Окружность разобрать слово по составу: Страница не найдена

Как разобрать по составу слово «Законопослушный»?

Прежде чем займёмся разбором этого слова, вспомним простую истину: существительные в числе единственном имеют окончание, состоящее из двух букв (двух звуков) только в падеже творительном. Во всех остальных падежах их флексии (окончания) однобуквенные, а если буква обозначает сразу два звука, то к окончанию относится лишь второй из них.

Говоря об однозвуковых флексиях, в виду имею лексические единицы, что в форме начальной заканчиваются на -ИЕ, -ИЯ. Слова ЗАКАНЧИВАЮТСЯ и ОКОНЧАНИЕ обозначают вовсе не одно и то же:

• ОКОНЧАНИЕ (флексия) – лингвистический термин;
• глагол ЗАКАНЧИВАЕТСЯ термином не является и обозначает всего лишь концовку слова, которая далеко не всегда равна окончанию.

Можно сказать «слово заканчивается на -ИЕ», но это вовсе не означает, что -ИЕ является окончанием. Флексией в лексемах, оканчивающихся на -ИЕ, является только последний звук, обозначений буквой Е. И это не противоречит самому определению флексии как ИЗМЕНЯЕМОЙ значимой части слова.

Разбор морфемный (то есть по составу) слов изменяемых (склоняемых и спрягаемых) мы начинаем с выделения их флексий и основ (неизменяемой части) словарной единицы, для чего достаточно сопоставить несколько её словоформ:

• есть чревоугоди[й/э];
• нет чревоугоди[й/а];
• к чревоугоди[й/у].

Отчётливо видно: изменяется лишь последний звук, обозначенный буквой Е, – вот он и является окончанием, неизменной остаётся часть ЧРЕВОУГОДИЙ- – это и есть основа.

Анализируя основу слова, мы ясно видим: разбираемая лексема – сложная, в ней два корня: чревоугодие – угождение чреву, так с помощью словосочетания именовали ещё простое обжорство. Два корня этой лексемы связывает соединительная гласная О.

Чрево

Ко второму корню подбираем такие слова родственные, как угождать, угодить, угодник и учитываем, что со словами «годный, годиться» эти лексемы разошлись давным-давно, как в море корабли, так что корень включает в себя и У: угожд-/угод-.

Что остаётся за вторым корнем? Суффикс -ИЙ-, первый звук которого обозначен полновесной буквой И, а вот второй решил с нами в прятки поиграть: забрался в букву Е, надеясь, что мы его не отыщем, а мы нашли!

В итоге расклад такой:

• окончание – [э], спрятавшееся от нас в букву Е;
• основа – чревоугодий-;

в основе:

• корни – чрев- и угод-;
• соединительная гласная – О;
• суффикс – -ИЙ-.

ПРЕДЛОЖЕНИЯ:

• Чревоугодием мы называем нездоровое пристрастие к пище вкусной и обильной.
• Чревоугодие – слово сложное, состоит из двух корней.
• Существительное чревоугодие относится ко второму склонению, но имеет особую флексию в падеже предложном.
• Чревоугодие – один из семи смертных грехов.
• Художник Босх аллегорично изобразил семь смертных грехов рода людского, в том числе и чревоугодие.

• Чревоугодие – отличительная черта великана Гаргантюа, о котором миру поведал Франсуа Рабле.
• Чревоугодием отличался персонаж гоголевских «Мёртвых душ» по фамилии Собакевич.

• Синоним слова чревоугодие – обжорство.
• Чревоугодие способно довести человека до скотского состояния.
• У нидерландского художника XVI века Питера Брейгеля есть гравюра «Чревоугодие, или Аллегория обжорства».
• Чревоугодием как чертой, присущей представителям рода людского, часто отличаются в литературе персонажи отрицательные.

Символ ноль перечеркнут косой чертой

Диаметр – отрезок (хорда), соединяющий две точки на окружности и проходящий через её центр. Но, обычно, под диаметром подразумевают длину этого отрезка. Равняется двум радиусам. В формулах обозначается латинской буквой «D». Слово «диаметр» происходит от греческого «diametros» (поперечник).

Символ диаметра представляет собой окружность перечёркнутую вышеупомянутым отрезком. Правда, для наглядности, концы отрезка выходят за пределы окружности, что строго говоря неверно. Символ диаметра похож на «о с диагональным штрихом», используемую в некоторых основанных на латинице алфавитах. Кроме того, часто похожим образом пишут цифру «ноль», перечёркивая её, чтобы отличить от буквы «о».

Обычно, знак диаметра используется на чертежах деталей. Символ наносят перед числом на размерной линии: «⌀ 40 см». Диаметр можно указывать, как для цилиндрических деталей, так и для конических. Пример детали с цилиндрической поверхностью – вал. Конической – переходная втулка.

Этот текст также доступен на следующих языках: English;

Đ (латиница) — Буква латиницы Đ, đ (дьже) Латинский алфавит A B C … Википедия

Ð (латиница) — Буква латиницы Ð, ð (eth) Латинский алфавит A B C … Википедия

латиница — алфавит, письмо, латинский алфавит Словарь русских синонимов. латиница см. латинский алфавит Словарь синонимов русского языка. Практический справочник. М.: Русский язык. З. Е. Алексан … Словарь синонимов

Латиница — наряду с кириллицей (см.) и глаголицей (см.) одна из славянских азбук, представляющая применение букв латинского алфавита для начертания славянских звуков. Первые попытки такого применения известны еще до кириллицы и глаголицы, но эти попытки… … Литературная энциклопедия

ЛАТИНИЦА — см. Латинское письмо … Большой Энциклопедический словарь

ЛАТИНИЦА — ЛАТИНИЦА, латиницы, муж. (филол. ). Латинский алфавит, латинское письмо. Толковый словарь Ушакова. Д.Н. Ушаков. 1935 1940 … Толковый словарь Ушакова

ЛАТИНИЦА — ЛАТИНИЦА, ы, жен. Латинский алфавит. Толковый словарь Ожегова. С.И. Ожегов, Н.Ю. Шведова. 1949 1992 … Толковый словарь Ожегова

Ł (латиница) — Польская буква Ł Латинский алфавит A … Википедия

Æ (латиница) — Лигатура Æ Латинский алфавит A … Википедия

IJ (латиница) — Нидерландская буква IJ Латинский алфавит A … Википедия

Œ (латиница) — Латинский алфавит A B C D E F G H I J K … Википедия

Конечно, каждый поклонник группы Twenty One Pilots в тайне желает научиться писать перечеркнутую букву Ø! И многие даже не догадываются, как это на самом деле просто.

Разумеется, есть несколько способов добиться желаемого результата. Самый простой из них — использовать Alt-код символа. Десятичный код перечеркнутой буквы О — 0216. Запомните эту цифру!

Первый способ. Порядок действий такой:

1. Убедитесь, что у вас включена цифровая клавиатура. Я говорю о блоке клавиш в правой части клавиатуры. Знаю, что это не для всех очевидно, но в данном случае важно, набираете вы цифры используя верхний ряд клавиш или правый (цифровой) блок.

2. Убедитесь, что у вас включена английская раскладка клавиатуры. Нет, конечно у вас будет получаться и с русской раскладкой, только вместо нужного символа будет выходить буква Щ 🙂

3. Нажимаете одной рукой клавишу ALT, а другой набираете волшебный код 0216, после чего отпускаете клавишу ALT.

4. У большинства — все получится с первого раза. Если что-то не вышло, вернитесь на пару строчек выше и перечитайте все внимательно еще раз.

Альтернативным способом является возможность указать HTML — код символа. Суть в том, что вы указываете код специального символа, а браузер уже показывает вместо введенного кода сам символ. Разумеется, если нет браузера, то способ не действует. 🙂 Иначе говоря, если вы пишете в блокноте или редакторе, типа MS Word, то воспользоваться этим способом у вас не получится.

Второй способ. Порядок действий такой:

1. Просто набираете код символа в поле ввода (например, поле комментария): Ø — если хотите заглавную букву Ø или ø — если хотите прописную (маленькую) букву ø

TWENTY ØNE PILØTS — даст: TWENTY ØNE PILØTS

Twenty øne piløts — даст: Twenty øne piløts

Вот и вся хитрость! Пользуйтесь на здоровье!

Мне будет очень приятно, если ты поделишься этой статьей с друзьями 😉

Word Cloud Visualization for Multiple Text Documents

используется в документах и ​​поддерживает визуальную идентификацию

различий и общих черт. Методы взаимодействия позволяют

дополнительно анализировать визуализацию и предоставлять подробную информацию по запросу

. Подход был реализован и протестирован на нескольких примерах

, а пользовательское исследование было проведено, что

подтверждает его общую ценность.

В принципе, визуализация ConcentriCloud может масштабироваться до

до произвольного количества документов и слов, но

обычно не имеет большого смысла визуализировать слова из

больше, чем горстка или, может быть, дюжина документов, поскольку этот

станет слишком требовательным для зрителя.Более того, важно отметить, что облака слов обычно не отображают все

терминов текстового документа, а только наиболее часто встречающиеся.

Из-за компоновки с заполнением пробелов, слова меньшего размера могут быть добавлены

к облаку слов, если большие слова не помещаются в оставшееся пространство экрана

. Чтобы избежать неправильной интерпретации в этих случаях

, мы рекомендуем по запросу предоставить список реальных терминов и

частот терминов для каждого облака слов.

