다.그런 다음 프로그램은 하위 집합에서 문자열을 검사하고 기호의 공통 시퀀스를 찾아 이러한 시퀀스 측면에서 "청크"를 정의한다(이 청크는 AGL에 대해 설명한 예시적인 청크와 유사하다).모델이 노출을 통해 이러한 덩어리를 획득함에 따라, 청크는 손상되지 않은 글자의 시퀀스를 대체하기 시작한다.청크가 공통 청크보다 앞에 있거나 뒤에 있으면 모형이 첫 번째 집합의 관점에서 이항 클래스를 결정한다.[28]예를 들어, 모델이 "개-차이징"과 "고양이-차이징"을 만나면, "개"와 "고양이"가 모두 "추적"에 앞서기 때문에 같은 등급의 멤버로 분류된다.모델은 청크를 클래스로 정렬하는 동안 이러한 그룹(예: 명사, 동사)을 명시적으로 정의한다.이와 같은 문법 학습의 초기 AI 모델들은 문법 습득에 미치는 문법 효과의 부정적인 사례의 중요성을 무시했고 문법 규칙을 실용주의와 의미론에 연결하는 능력도 부족했다.새로운 모델들은 이러한 세부 사항들을 고려하려고 시도했다.통일 모델은[29] 이 두 가지 요소를 모두 고려하려고 한다.그 모델은 "의미"에 따라 문법을 세분화한다.언어는 단어 순서, 사례 표시, 합의, 억양 및 동사 기반 기대(문법 참조)의 다섯 가지 가능한 큐 유형을 사용하여 사례 역할을 표시한다.각 큐가 언어의 문법에 대해 가지는 영향은 "큐 강도"와 "큐 유효성"에 의해 결정된다.큐 강도는 실험 결과를 통해 정의되고 큐 유효성은 언어 데이터베이스의 말뭉치 수를 통해 정의된다는 점을 제외하고, 이 두 값 모두 동일한 공식을 사용하여 결정된다.큐 강도/유효성의 공식은 다음과 같다.

큐 강도/큐 유효성 = 큐 가용성 * 큐 신뢰성

큐 가용성은 큐가 필요한 시간 동안 사용할 수 있는 시간의 비율이다.큐 신뢰성은 큐의 전체 발생에 대해 큐가 올바른 시간의 비율이다.큐 신뢰성과 큐 가용성을 통합함으로써, 통합 모델은 단순히 빈도만 고려하는 것이 아니라 정확성을 요구하기 때문에 문법의 부정적인 예들의 영향을 고려할 수 있다.결과적으로, 이것은 또한 적절한 문맥에서 문법을 생산하지 않는 단서는 낮은 큐 강도와 큐 유효성을 가지기 때문에 의미적이고 실용적인 정보를 설명하기도 한다.맥휘니의 모델도[29] 자연문법 학습을 시뮬레이션하는 반면, AGL 패러다임에서 관찰된 암묵적 학습 과정을 모델링하려고 시도한다.

인지신경과학과 AGL 패러다임

AGL을 이용한 현대 연구는 문법 및 암묵적 학습의 습득에 어떤 구조가 관여하고 있는지 파악하려고 노력해왔다.AGL 패러다임으로 농경 실어증 환자(농림증 참조)를 시험했다.그 결과는 농학 실어증에서 언어의 파괴가 인공 문법 학습의 손상과 연관되어 언어와 순차 학습을 모두 제공하는 도메인 일반 신경 메커니즘의 손상을 나타낸다.[30]드 브리스, 바스, 마이웜, 크네히트, 즈위츠루드 & 플뢰엘은[31] 브로카 영역의 전기적 자극이 인위적인 문법의 암묵적 학습을 강화한다는 것을 발견했다.직류 자극은 실어증 재활을 위한 잠재적 관심의 발견인 문법적 지식의 습득을 촉진할 수 있다.피터슨, 바실리키 & 하고르트는 fMRI 결과를 인공 언어 구문과 자연 언어 구문에 비교함으로써 구문의 신경생물학적 상관관계, 즉 구조화된 시퀀스의 처리를 검토한다.[32]이들은 ' 촘스키 계층 구조'가 AGL 검사를 통한 신경생물학적 시스템과 직접 관련이 없다고 주장한다.

