Autor/autores:
Lin Wang, Edward Wlotko, Edward Alexander...(et.al)
Se ha propuesto que las personas pueden generar predicciones probabilísticas en múltiples niveles de representación durante la comprensión del lenguaje. Utilizamos magnetoencefalografía (meg) y electroencefalografía (eeg), en combinación con el análisis de similitud de representación (RSA), para buscar evidencia neuronal para la predic...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Se ha propuesto que las personas pueden generar predicciones probabilísticas en múltiples niveles de representación durante la comprensión del lenguaje. Utilizamos magnetoencefalografía (meg) y electroencefalografía (eeg), en combinación con el análisis de similitud de representación (RSA), para buscar evidencia neuronal para la predicción de las características de la animación.
En dos estudios, la actividad de MEG y EEG se midió a medida que los participantes humanos (ambos sexos) leyeron escenarios de tres oraciones. Los verbos en las oraciones finales están restringidos para las características semánticas animadas o inanimadas de los sustantivos próximos, y el contexto del discurso más amplio restringido para un sustantivo específico o para múltiples sustantivos que pertenecen a la misma categoría de animación.
Cuantificamos la similitud entre patrones espaciales de actividad cerebral siguiendo los verbos hasta justo antes de la presentación de los sustantivos. Los conjuntos de datos MEG y EEG revelaron evidencia convergente de que la similitud entre los patrones espaciales de la actividad neuronal después de los verbos de restricción animados fue mayor que el de los verbos de restricción inanimados. Este efecto no podría explicarse por el procesamiento léxico-semántico de los verbos mismos.
Por lo tanto, sugerimos que refleja la diferencia inherente en la estructura de similitud semántica de los sustantivos animados e inanimados predichos. Además, el efecto estaba presente independientemente de si se podía predecir una palabra específica, lo que proporciona una fuerte evidencia para la predicción de características semánticas de grano grueso que va más allá de la predicción de palabras individuales.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.jneurosci.org
Explora el artículo con IA