Кроме того,

должен знать о некоторых крайних случаях при использовании ConcentriCloud. Например, если проанализированные документы

не содержат ни одного общего слова,

внутренние круги будут пустыми, и только облака слов на

внешнего круга будут отображать термины. В противоположном случае

текстовых документов, которые разделяют (почти) все слова, внешний круг

будет пустым, а термины появятся только в слове

облаках внутренних кругов.Хотя такие крайние случаи

весьма маловероятны, они иллюстрируют ограничения подхода

и указывают на то, что он не может работать одинаково хорошо во всех ситуациях.

Несмотря на эти ограничения, мы считаем, что общий подход

имеет большой потенциал, тем более что существует очень мало работ

, которые решают проблему объединения нескольких документов в визуализации облака одного слова

(см. Раздел II) .

Качественная оценка выявила некоторые проблемы, которые могут быть решены в будущей работе

, например, оптимальное размещение

слов в средней области.Другим направлением исследований может быть

интеграция ConcentriCloud с соответствующими попытками,

, такими как подход RadCloud [1] или анализатор Word Cloud Ex-

[10] (см. Раздел II). В частности, могут быть добавлены дополнительные интерактивные функции

, которые расширяют аналитические возможности

ConcentriClouds, такие как поиск терминов, выделение

отношений терминов, а также возможности простого поиска

слов в исходном тексте. контекст.Однако такие расширения

выходят за рамки данной статьи и не зависят от основного вклада

ConcentriCloud.

ССЫЛКИ

[1] М. Берч, С. Ломанн, Ф. Бек, Н. Родригес, Л. Д. Сильвестро и

Д. Вайскопф. RadCloud: визуализация нескольких текстов с объединенными облаками слов

. В 18-й Международной конференции по визуализации информации,

IV ’14, страницы 108–113. IEEE, 2014.

[2] М. Берч, С. Ломанн, Д.Помпе и Д. Вейскопф. Префиксируйте облака тегов.

На 17-й Международной конференции по визуализации информации, IV ’13,

стр. 45–50. IEEE, 2013.

[3] Q. Castell`

a and C. Sutton. Word storms: множество облаков слов для

визуального сравнения документов. На 23-й Международной конференции по

World Wide Web, WWW ’14, страницы 665–676. ACM, 2014.

[4] Y.-X. Чен, Р. Сантамар

ıa, А. Бутц и Р. Тер

on.TagClusters:

Семантическая агрегация совместных тегов за пределами TagCloud. На 10-м Международном симпозиуме

по интеллектуальной графике, SG ’09, страницы 56–67.

Springer, 2009.

[5] К. Коллинз, М. С. Т. Карпендейл и Г. Пенн. Docuburst: Визуализация содержимого документа

с использованием языковой структуры. Форум компьютерной графики,

28 (3): 1039–1046, 2009.

[6] К. Коллинз, Ф. Б. Ви

egas и М. Ваттенберг. Параллельные облака тегов к

исследуют и анализируют фасетные текстовые корпуса.В симпозиуме IEEE по Visual

Analytics Science and Technology, VAST ’09, страницы 91–98. IEEE, 2009.

[7] W. Cui, Y. Wu, S. Liu, F. Wei, M. X. Zhou и H. Qu. Контекст-

с сохранением, визуализация динамического облака слов. IEEE Computer Graphics

and Applications, 30 (6): 42–53, 2010.

[8] К. Фуджимура, С. Фуджимура, Т. Мацубаяси, Т. Ямада и Х. Окуда.

Топография: визуализация крупномасштабных облаков тегов. В Международной конференции

по всемирной паутине, WWW ’08, страницы 1087–1088, 2008 г.

[9] Я. Хассан-Монтеро и В. Эрреро-Солана. Улучшение облаков тегов как

интерфейсов поиска визуальной информации. В Международной конференции по междисциплинарным информационным наукам и технологиям

, InSciT ’06,

, страницы 25–28, 2006.

[10] Ф. Хеймерл, С. Ломанн, С. Ланге и Т. Эртл. Проводник облака слов:

Аналитика текста на основе облаков слов. На 47-й Гавайской международной конференции

по системным наукам, HICSS ’14, страницы 1833–1842.IEEE,

2014.

[11] О. Касер и Д. Лемир. Отрисовка облака тегов: Алгоритмы визуализации облака

. В WWW ’07 Workshop on Tagging and Metadata for

Social Information Organization, 2007.

[12] К. Кох, Б. Ли, Б. Ким и Дж. Со. ManiWordle: Обеспечение гибкого

контроля над word. IEEE Transactions on Visualization and Computer

Graphics, 16 (6): 1190–1197, 2010.

[13] Б. Ли, Н. Х. Рич, А. К. Карлсон и С.Карпендейл. SparkClouds:

Визуализация тенденций в облаках тегов. IEEE Transactions по визуализации

и компьютерной графике, 16 (6): 1182–1189, 2010.

[14] С. Ломанн, М. Берч, Х. Шмаудер и Д. Вайскопф. Визуальный анализ содержимого микроблогов

с использованием изменяющегося во времени выделения совпадений в облаках тегов

. В Международной рабочей конференции по усовершенствованным интерфейсам Visual

, AVI ’12, страницы 753–756. ACM, 2012.

[15] S. Lohmann, J.Циглер и Л. Тецлафф. Сравнение макетов облака тегов

: производительность в зависимости от задачи и визуальное исследование. На 12-й Международной конференции

IFIP TC 13 по взаимодействию человека и компьютера,

INTERACT ’09, Часть I, страницы 392–404. Springer, 2009.

[16] К. Д. Мэннинг, М. Сурдеану, Дж. Бауэр, Дж. Финкель, С. Дж. Бетард и

Д. МакКлоски. Набор инструментов Stanford CoreNLP для обработки естественного языка

. На 52-м ежегодном собрании Ассоциации вычислительной техники

Лингвистика: системные демонстрации, ACL ’14, страницы 55–60.ACL, 2014.

[17] Ф. В. Паулович, Ф. М. Б. Толедо, Г. П. Теллес, Р. Мингхим и Л. Г.

Нонато. Семантическая словизация коллекций документов. Компьютер

Graphics Forum, 31 (3): 1145–1153, 2012.

[18] К. Зайферт, Дж. Юрговский и М. Гранитцер. FacetScape: визуализация

для исследования пространства поиска. В 18-й Международной конференции по визуализации информации

, IV ’14, страницы 94–101. IEEE, 2014.

[19] К. Зайферт, Б.Камп, В. Кинрайх, Г. Гранитцер и М. Гранитцер. На

красота и удобство использования облака тегов. В 12-й Международной конференции

по визуализации информации, IV ’08, страницы 17–25, 2008.

[20] М. Стефанер. Визуальные инструменты для социо-семантической сети. Магистерская диссертация,

Потсдамский университет прикладных наук, 2007.

[21] Х. Стробельт, М. Спикер, А. Стоффель, Д. Кейм и О. Деуссен. Rolled-

out Wordles: эвристический метод удаления перекрытия 2D-данных

представителей.Computer Graphics Forum, 31 (3): 1135–1144, 2012.

[22] Д. Том, М. В. №

Орнер, и С. Кох. Scatterscopes: понимание событий

в реальном времени с помощью пространственно-временной индикации и иерархической развертки

. В конференции IEEE по науке о визуальной аналитике и технологии

(VAST), страницы 387–388, 2014.

[23] Ф. Б. Виегас, М. Ваттенберг, Ф. ван Хам, Дж. Крисс и М. МакКеон.

ManyEyes: сайт для визуализации в масштабе Интернета.IEEE Transactions

о визуализации и компьютерной графике, 13 (6): 1121–1128, 2007.

[24] Р. Вюйлемот, Т. Клемент, К. Плезант и А. Кумар. Что означает

рядом с «Мартой»? Изучение именных сущностей в коллекциях художественных текстов.

В симпозиуме IEEE по науке и технологиям визуальной аналитики,

VAST ’09, страницы 107–114. IEEE, 2009.

[25] Y. Wu, T. Provan, F. Wei, S. Liu и K.-L. Ма. Семантико-сохраняющие

словесных облаков методом нарезки швов.Форум компьютерной графики, 30 (3): 741–

750, 2011.

[26] Y. Wu, F. Wei, S. Liu, N. Au, W. Cui, H. Zhou, and H. Qu . OpinionSeer:

Интерактивная визуализация отзывов клиентов отеля. IEEE Transactions

о визуализации в компьютерной графике, 16 (6): 1109–1118, 2010.

MEG Доказательства развертывания базовых комбинаторных лингвистических механизмов в ответ на запросы задач

Цитата: Bemis DK, Pylkkänen L ( 2013) Гибкая композиция: данные MEG для развертывания основных комбинаторных лингвистических механизмов в ответ на запросы задач.PLoS ONE 8 (9): e73949. https://doi.org/10.1371/journal.pone.0073949

Редактор: Гарет Роберт Барнс, Университетский колледж Лондона — Институт неврологии, Соединенное Королевство

Поступила: 2 мая 2013 г . ; Одобрена: 25 июля 2013 г .; Опубликовано: 12 сентября 2013 г.