참고 항목

참조

  1. ^ Peter, Michelle; Chang, Franklin; Pine, Julian M.; Blything, Ryan; Rowland, Caroline F. (May 2015). "When and how do children develop knowledge of verb argument structure? Evidence from verb bias effects in a structural priming task". Journal of Memory and Language. 81: 1–15. doi:10.1016/j.jml.2014.12.002. hdl:11858/00-001M-0000-002B-4649-3. ISSN 0749-596X.
  2. ^ Miller, G.A. (1958). "Free recall of redundant strings of letters". Journal of Experimental Psychology. 56 (6): 485–491. doi:10.1037/h0044933. PMID 13611173.
  3. ^ a b c d e Reber, A.S. (1967). "Implicit learning of artificial grammars". Verbal Learning and Verbal Behavior. 5 (6): 855–863. doi:10.1016/s0022-5371(67)80149-x.
  4. ^ a b Mathews, R.C.; Buss, R. R.; Stanley, W. B.; Blanchard-Fields, F.; Cho, J. R.; Druhan, B. (1989). "Role of implicit and explicit processes in learning from examples: A synergistic effect". Journal of Experimental Psychology: Learning, Memory, and Cognition. 15 (6): 1083–1100. CiteSeerX 10.1.1.456.8747. doi:10.1037/0278-7393.15.6.1083.
  5. ^ a b c Brooks, L.R.; Vokey, J.R. (1991). "Abstract analogies and abstracted grammars: Comments on Reber (1989) and Mathews et al. (1989)". Journal of Experimental Psychology: General. 120 (3): 316–323. doi:10.1037/0096-3445.120.3.316.
  6. ^ a b c d Perruchet, P.; Pacteau, C. (1990). "Synthetic grammar learning: Implicit rule abstraction or explicit fragmentary knowledge". Journal of Experimental Psychology. 119 (3): 264–275. CiteSeerX 10.1.1.116.3120. doi:10.1037/0096-3445.119.3.264.
  7. ^ Altmann, G.M.T.; Dienes, Z.; Goode, A. (1995). "Modality Independence of Implicitly Learned Grammatical Knowledge". Journal of Experimental Psychology: Learning, Memory, and Cognition. 21 (4): 899–912. doi:10.1037/0278-7393.21.4.899.
  8. ^ Seger, C.A. (1994). "Implicit learning". Psychological Bulletin. 115 (2): 163–196. doi:10.1037/0033-2909.115.2.163. PMID 8165269.
  9. ^ Kapatsinski, V. (2009). "The Architecture of Grammar in Artificial Grammar Learning: Formal Biases in the Acquisition of Morphophonology and the Nature of the Learning Task". Indiana University: 1–260.
  10. ^ a b Vokey, J.R.; Brooks, L.R. (1992). "Salience of item knowledge in learning artificial grammar". Journal of Experimental Psychology: Learning, Memory, and Cognition. 18 (2): 328–344. doi:10.1037/0278-7393.18.2.328.
  11. ^ a b Servan-Schreiber, E.; Anderson, J.R. (1990). "Chunking as a mechanism of implicit learning". Journal of Experimental Psychology: Learning, Memory, and Cognition. 16 (4): 592–608. doi:10.1037/0278-7393.16.4.592.
  12. ^ Pothos, E.M. (2007). "Theories of artificial grammar learning". Psychological Bulletin. 133 (2): 227–244. CiteSeerX 10.1.1.137.1619. doi:10.1037/0033-2909.133.2.227. PMID 17338598.
  13. ^ a b Poznanski, Y.; Tzelgov, J. (2010). "What is implicit in implicit artificial grammar learning?". Quarterly Journal of Experimental Psychology. 63 (8): 1495–2015. doi:10.1080/17470210903398121. PMID 20063258. S2CID 28756388.
  14. ^ Reber, A.S. (1969). "Transfer of syntactic structure in syntactic languages". Journal of Experimental Psychology. 81: 115–119. doi:10.1037/h0027454.
  15. ^ McAndrews, M.P.; Moscovitch, M. (1985). "Rule-based and exemplar-based classification in artificial grammar learning". Memory & Cognition. 13 (5): 469–475. doi:10.3758/bf03198460. PMID 4088057.