Авторские права: © 2013 Bemis, Pylkkanen. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Финансирование: Это исследование было поддержано грантами Национального научного фонда BCS-0545186 и BCS-1221723 (LP), грантом G1001 Института NYUAD, Нью-Йоркского университета Абу-Даби (LP) и стипендиями Уайтхеда для Младший факультет биомедицинских и биологических наук (до LP). Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.

Введение

Человеческий язык черпает свою выразительную силу в способности творчески конструировать сложные значения из отдельных частей. Хотя это творчество явно проявляется при синтаксическом анализе грамматических выражений, как, например, при конструировании значения для фиолетовых горилл, неловко поющих Вивальди , неясно, в какой степени комбинаторный механизм языка может быть применен за пределами нормальной языковой обработки; вопрос, актуальный как для оценки модульности в языковой архитектуре [3], [4], так и для определения взаимодействия между лингвистическими комбинаторными механизмами и когнитивной сферой в целом [5].В настоящем исследовании мы исследуем, достаточно ли простого изменения требований задачи, независимо от изменений лексических требований или требований к вниманию, для того, чтобы спровоцировать задействование базовых комбинаторных лингвистических механизмов — тех, которые лежат в основе языка и составляют сложные значения из отдельные элементы — за пределами их естественной грамматической области. В частности, мы стремились оценить, могут ли комбинаторные механизмы, составляющие простые фразы, такие как red cup , работать с выражениями, не соответствующими родной грамматике, такими как обратная последовательность cup red , в ситуациях, когда возникает некоторое давление. интерпретировать последовательность комбинаторным образом.Интуитивно комбинаторный механизм действительно обладает такой гибкостью, учитывая, что понимание не носителями языка может быть довольно хорошим даже при наличии множества грамматических ошибок, таких как этот тип изменения порядка слов. Но интуиция еще не говорит нам, является ли механизм, используемый для построения сложных представлений из неграмматического ввода, таким же, как мы используем при обработке грамматического материала. В текущем исследовании мы оценивали это, записывая активность магнитоэнцефалографии (МЭГ) во время обработки грамматических и грамматических фраз в условиях комбинаторных и некомбинаторных задач.Полученные в результате пространственно-временные карты нейронной активности позволили нам оценить, могут ли базовые комбинаторные нейронные механизмы, которые работают во время нормальной грамматической обработки, быть развернуты в новых контекстах в ответ на тонкое изменение требований к задаче.

Предыдущие исследования границ комбинаторной языковой обработки

Несколько предыдущих исследований непосредственно изучали степень, в которой комбинаторные лингвистические механизмы могут быть гибко применены к новым контекстам, хотя многие работы затрагивают этот вопрос косвенно.Очевидно, что на определенном уровне комбинаторные лингвистические процессы могут быть применены к новым контекстам, поскольку люди способны научиться извлекать значение из письменных слов и иностранных языков, ни один из которых не вызывает успешной комбинаторной лингвистической обработки без инструкции. Нейролингвистические исследования обоих типов обработки, хотя и не являются окончательными, указывают на большое совпадение нейронных сигнатур, связанных с комбинаторным пониманием речи, и сигнатур, вызываемых как чтением [2], [6], [7], так и обработкой иностранного языка [8], [9], [10].Что еще более важно, большое количество доказательств предполагает, что лингвистические механизмы в широком смысле могут быть распространены также на обработку искусственных «языков». В парадигме канонического искусственного обучения грамматике (AGL) [11] наборы произвольных символов, начиная от иностранных слов [12], заканчивая буквенными строками [13] и визуальными объектами [14], генерируются с использованием конечного автомата, так что они подчиняться различным синтаксическим ограничениям. Затем испытуемым показывают образцы из этих наборов во время периода обучения и впоследствии просят оценить «грамматичность» тестового набора строк, некоторые из которых генерируются автоматом, а некоторые нет.Существует бесчисленное множество вариантов парадигмы с точки зрения синтаксических ограничений, «языковых» символов, методов обучения и т. Д. (См. Обзор в [15]), однако последовательный вывод из поведенческих [16], [17] и нейронные исследования [18], [12], [13] показывают, что обработка таких искусственных грамматик может показаться похожей на обработку естественного языка во многих отношениях. Таким образом, в общих чертах, исследования AGL предоставляют доказательства того, что лингвистические механизмы могут быть развернуты в новых контекстах при соответствующих требованиях задачи.

Тем не менее, несколько факторов мешают этим результатам напрямую обратиться к задаче настоящего исследования, которая заключается в определении степени, в которой базовые лингвистические комбинаторные механизмы могут быть гибко и быстро развернуты в новых контекстах. Во-первых, в парадигмах AGL, хотя испытуемые обычно способны отличать «грамматические» строки от «неграмматических» строк с большей чем случайной точностью [15], их исполнение редко бывает идеальным [19], и в некоторых обстоятельствах лежащие в основе грамматические правила не могут быть освоены вообще, несмотря на их очевидное сходство с ограничениями естественного языка [20], [21].Во-вторых, по замыслу эти исследования почти исключительно измеряют обработку, связанную со сложными правилами, такими как иерархические, вложенные структуры [22], [14] и нежесткие дистанционные зависимости [23], и часто оценивают нейронную активность, вызванную нарушением этих правил. (например, [13]). Таким образом, пресловутые трудности с распутыванием множества механизмов, лежащих в основе такой сложной обработки естественного языка [24], [25], преувеличиваются при работе с искусственными языками (см. [26]). Следовательно, возникли обширные разногласия относительно природы нейронных механизмов, управляющих эффектами, наблюдаемыми в парадигмах AGL [27], [28], [29], [30], [23], или даже относительно того, были ли усвоены предполагаемые правила. вообще [20].Таким образом, хотя результаты парадигм AGL предполагают возможность развертывания лингвистических механизмов в новых контекстах, их связь с базовыми лингвистическими комбинаторными процессами, с одной стороны, и нарушение ожиданий [30], рекурсия [19] и механизмы иерархической последовательности, с другой [14 ], [27] еще не решен полностью.

Манипуляции с задачами

В рамках парадигм, более прямо направленных на исследование взаимодействия между требованиями задачи и лингвистическими механизмами, основное внимание уделялось определению влияния манипуляций вниманием на обработку языка.В этих исследованиях внимание часто отвлекается от языковых стимулов в целом либо пассивно, например, при просмотре немого фильма во время прослушивания речи [31], [32], либо активно, например, при выполнении задания на слуховое различение во время прослушивания речи [ 33] В качестве альтернативы внимание может быть направлено на различные аспекты стимулов или от них, например, путем выполнения задачи обнаружения шрифта [34] или выборочного мониторинга синтаксических или семантических нарушений [35]. Грубо говоря, эти исследования выявили постепенный эффект внимания на обработку, так что ранние этапы обработки кажутся в значительной степени инвариантными при манипуляциях с вниманием [36], [37], [38], [33], обработка на средней стадии часто может модулироваться. но обычно не устраняется полностью [39], [40], [41], и более поздняя обработка может приходить и уходить в зависимости от задачи [34], [42], [37], [43], [44] для обзора .

Этот последний результат, конечно, потенциально предполагает гибкое развертывание лингвистических механизмов. Недавняя работа действительно показала, что более поздние этапы лингвистического анализа, часто связанные с синтаксическим повторным анализом и разрешением неоднозначности, в некоторой степени зависят от задачи и не всегда происходят во время нормальной языковой обработки [45], [46], [47], [48] ]. Эти результаты, однако, в первую очередь были приписаны глубине обработки языковых стимулов и, следовательно, подпадали под заголовок «достаточно хороший» синтаксический анализ — i. е. данные показывают, что во время нормального понимания языка обработка должна быть только «достаточно хорошей» для решения поставленной задачи. Нейрофизиологически общая мера этой обработки, компонент P600 ERP, сильно зависит от того, требуется ли оценка правдоподобия данной задачей (см. [44]). Таким образом, вместо того, чтобы отражать гибкое развертывание процессов вне их естественного контекста, эти результаты, кажется, указывают на то, что синтаксический анализ может остановиться до полного задействования механизмов, связанных с разрешением неоднозначности или синтаксическим реанализом [47].На сегодняшний день нет никаких доказательств того, что лингвистические комбинаторные механизмы работают только с грамматическим вводом, за исключением, возможно, работы с грамматическими иллюзиями, в которых синтаксический анализатор сбивается с толку выражениями, которые кажутся грамматическими, несмотря на то, что они плохо сформированы с точки зрения репрезентации [49]. Таким образом, вместо того, чтобы предполагать гибкое задействование языковых процессов за пределами их обычных границ, результаты, относящиеся к «достаточно хорошему» синтаксическому анализу, больше говорят об их автоматичности в пределах нормальной грамматической области.

Наше исследование

В настоящем исследовании, напротив, мы изучаем, могут ли базовые комбинаторные лингвистические механизмы быть быстро развернуты вне их естественного контекста в пределах родной грамматики и, кроме того, может ли это развертывание быть ускорено простой манипуляцией задачи независимо от изменений в сложности или внимании. . Другими словами, в какой степени можно использовать базовые комбинаторные лингвистические механизмы в качестве гибкого когнитивного инструмента при решении задач? В частности, мы исследовали, можно ли гибко использовать комбинаторные механизмы, действующие при составлении простых именных фраз, для интерпретации минимально контрастирующих грамматических последовательностей, если этого требует задача.В нашей предыдущей работе мы охарактеризовали комбинаторную нейронную активность, вызванную пониманием простых комбинаций прилагательного и существительного, таких как red cup , и обнаружили достоверное усиление активности в левой передней височной доле (LATL) примерно на 200-250 мс по сравнению с обычными. комбинаторные управления [1], [2]. В настоящем исследовании (рис. 1) мы сравнивали такие сочетания прилагательного и существительного с их обратными аналогами, cup red , которые нарушают канонический порядок слов в английском языке для таких фраз.Эта манипуляция стимулом затем была встроена в манипуляцию задачи, которая изменяла необходимость объединения прилагательного и существительного в единое семантическое представление. В комбинаторном задании (Составление) испытуемые оценивали, соответствует ли словесный стимул изображению цветного объекта. В задаче Non-Compose изображение задачи вместо этого изображало отдельную цветовую пятно и контур формы, позволяя испытуемым обрабатывать значения существительных и прилагательных полностью в виде списка, без композиции.Активность LATL, предположительно отражающая состав, измерялась путем последовательного представления каждого слова и сравнения активности, генерируемой во втором слове, с активностью, вызванной во время обработки согласованного некомбинаторного однословного контроля ( frw red или xtp cup ).

Рисунок 1. Схема эксперимента. В каждом блоке испытаний испытуемым предъявляли стимулы из одного и двух слов и просили оценить, соответствует ли следующая целевая картинка предыдущим словам.

В канонических условиях (верхние ряды) стимулы представляли собой фразы прилагательное-существительное ( red cup ) и соответствующие им контрольные элементы из одного слова ( xhl cup ). В перевернутых условиях (нижние ряды) стимулы представляли собой последовательности существительное-прилагательное ( чашка красный, ) и соответствующие им контроли из одного слова ( frw красный ). В задаче «Составить» (левое изображение задачи) целевые изображения содержали одноцветную фигуру. В задаче «Несоставление» (правое изображение задачи) целевые изображения содержали цветную каплю и контур формы.Каждый испытуемый выполнял только одно задание, а канонические и обратные испытания блокировались отдельно.

https://doi.org/10.1371/journal.pone.0073949.g001

Для стимулов канонического порядка слов мы ожидали, что комбинаторная обработка будет происходить автоматически в обеих задачах, учитывая, что почти все модели синтаксического анализа предполагают, что грамматические лингвистические выражения автоматически задействуются комбинаторные механизмы до некоторой степени, независимо от задачи (например, [50], [51]). Это теоретическое утверждение было подтверждено многочисленными нейролингвистическими исследованиями, демонстрирующими, что ранние электрофизиологические компоненты, связанные с комбинаторной обработкой, инвариантны как к задаче [36], [37], так и к манипуляциям внимания [43], [33], [31].Кроме того, гемодинамические эффекты, связанные с комбинаторной обработкой, включая эффекты LATL, управляемые обработкой предложений, остаются наблюдаемыми даже во время задач, специально разработанных для минимизации комбинаторной обработки [52], [53], [54].

Напротив, во время обработки стимулов обратного порядка ( чашка красный ) мы не ожидали, что комбинаторная обработка будет автоматически вызвана. Крайне важно, что мы разработали наши задачи так, чтобы требовать суждений о обозначениях объектов, тем самым удерживая субъектов от интерпретации этих последовательностей как измененных цветов (например,грамм. красное вино — особый оттенок красного, связанный с вином). Далее, мы выбрали словосочетания, которые не были знакомы по цвету существительное-прилагательное (например, свекольный красный не использовался). Следует отметить, что в более широком контексте прилагательные могут, конечно, изменять существительные пост-номинально, например Я видел красную чашку с краской , однако такое употребление обычно требует, чтобы прилагательное было достаточно «тяжелым», и часто требует интонационного перерыва после существительного [55]. Таким образом, мы ожидали, что эти обратные последовательности не должны задействовать комбинаторную обработку, если это не требуется.Следовательно, мы ожидали разницы между канонической и обратной последовательностями с точки зрения комбинаторной обработки во время задачи Non-Compose. Нашим основным вопросом было затем определить степень, в которой обратные последовательности могут задействовать комбинаторную обработку во время задачи Compose.

Чтобы манипулирование задачами было как можно более чистым, эти две задачи были назначены отдельным группам участников. В частности, мы хотели избежать возможности того, что после обработки стимулов в комбинаторной манере испытуемые могут столкнуться с трудностями при отключении комбинаторного режима обработки.Другими словами, такая стоимость переключения задач может привести к комбинаторной обработке канонических порядков слов во время задачи Non-Compose не потому, что композиция для них автоматическая, а из-за вмешательства со стороны недавно выполненной задачи композиции.

В нашей предыдущей работе над грамматическими последовательностями прилагательное-существительное ( red cup ) [1], [2], полный паттерн активности, связанный с комбинаторной обработкой, состоял из раннего эффекта на cup , локализованного в LATL примерно на 200 to 250 мс с последующими более разнообразными эффектами позже в эпоху (~ 400 мс), локализованными как в вентромедиальной префронтальной коре [1]), так и в угловой извилине (AG — [2]).В настоящем исследовании мы решили использовать активность MEG, локализованную в LATL, в качестве основного показателя базовой комбинаторной обработки по двум причинам. Во-первых, довольно обширная литература по гемодинамике предполагает, что эта область играет решающую роль в комбинаторной лингвистической обработке [56], [57], [58], [59], [54], а также в обеих предыдущих версиях этой парадигмы, в визуальной и слуховой областях. презентации, устойчиво продуцируют комбинаторную активность, локализованную в LATL [1], [2]. Последующие эффекты были более разнообразными.Во-вторых, как обсуждалось выше, более поздние компоненты обработки, и особенно те, которые были вызваны во временном окне, окружающем ранее наблюдаемые эффекты vmPFC и AG (350–450 мс), могут сильно зависеть от манипуляций с задачами независимо от каких-либо изменений комбинаторной обработки (см. [ 41]). Таким образом, более ранние компоненты являются лучшими кандидатами для измерений, которые могут более прямо отражать комбинаторную обработку при манипулировании задачами.

Подводя итог, если наши предположения верны и канонические комбинации прилагательное-существительное действительно задействуют комбинаторные механизмы независимо от требований задачи, а обратные последовательности существительного-прилагательного — нет, то мы ожидаем увидеть, что активность LATL в задаче Non-Compose демонстрирует взаимодействие между обратная ( чашка красный ) и каноническая последовательности ( красная чашка ) по сравнению с их сопоставленными однословными контролями ( xhl red и frw cup , соответственно), с повышенной активностью LATL, присутствующей только во время двух- слово каноническое состояние.Если задача Compose затем заставляет базовые комбинаторные механизмы гибко задействоваться во время обработки обратных последовательностей, мы ожидаем увидеть основной эффект количества слов в этой задаче с повышенной активностью LATL, присутствующей в обеих последовательностях из двух слов по сравнению с их согласованными контролирует. С другой стороны, если манипуляции с задачами недостаточно, чтобы вызвать комбинаторную обработку в обратных последовательностях, мы снова ожидаем увидеть взаимодействие между порядком и количеством слов в этой задаче.Чтобы максимизировать силу манипуляции, мы давали каждую задачу отдельно разным испытуемым.

Методы

Участников

Задание Non-Compose выполнили 15 человек (8 женщин; средний возраст 22,4 года). Задание «Составить» выполнили 21 испытуемый (14 женщин; средний возраст 21,4 года). Все испытуемые были правшами, носителями английского языка без дальтонизма, с нормальным или исправленным зрением. Все процедуры были одобрены Комитетом Нью-Йоркского университета по деятельности с участием людей, и от каждого участника было получено информированное письменное согласие.Участники получили гонорар или зачет курса за свое участие.

Материалы

Каждое испытание содержало четыре стимула, которые предъявлялись последовательно: крест фиксации, начальное слово или неслово, существительное или прилагательное и целевое изображение (рис. 1). Испытуемым предлагалось игнорировать все стимулы, не являющиеся словесными, и указывать, содержит ли целевая картинка изображение всех предшествующих лексических элементов. В задаче «Составить» целевое изображение содержало одноцветную фигуру. В задаче Non-Compose цвет и форма были представлены отдельно в виде круглой капли и белого контура соответственно.Лингвистические стимулы различались в зависимости от условий: канонические испытания из двух слов представляли прилагательное, за которым следовало существительное ( красная чашка ), обратные испытания из двух слов представляли существительное, за которым следовало прилагательное ( чашка красный ), а испытания из одного слова заменялись начальные слова с непроизносимыми согласными ( xhl cup, frw red ). Таким образом, второй, критический стимул оставался неизменным между парными одно- и двухсловными условиями. Во время эксперимента Non-Compose испытуемые также выполнили вариант списка каждой задачи, в котором они оценивали, соответствует ли целевая картинка одному из двух предшествующих существительных или прилагательных.Поскольку этот контраст не имеет отношения к гипотезам настоящего исследования, он был опущен в последующем обсуждении.