  16. ^ Reber, A.S. (1989). "Implicit Learning and Tacit Knowledge". Journal of Experimental Psychology. 118 (3): 219–235. CiteSeerX 10.1.1.207.6707. doi:10.1037/0096-3445.118.3.219.
  17. ^ Reber, A.S.; Allen, R. (1978). "Analogic abstraction strategies in synthetic grammar learning: A functionalist interpretation". Cognition. 6 (3): 189–221. doi:10.1016/0010-0277(78)90013-6. S2CID 53199118.
  18. ^ Knowlton, B.J.; Squire, L.R. (1996). "Artificial Grammar Learning Depends on Implicit Acquisition of Both Abstract and Exemplar-Specific Information". Journal of Experimental Psychology: Learning, Memory, and Cognition. 22 (1): 169–181. doi:10.1037/0278-7393.22.1.169. S2CID 6465608.
  19. ^ Hasher, L.; Zacks, R. (1979). "Automatic and effortful processes in memory". Journal of Experimental Psychology: General. 108 (3): 356–388. doi:10.1037/0096-3445.108.3.356.
  20. ^ Schneider, W.; Dumais, S. T.; Shiffrin, R. M. (1984). "Automatic and controlled processing and attention". In R. Parasuraman & D. Davies (Eds.), Varieties of Attention. New York: Academic press: 1–17.
  21. ^ Logan, G.D. (1988). "Automaticity, resources and memory: Theoretical controversies and practical implications". Human Factors. 30 (5): 583–598. doi:10.1177/001872088803000504. PMID 3065212. S2CID 43294231.
  22. ^ Tzelgov, J. (1999). "Automaticity and processing without awareness" (PDF). Psyche. 5.
  23. ^ Logan, G.D. (1980). "Attention and automaticity in Stroop and priming tasks: Theory and data". Cognitive Psychology. 12 (4): 523–553. doi:10.1016/0010-0285(80)90019-5. PMID 7418368. S2CID 15830267.
  24. ^ Logan, G.D. (1985). "Executive control of thought and action". Acta Psychologica. 60 (2–3): 193–210. doi:10.1016/0001-6918(85)90055-1.
  25. ^ Perlman, A.; Tzelgov, J. (2006). "Interaction between encoding and retrieval in the domain of sequence learning". Journal of Experimental Psychology: Learning, Memory, and Cognition. 32 (1): 118–130. doi:10.1037/0278-7393.32.1.118. PMID 16478345.
  26. ^ Manza, L.; Zizak, D.; Reber, A.S. (1998). "Artificial grammar learning and the mere exposure effect: Emotional preference tasks and the implicit learning process". In Stadler, M.A. & Frensch, P.A. (Eds.), Handbook of Implicit Learning. Thousand Oaks, CA: Sage Publications, Inc.: 201–222.
  27. ^ Wolff, J.G. (1982). "Language acquisition, data compression and generalization". Language & Communication. 2: 57–89. doi:10.1016/0271-5309(82)90035-0.
  28. ^ a b MacWhinney, B. (1987). Mechanisms of language acquisition. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc. ISBN 9781317757405.
  29. ^ a b MacWhinney, B. (2008). "A Unified Model". In Robinson, P. & Ellis, N. (Eds.), Handbook of Cognitive Linguistics and Second Language Acquisition. Mahwah, NJ: Lawrence Erlbaum Associates.
  30. ^ Christiansen, M.H.; Kelly, M.L.; Shillcock, R.C.; Greenfield, K. (2010). "Impaired artificial grammar learning in agrammatism". Cognition. 116 (3): 383–393. doi:10.1016/j.cognition.2010.05.015. PMID 20605017. S2CID 43834239.
  31. ^ De Vries, M.H.; Barth, A.C.R.; Maiworm, S.; Knecht, S.; Zwisterlood, P.; Floel, A. (2010). "Electrical stimulation of Broca's area enhances implicit learning of artificial grammar". Cognitive Neuroscience. 22 (11): 2427–2436. CiteSeerX 10.1.1.469.3005. doi:10.1162/jocn.2009.21385. PMID 19925194. S2CID 7010584.
  32. ^ Petersson, K.M.; Vasiliki, F.; Hagoort, P. (2010). "What artificial grammar learning reveals about the neurobiology of syntax" (PDF). Brain & Language: 340–353.