Во всех условиях использовались девять односложных общих цветных прилагательных ( красный, коричневый, бирюзовый, синий, розовый, черный, коричневый, белый, зеленый ). Каждому прилагательному было присвоено соответствующее соответствие длины существительное ( чашка, машина, замок, башмак, лист, дом, сердце, самолет, крест ) и соответствующая непроизносимая последовательность согласных звуков, соответствующая длине ( xkq, kjw, qxsw, mtpv, vbnw, rjdnw, wvcnz, zbxlv, vtzkn ).Существительные и прилагательные также были сопоставлены по частоте ( p = 0,74; логарифмическая частота HAL; парные t -тест). Каждое слово было отображено непропорциональным шрифтом Courier с отступом примерно 3 °. В задаче «Составить» целевые изображения представляли собой вручную созданные канонические изображения каждой формы, окрашенные в один из девяти цветов и отображаемые в центре экрана под углом примерно 8 °. В задаче Non-Compose круглые капли и контуры (взятые из цветных фигур) были случайным образом размещены в одном из четырех мест с центром +/- 2 ° по горизонтали и вертикали от центра экрана, при этом никакие два объекта не занимали одно и то же место на любом испытании.Для этих стимулов каждый объект сам по себе наклонялся примерно на 4 °. Все стимулы предъявлялись с помощью Psytoolbox [60], [61] и проецировались на экран примерно в 45 см от глаза испытуемого.

В каждой задаче канонические и обратные испытания были заблокированы отдельно, с сбалансированным порядком для каждой группы испытуемых. В каждом условии критические элементы (т. Е. Существительные для канонических испытаний, прилагательные для обратных испытаний) были представлены четыре раза в подходящих испытаниях и четыре раза в несовпадающих испытаниях, в результате чего в общей сложности было 72 испытания в каждом условии и 144 испытания на блок.В испытаниях с несоответствием двух слов целевые изображения соответствовали либо предыдущему цвету, либо термину формы, но не обоим. Для каждого испытуемого были созданы обратные испытания с двумя словами путем простого изменения порядка стимулов в канонических испытаниях с двумя словами. Затем были созданы испытания с одним словом из всех испытаний с двумя словами путем замены согласованной последовательности согласных звуков для каждого начального стимула и перетасовки целевых изображений для соответствия или несоответствия оставшемуся слову по мере необходимости. Списки стимулов были рандомизированы по каждому субъекту.

Процедура

Перед экспериментом испытуемые практиковали свой первый блок за пределами комнаты MEG. Перед записью формы головы испытуемых были оцифрованы с помощью 3D-дигитайзера Polhemus Fastrak (Polhemus, VT, США). Затем оцифрованная форма головы использовалась для ограничения локализации источника во время анализа путем совместной регистрации пяти катушек, расположенных вокруг лица, по отношению к датчикам МЭГ. Кроме того, электроды прикрепляли на 1 см справа и на 1 см ниже середины правого глаза для записи вертикальной и горизонтальной электроокулограммы (EOG) и обнаружения морганий.Оба электрода были привязаны к левому сосцевидному отростку.

MEG были собраны с использованием 157-канальной системы осевого градиентометра с цельной головкой (Технологический институт Канадзавы, Токио, Япония) с дискретизацией при 1000 Гц с фильтром нижних частот при 200 Гц и режекторным фильтром при 60 Гц. Все стимулы, кроме целевых изображений, предъявлялись в течение 300 мс, после чего следовало 300 мс пустого экрана. Целевые изображения появлялись в конце каждого испытания и оставались на экране до тех пор, пока испытуемый не принял решение. Последующие испытания начались после того, как пустой экран отображался в течение переменного времени в соответствии с нормальным распределением со средним значением 500 мс и стандартным отклонением 100 мс (см. Рисунок 1).Весь сеанс записи длился приблизительно 50 минут для задачи Non-Compose и 25 минут для задачи Compose (разница объясняется блоками списка, включенными в задачу Non-Compose; см. Материалы выше).

Сбор данных MEG

MEG записывались непрерывно, с уменьшением шума с использованием метода непрерывно скорректированных наименьших квадратов (CALM; [62]) и с периодом времени от 100 мс до начала каждого критического элемента до 600 мс после начала. Исходные данные сначала были очищены от потенциальных артефактов путем отклонения испытаний, в которых: а) испытуемый ответил либо неправильно, либо слишком медленно (определено как более двух.Через 5 секунд после появления формы цели), б) максимальная амплитуда превысила 3000 фТл, или в) субъект моргнул в пределах критического временного окна, как определено путем ручной проверки записей EOG. Один из испытуемых в задаче «Несоставление» выполнил случайное выполнение в перевернутом состоянии в одно слово и поэтому был исключен из дальнейшего анализа. Остальные данные были затем усреднены для каждого субъекта для каждого состояния и полосовой фильтрации от 1 до 40 Гц. Для включения в дальнейший анализ мы потребовали, чтобы испытуемые демонстрировали качественно канонический профиль вызванных ответов во время обработки критических вопросов.Этот профиль был определен как появление устойчивых и заметных начальных зрительных реакций — то есть полевой образец M100 или M170 [63], [64] должен был четко присутствовать во временном окне от 100 до 200 мс после критических стимулов. Пять субъектов в целом не выполнили это требование (три в задаче «Составить» и две в задаче «Несоставление») и были исключены из дальнейшего анализа.

Минимальная оценка нормы

В качестве нашей основной зависимой меры мы создали распределенные оценки источников с минимальной нормой для зарегистрированных данных датчиков MEG.Эта мера обеспечивает оценку коркового местоположения электрической активности, лежащей в основе наблюдаемых магнитных полей, зарегистрированных за пределами головы. Оценка источника была построена для каждого среднего состояния с использованием оценок минимальной нормы L2, рассчитанных с использованием BESA 5.1 (MEGIS Software GmbH, Мюнхен, Германия). Ковариационная матрица канального шума для каждой оценки была основана на 100 мс до начала критического элемента в каждом среднем состоянии. Каждая оценка минимальной нормы основывалась на активности 1426 региональных источников, равномерно распределенных в двух оболочках на 10% и 30% ниже сглаженной стандартной поверхности мозга.Региональные источники в MEG можно рассматривать как источники с двумя одиночными диполями в одном месте, но с ортогональной ориентацией. Затем была рассчитана общая активность каждого регионального источника как среднеквадратическое значение активности источника двух его компонентов. Пары диполей в каждом месте сначала были усреднены, а затем было выбрано большее значение из каждой пары источников, создав 713 ненаправленных источников, активацию которых можно было сравнивать для разных субъектов и условий. Изображения с минимальной нормой были взвешены по глубине, а также пространственно-временному взвешиванию с использованием меры корреляции подпространства сигнала [65].Повторный дисперсионный анализ в рамках каждой задачи с факторами Порядок (канонический, обратный) и Количество слов (два, один) не выявил надежных основных эффектов или взаимодействий в отношении сигнал / шум оценок минимальной нормы (все p> .15).

Анализ данных

Чтобы оценить комбинаторную активность, наш первичный анализ исследовал активность источника, локализованную в LATL, как определено ROI, использованным в наших предыдущих экспериментах [1], [2]. Граница этой области интереса изначально была основана на гемодинамических результатах, демонстрирующих повышенную активность LATL во время понимания предложений по сравнению со списками слов [57], [56], [54].Мы проанализировали активность, которая локализовалась в этой области интереса от 0 до 600 мс после представления второго слова, используя кластерный тест перестановки [66], предназначенный для выявления значимых эффектов в любой момент в течение эпохи анализа. Этот тест контролирует множественные сравнения в течение всего временного интервала, используя следующую обобщенную процедуру. Сначала для наблюдаемых данных рассчитывается статистика кластерного теста. Затем эта же статистика теста вычисляется для множества перестановок фактических данных, каждая из которых создается путем случайного перемешивания меток условий внутри каждого участника.Затем значение p наблюдаемой тестовой статистики вычисляется относительно распределения, созданного из 10 000 перестановок исходных данных, и устанавливается равным доле переставленных наборов данных, которые дают тестовую статистику более экстремальную, чем у фактических данных.

Одним из преимуществ этого теста является то, что статистику кластерного теста можно построить специально для того, чтобы соответствовать определенной гипотезе (см. [1]; [66]). В настоящем эксперименте каждая статистика была рассчитана путем первого определения смежных временных точек, для которых статистический точечный тест достиг определенного порога (установлен на p = 0.30, чтобы соответствовать нашему предыдущему анализу), а затем вычислить одну статистику теста на основе полученного кластера точек. Чтобы проверить взаимодействие, предсказанное в некомбинаторной задаче, мы использовали ту же тестовую статистику, что и в нашей предыдущей статье (см. [1] для получения полной информации). Таким образом, каждый кластер был идентифицирован с использованием значения взаимодействия p из поточечного анализа 2 × 2 с повторными измерениями ANOVA с количеством слов (один, два) и порядком слов (канонический, обратный) в качестве факторов. Затем была рассчитана окончательная статистика теста путем суммирования значений t , полученных в результате точечных тестов t между каноническими условиями, и вычитания значений t , полученных в результате точечных тестов t между обратными условиями.Чтобы проверить главный эффект, предсказанный в комбинаторной задаче, мы идентифицировали кластеры, используя значение p из поточечного 2 × 2 дисперсионного анализа с повторными измерениями, который соответствовал основному эффекту количества слов, и мы включили только те точки. для которого значение взаимодействия p также не было выше порогового. Затем мы просто просуммировали статистику t из всех тестов t , выполненных в двух парах условий, чтобы вычислить окончательную статистику теста.

Чтобы выявить эффекты за пределами LATL, мы также выполнили анализ всего мозга, в котором сравнивались показатели активности из двух и одного слова в рамках каждой задачи, выборка за выборкой для каждой исходной временной точки с использованием парного теста t . Различие считалось значимым в этом тесте только в том случае, если оно превышало критерии значимости и размера, так что оно оставалось надежным ( p <0,05) как минимум для 10 образцов (10 мс), наблюдалось как минимум в 10 соседних корковых источниках и было минимум 1.5 нАм по амплитуде. В результатах и ​​на рисунках ниже мы обсуждаем только эффекты, связанные с увеличением активности двух слов.

Результаты

Поведенческие результаты

Поведенческие данные, изображенные на рис. 2, были проанализированы на предмет скорости и точности в ANOVA 2 × 2 × 2 с Задачей (Составить, Не составить) как переменной между субъектами и Порядком (канонический, обратный) × Количество слов ( два, один) как внутри переменных субъектов. За этим последовали запланированные повторные измерения 2 × 2 ANOVA на влияние порядка и количества слов в каждой задаче.

Рисунок 2. Поведенческие результаты.

Для каждой задачи данные о времени реакции и точности были представлены в ANOVA с повторными измерениями 2 × 2 с порядком (канонический, обратный) и количеством слов (один, два) в качестве факторов. В задаче Non-Compose (A) мы наблюдали значительную взаимосвязь между двумя факторами точности и не обнаружили значительного влияния на время реакции. В задаче «Составить» (B) мы наблюдали существенное влияние количества слов на точность и значимое взаимодействие между двумя факторами на время реакции.нс — незначительно; *** p <0,001; ** р <0,01.

https://doi.org/10.1371/journal.pone.0073949.g002

Для точности ANOVA 2 × 2 × 2 выявил значимое трехстороннее взаимодействие между задачей (Составить, Не составлять), порядком (канонический, перевернутый) и количество слов (два, одно) ( F (1,28) = 6,62; p = 0,016). Последующий 2 × 2 ANOVA в рамках задачи Non-compose показал значительную взаимосвязь между порядком и количеством слов для точности ( F (1,11) = 9.03, p = 0,012), с последующими парными t -тесты между парами условий из одного и двух слов показали, что этот эффект был обусловлен значительно более низкой точностью в каноническом условии из двух слов по сравнению с совпадающим. — контроль слов ( p = 0,007; два слова: 91,9% сред. [1,8% стандарт.]; одно слово: 96,8% сред. [0,7% стандарт.]), и нет статистической разницы в точности для перевернутого условия заказа ( p = 0,39; два слова: 97,9% сред. [0,8% стандарт]; одно слово: 97.2% ср. [0,7% стандарт.]). Соответствующий 2 × 2 ANOVA в задаче Compose, с другой стороны, не произвел основного эффекта порядка или взаимодействия между двумя факторами (оба F, s <1), но значительный основной эффект количества слов ( F (1,17) = 13,94; p = 0,0017), с более низкой точностью в обоих условиях, состоящих из двух слов, по сравнению с соответствующими контрольными данными (канонические два слова: 96,4% в среднем [0,8% стандарт]; канонические из одного слова : 98,1% сред. [0,5% стандарт.]; Перевернутые два слова: 97,1% сред.[0,4% стандарт.]; перевернутое одно слово: 98,0% ср. [0,4% стандарт.]). Таким образом, взаимодействие, наблюдаемое в начальном дисперсионном анализе 2 × 2 × 2, было обусловлено значительным влиянием Задачи на взаимодействие между количеством слов и порядком точности.

Что касается времени реакции, то дисперсионный анализ 2 × 2 × 2 показал основной эффект задачи (F (1,28) = 6,96; p <0,01) с более быстрыми ответами в задаче «Составление» по сравнению с задачей «Несоставление» ( Среднее значение 622 мс [стандартное значение 139 мс] и среднее значение 745 мс [стандартное значение 349 мс]). Не было значимого трехстороннего взаимодействия ( F (1,28) = 1.88, p = 0,18), хотя восемь условий снова показали тот же качественный образец, что и для точности, причем каждое условие из двух слов отличается от его парного однословного элемента управления таким же образом (здесь, с более быстрыми ответами), за исключением перевернутое условие из двух слов в задаче «Не составить», которое не отличалось от соответствующего ему элемента управления, состоящего из одного слова (и на самом деле имело немного более медленные ответы). ANOVA 2 × 2 в задаче Non-Compose не выявил значительных эффектов во времени реакции на порядок, количество слов или их взаимодействие (все значения F <1; канонический: два слова: 727 мс ср.[86 мс ст.]; одно слово: 739 мс ср. [Стандартное 98 мс]; перевернутое: два слова: 759 мс ср. [113 мс стандарт.]; одно слово: 757 мс ср. [116 мс стандарт.]). Соответствующий 2 × 2 ANOVA в задаче «Составление», однако, показал значительную взаимосвязь между порядком и количеством слов ( F (1,17) = 8,39; p = 0,01). Последующие парные тесты t показали, что этот эффект был обусловлен значительно более быстрыми ответами в каноническом условии из двух слов по сравнению с подобранным контролем ( p <0.001; двух слов: 579 мс ср. [Стандартное 30 мс]; одно слово: 644 мс ср. [38 мс стандарт.]) И отсутствие статистической разницы между условиями обратного порядка ( p = 0,40; два слова: средн. 625 мс [36 мс стандарт.]; Одно слово: 640 мс сред. [33 мс стандарт. .]).

Таким образом, в целом, наши поведенческие меры предполагают четкую диссоциацию между всеми условиями, состоящими из двух слов, и их элементами управления из одного слова, за исключением условия перевернутого слова из двух слов в задаче Non-Compose, которая, вместо этого, близко соответствовала условиям из одного слова. контроль.Этот шаблон результатов, конечно, в точности соответствует прогнозам для комбинаторной обработки, если комбинаторные механизмы могут быть гибко развернуты в перевернутых последовательностях из двух слов, когда задача требует композиции, и не задействованы автоматически, когда задача этого не делает. Кроме того, более быстрое время отклика, проявляемое составными условиями из двух слов, перекликается с эффектом облегчения, который ранее наблюдался для составных фраз в этой задаче (Bemis & Pylkkänen, 2011). Хотя причина сопутствующего снижения точности для этих условий неясна и предполагает ранее не наблюдаемый компромисс между скоростью и точностью, в целом поведенческие результаты предполагают, что обработка была аналогичной во время канонической и перевернутой последовательности двух слов, когда задача требовала композиции. и не похожи, когда не требовалось никакого состава.

Результаты ROI левой передней височной доли

Результаты без составления LATL.

В задаче Non-Compose тест перестановки взаимодействий выявил значительный кластер активности, локализованный в LATL (рис. 3) от 215 до 266 мс ( p = 0,023; 10 000 перестановок). ANOVA с повторными измерениями 2 × 2, выполненный для активности LATL, усредненной за это временное окно, подтвердил этот результат и продемонстрировал значительную взаимосвязь между порядком и количеством слов ( F (1,11) = 7.361; p = 0,020) с активностью в каноническом условии из двух слов, значительно большей, чем в согласованном контроле из одного слова ( p = 0,009; парные образцы t тест ; два слова: 4,25 нАм средн. [2,14 нАм] стандартное]; одно слово: 2,86 нАм средн. [1,23 нАм стандартное]), и отсутствие статистической разницы между активностью в обратных условиях ( p = 0,732; парные образцы t тест; два слова: 3,70 нАм средн. [1,95 нАм стандарт.]; однословно: 3,51 нАм средн. [0,86 нАм средн.]).

Рисунок 3. Результаты LATL ROI.

Локализованная активность показана для LATL ROI во время обработки критических элементов (существительные в канонической последовательности, прилагательные в обратной последовательности), усредненных по предметам. Заштрихованные области обозначают значительные кластеры комбинаторной активности, что определяется непараметрическим тестом перестановки на основе кластеров (Maris & Oostenveld, 2007), применяемым ко всей эпохе, от 0 до 600 мс после представления критического элемента.Мы наблюдали значительную взаимосвязь между порядком и количеством слов в задаче «Несоставление» (A) и значительный основной эффект количества слов в задаче «Составление» (B) для активности, генерируемой между 200 и 300 мс. нс — незначительно; ** p <0,01; * р <0,05.

https://doi.org/10.1371/journal.pone.0073949.g003

Мы не нашли доказательств увеличения активности LATL во время обработки обратных последовательностей в этой задаче. И тест перестановки основного эффекта, и кластерный тест post-hoc , выполненные только между двумя обратными условиями, не выявили каких-либо значимых кластеров активности (все кластеры p > 0.8). Таким образом, в задаче Non-Compose мы наблюдали значительный комбинаторный эффект во время обработки канонических фраз во время, подобное тому, которое наблюдалось в наших предыдущих экспериментах (Bemis & Pylkkänen, 2011, 2012), и никаких доказательств каких-либо комбинаторных эффектов LATL во время обработка обратных последовательностей в любое время.

Составьте результаты LATL.

В задаче Compose тест перестановки, разработанный для выявления повышенной активности в обоих двух словах, выявил значительный кластер активности, локализованный в LATL (рисунок 3) от 201 до 269 мс ( p = 0.029; 10000 перестановок). ANOVA с повторными измерениями 2 × 2, выполненный для активности, усредненной по этому кластеру, подтвердил этот результат и выявил значимый основной эффект количества слов ( F (1,17) = 4,52; p = 0,0385) с повышенной активностью в оба условия, состоящие из двух слов, по сравнению с их парными контролями из одного слова (каноническое значение из двух слов: средн. 4,00 нАм [1,93 нАм стандарт]; каноническое значение из одного слова: средн. 3,37 нАм [0,97 нАм стандарт]; два слова перевернуты : 4,17 нАм сред. [2,43 нАм стандарт]; перевернутое слово: 3.39 нАм ср. [1,61 нАм стандарт.]). Ни основной эффект порядка, ни взаимодействие между двумя факторами не были значительными в этом тесте (оба F s <1).

Этот тест на перестановку также выявил незначительно значимый кластер активности от 380 до 430 мс ( p = 0,075; 10000 перестановок), подтвержденный маргинальным основным эффектом количества слов согласно ANOVA с повторными измерениями 2 × 2 на активность в течение этого временного окна ( F (1,17) = 3,52; p = 0.078; канонический, состоящий из двух слов: 3,72 нАм ср. [1,96 нАм стандартное]; однословные канонические: 3,13 нАм ср. [1,20 нАм стандарт.]; два слова в обратном порядке: 3,80 нАм средн. [2,32 нАм стандартное]; перевернутое слово: 2,95 нАм ср. [1,33 нАм стандарт.]). Опять же, не было никакого эффекта порядка в этом временном окне и никакого взаимодействия между двумя факторами (оба F с <1). Этот результат снова близко совпадает с нашими предыдущими выводами, в которых мы наблюдали незначительное увеличение комбинаторной активности в LATL примерно с 350 до 400 мс (Bemis & Pylkkänen, 2011).

Единственным эффектом, идентифицированным тестом перестановки взаимодействий в этой задаче, был незначительный кластер активности от 469 до 505 мс ( p = 0,079; 10000 перестановок), в котором активность LATL увеличивалась только во время канонического условия из двух слов (два -слово каноническое: 3,77 нАм средн. [1,43 нАм средн.]; однословное каноническое: 2,70 нАм средн. [0,87 нАм средн.]; двухсловное перевернутое: 2,72 нАм средн. [2,12 нАм средн.]; одно слово обратное: 2,83 нАм среднее [1,52 нАм стандартное]). Это взаимодействие было значимым согласно ANOVA с повторными измерениями 2 × 2 на активность в течение этого временного окна ( F (1,17) = 6.79; p = 0,019). Никаких других значимых эффектов не было обнаружено ни в какой точке эпохи анализа с помощью какого-либо теста.

Таким образом, в целом результаты нашего анализа LATL ROI убедительно указывают на группировку обработки канонической и обратной последовательностей во время задачи Compose и разобщение между ними во время задачи Non-Compose.

Результаты полного мозга

Результаты полного мозга без составления.

Для канонического упорядочивания можно увидеть явное увеличение активности (рис. 4) со 150 до 250 мс в LATL, что подтверждает приведенный выше анализ ROI.Дополнительные эффекты также видны в вентромедиальной префронтальной коре (vmPFC) и правой передней височной доле (RATL) от 450 до 550 мс. Повышенная активность в обеих этих областях также наблюдалась во время обработки фраз прилагательное-существительное в нашем предыдущем исследовании, хотя оба эффекта начались немного раньше в этих результатах, и только активность в vmPFC, по-видимому, отражала комбинаторную обработку, при этом активность RATL, по-видимому, зависела от задача (подробнее см. [1]).

Рисунок 4.Полноценные результаты.

Области, нанесенные на график, обозначают разницу в средней амплитуде между условиями из двух и одного слова для всех пространственно-временных областей, в которых активность двух слов достоверно превышала активность одного слова ( p <0,05, без поправки) как минимум для 10 мс по 10 пространственным соседям, а амплитуда различий была не менее 1,5 нАм. Для наглядности некортикальные источники удалены. В общем, результаты в рамках задач «Несоставить (A)» и «Составить (B)» соответствуют нашему анализу рентабельности инвестиций, выявляя явные эффекты LATL в более раннем временном окне, примерно от 200 до 300 мс.Последующие эффекты также видны в RATL и vmPFC для канонических фраз в задаче «Несоставление» и обратных последовательностей в задаче «Составление».

https://doi.org/10.1371/journal.pone.0073949.g004

В обратных последовательностях мы наблюдали очень небольшое увеличение активности во время обработки двух слов, что дополнительно подтверждает анализ LATL ROI и поведенческие результаты, предполагая, что обработка в двухсловном реверсивном условии не отличался от согласованного однословного контроля в этой задаче.

Составьте результаты полного мозга.

В задаче Compose можно наблюдать явное увеличение активности LATL (рисунок 4) во время обработки канонических фраз из двух слов от 250 до 550 мс. Это полностью соответствует нашему анализу ROI, который выявил повышенную активность в этой области на протяжении более поздней половины эпохи анализа. Никаких других заметных эффектов в этом сравнении не видно.

Для перевернутых выражений полное сравнение мозга снова соответствовало нашему анализу ROI, показывая явное увеличение активности LATL с 150 до 250 мс.Вне этой области интереса эффекты снова были четко видны в RATL, одновременно с эффектом LATL, и в vmPFC, после эффекта LATL. Как упоминалось ранее, этот образец деятельности очень близко соответствует нашим предыдущим открытиям для канонических фраз прилагательное-существительное в рамках той же парадигмы [1].

Обсуждение

В настоящем исследовании мы исследовали, можно ли гибко развернуть базовую комбинаторную лингвистическую обработку для новых выражений при минимальном изменении требований задачи.Мы регистрировали активность МЭГ, когда испытуемые читали простые последовательности прилагательное-существительное в каноническом или обратном порядке ( красная чашка , красная чашка ), и измеряли комбинаторную обработку, сравнивая активность, вызванную предъявлением второго слова, с активностью, вызванной во время обработки слова. согласованные, некомбинаторные элементы управления ( xhl cup , frw red ). Мы использовали нейронную активность, локализованную в LATL, во время обработки совпадающих критических слов в качестве нашей основной меры комбинаторной активности.Предыдущие исследования МЭГ с использованием подобной парадигмы наблюдали последовательные и устойчивые комбинаторные эффекты в этой области во время понимания простых фраз прилагательное-существительное [1], [2], а многие гемодинамические исследования наблюдали повышенную активность LATL во время понимания предложений. по сравнению со списками слов [57], [59], [54] В настоящем исследовании, когда испытуемые должны были судить, соответствуют ли данные языковые стимулы следующему цветному пятну и очертанию формы, комбинаторная активность LATL не наблюдалась для обратных последовательностей, но надежно присутствовал для канонических фраз.Когда вместо этого следующая цель была представлена ​​в виде единой цветной формы, значительная комбинаторная активность наблюдалась для обоих типов последовательностей. Эта модель результатов нашла отражение в наших поведенческих измерениях, которые продемонстрировали устойчивые различия между всеми ответами из двух и одного слова, за исключением двух слов, перевернутых в обратную последовательность в задаче Non-Compose, которые вместо этого были сопоставлены с их элементами управления из одного слова. . Таким образом, настоящие данные, как поведенческие, так и нейронные, показывают, что перевернутые последовательности существительное-прилагательное обрабатывались аналогично каноническим фразам прилагательное-существительное, когда задача требовала композиции, и аналогично некомбинаторным элементам управления, когда этого не происходило.

Эти результаты имеют двоякое значение. Во-первых, устойчивая активность LATL, наблюдаемая во время канонических фраз в задаче Non-Compose, дополнительно подтверждает этот показатель как показатель базовой комбинаторной обработки. Многие предыдущие исследования автоматизма механизмов лингвистического синтаксического анализа показывают, что гемодинамические комбинаторные эффекты, локализованные в LATL [54], и ранние электрофизиологические компоненты, связанные с синтаксическим анализом грамматических выражений [37], [33], остаются устойчивыми даже во время явно некомбинаторных задач. .Таким образом, если ранняя активность, локализованная в LATL в настоящей парадигме, действительно отражает базовую комбинаторную обработку, можно ожидать, что она будет демонстрировать наблюдаемый профиль и оставаться устойчивой во время манипуляции с нашей задачей. Во-вторых, выявление этого эффекта во время обработки обратных последовательностей в задаче Compose, а не в задаче Non-Compose, указывает на то, что комбинаторные лингвистические механизмы, проиндексированные с помощью этой меры, могут гибко задействоваться вне их нормального контекста при минимальном изменение требований к задаче.Интересно, что наблюдаемый эффект в перевернутых последовательностях совпал по времени с эффектом в канонических фразах (оба произошли примерно на интервале от 200 до 250 мс), предполагая схожий временной ход этого комбинаторного механизма для разных типов последовательностей. Хотя эта очевидная легкость в расширении комбинаторной обработки на новый контекст потенциально противоречит интуиции, возможно, ей способствовала заблокированная природа настоящей парадигмы. Дальнейшая работа может указывать на то, что более неожиданное изменение требований к задаче приводит к более отложенному включению комбинаторной обработки.

Прошлые исследования влияния требований задачи на языковую обработку были сосредоточены почти исключительно на манипуляциях вниманием, явно [33] или неявно [32]. Даже несколько исследований, в которых использовались задачи, потенциально способные решить проблему гибкости комбинаторной обработки (например, [67]), вместо этого по-прежнему были явно сосредоточены на измерении эффекта внимания. Напротив, настоящее исследование было направлено на минимизацию изменений внимания, манипулируя только требуемой комбинаторной обработкой.В обеих наших задачах испытуемые должны были получить семантическое представление всех слов, чтобы определить, содержит ли целевая картинка их значение. Таким образом, обработка, связанная с лексическим доступом и вниманием, должна быть относительно эквивалентной для этих двух задач. Поэтому трудно приписать увеличение активности LATL, наблюдаемое во время обработки обратных последовательностей в задаче Compose, изменением внимания, тем более что такая же активность явно присутствовала для канонических фраз и во время задачи Non-Compose.Таким образом, в отличие от предыдущих исследований, настоящее исследование демонстрирует гибкое задействование комбинаторных лингвистических механизмов, вызванное изменением требований к задаче, которое не предполагает явного манипулирования вниманием.

Компоненты последующей обработки

Мы нашли дополнительные доказательства гибкости использования комбинаторной обработки и вне ранней активности LATL. Во время обработки обратных последовательностей в задаче Compose мы наблюдали незначительное увеличение активности LATL примерно с 350 до 400 мс и дополнительную комбинаторную активность, локализованную в vmPFC, с 400 до 500 мс — паттерн эффектов, поразительно похожий на наблюдаемый ранее. для канонических фраз [1].В задаче Non-Compose таких эффектов не наблюдалось. Таким образом, результаты более поздней обработки также подтверждают вывод о том, что основные комбинаторные механизмы были задействованы во время обработки обратных последовательностей в задаче Compose.

Это свидетельство, однако, не так убедительно, как для более ранних эффектов LATL, поскольку эти более поздние результаты не были так надежно воспроизведены в настоящем эксперименте для канонических фраз. Хотя мы наблюдали повышенную активность, локализованную в vmPFC, во время обработки канонических фраз в задаче Non-Compose примерно с 450 до 550 мс, этот эффект также не был воспроизведен в задаче Compose.Вместо этого комбинаторная активность оставалась локализованной в LATL до конца эпохи выполнения этой задачи и не мигрировала в другие регионы, такие как либо vmPFC [1], либо AG [2]. Этот отклоняющийся результат был особенно неожиданным, учитывая, что этот конкретный контраст не отличался каким-либо структурным образом от того, что использовалось в наших предыдущих исследованиях. Одним из возможных объяснений наблюдаемой разницы может быть то, что в настоящем исследовании использовалось только девять критических пунктов, тогда как в обоих предыдущих исследованиях использовалось не менее 20.Это уменьшение лексической изменчивости могло способствовать относительно приглушенному и изменчивому характеру более поздних эффектов в этом контрасте, поскольку уменьшенная лексическая изменчивость часто была связана со сниженной нервной активностью (например, [68]). Однако устойчивый характер более поздних эффектов, наблюдаемых во время обратных последовательностей в этой задаче, предполагает, что это объяснение является неполным. Очевидно, что требуется дополнительная работа, чтобы распутать различные механизмы, лежащие в основе этой более поздней стадии обработки, особенно с учетом изменчивости, наблюдаемой для таких эффектов и в наших предыдущих результатах.

Функция LATL

В то время как настоящие результаты говорят о том, как работает комбинаторный механизм, размещенный в LATL, наши результаты совместимы с несколькими функциональными гипотезами , ​​которые точно вычисляет этот механизм. Предполагается, что даже самая базовая грамматическая обработка включает как синтаксические, так и семантические механизмы, отвечающие за формирование структурных отношений и построение сложных значений из отдельных элементов. Ранее [1], [2] мы предложили предварительное отображение синтаксических и семантических процессов на ранний LATL и поздний vmPFC эффекты соответственно.Это предположение было основано на предыдущей работе, связывающей гемодинамическую активность в LATL с комбинаторной синтаксической обработкой [69], [70], работе MEG, связывающей повышенную активность vmPFC с семантической композицией [71], [72], и моделями нейролингвистической обработки, которые постулируют синтаксическую обработку. комбинация до смысловой композиции [73]. С одной точки зрения, настоящие результаты могут рассматриваться как поддерживающие это предложенное разграничение, поскольку многие прошлые исследования связывают ранние, автоматические электрофизиологические компоненты с синтаксическими процессами [36], [32], [33] и более поздние, более зависимые от задачи компоненты с семантическими обработка [41], [40].Таким образом, наш вывод о том, что ранняя комбинаторная активность в LATL остается устойчивой для разных задач во время обработки канонических фраз, может поддерживать предположение о том, что этот компонент отражает синтаксическую обработку.

С другой стороны, устойчивые к задачам ранние электрофизиологические компоненты также приписывались семантической обработке [74], а недавние исследования гемодинамики утверждают, что повышенная активность LATL во время понимания предложений отражает семантическую, а не синтаксическую комбинаторную обработку [59]. ], [35].В настоящем исследовании характер манипуляции с задачами также предполагает семантическую, а не синтаксическую роль LATL, поскольку единственное различие между этими двумя задачами состоит в том, что в задаче Compose субъекты должны построить единое семантическое представление из индивидуальной формы. и цветные изображения. Никаких очевидных синтаксических манипуляций не требуется, поскольку языковые стимулы остаются постоянными между задачами. Таким образом, трудно дать простое функциональное объяснение того, как или, если уж на то пошло, почему синтаксическая фраза может быть сформирована для обратных последовательностей в этой задаче.Конечно, может случиться так, что синтаксический анализатор формирует такую ​​составляющую, несмотря на обратный порядок составляющих — и некоторые утверждали, что это должно быть так для продолжения семантической композиции (например, [36]) — однако это кажется более сложным. Вероятно, что комбинаторная активность, наблюдаемая во время задачи Compose, просто отражает требования задачи, то есть семантическую композицию двух элементов. Более конкретно, это действие может отражать тип процесса спецификации, в котором базовое концептуальное представление объекта преобразуется в более сложную форму, которая представляет более конкретную концепцию цветной формы.Такая операция могла бы, возможно, продолжаться независимо от порядка, в котором встречаются элементы, и такая симметрия фактически является формальным свойством теоретических представлений о модификации [75]. Кроме того, несколько предыдущих исследований связывали активность в LATL именно с этим типом операции спецификации, хотя и во время обработки отдельных слов [76], [77]. Если эта гипотеза верна, то более поздние комбинаторные эффекты могут составить вторую стадию семантической композиции, сопоставляя несколько моделей концептуальной модификации, основанной на психолингвистических результатах (например,грамм. [78], [79]. Однако в настоящее время этот вывод должен оставаться предварительным, поскольку настоящая манипуляция не была специально предназначена для того, чтобы распутать эти функциональные гипотезы.

Заключение

В настоящем исследовании мы демонстрируем, что основные комбинаторные лингвистические механизмы могут быть гибко развернуты в контексте, выходящем за рамки их естественной грамматической области. В отличие от предыдущих исследований, которые манипулируют вниманием или используют длительные парадигмы неявного обучения, мы показываем здесь, что простого введения релевантности комбинации при сохранении постоянства внимания и лексических факторов достаточно, чтобы вызвать базовую комбинаторную обработку между двумя лексическими элементами, которые естественным образом не задействуются такая обработка.Будущая работа может теперь основываться на этом результате, чтобы определить степень этой гибкости как с точки зрения лингвистических механизмов, так и когнитивных областей.

Примеры фраз прилагательного

Фраза прилагательного — это группа слов, которые описывают существительное или местоимение в предложении. Прилагательное в прилагательной фразе может стоять в начале, конце или середине фразы. Фраза прилагательного может быть помещена в предложение до или после существительного или местоимения.

Примеры фраз прилагательного

Прилагательные фразы могут использоваться для описания людей или любых других существительных или местоимений в предложениях.Термин «прилагательная фраза» означает то же самое, что и термин «прилагательная фраза».

Прилагательные фразы, описывающие людей

Примеры прилагательных, используемых для описания людей, включают:

• Человек умнее меня должен это понять.
• Все были чрезвычайно довольны , когда был объявлен победитель.
• Мама сказала, что стоимость машины на завышена .
• Быстрее, чем мчащаяся пуля , Супермен спас положение.
• Ее глаза были невероятно завораживающими для молодого человека.
• очень эмоциональный актер показал прекрасную игру.
• Она любит кататься на лыжах .
• К концу свидания мне было довольно скучно с ним .
• чрезмерно восторженных фанатов раскрасили свои тела в цвета команды.
• Прощальная была слишком серьезна в отношении своего среднего балла.
• Обветшалые мускулистые ковбои изображены в большинстве вестернов.
• измученных и перегруженных работой человек взял заслуженный перерыв.
• Мой замечательный и талантливый брат выиграл стипендию.
• Я очень сильно в него влюблена .
• Хорхе просто хотелось поехать.
• Сияя радостью , ее лицо озарило комнату.
• Она — главный детский хирург института.
• Разочарованные, перегруженные работой и недоплачиваемые сотрудников часами устроили пикет.
• Молодые, в остальном здоровые человек, скорее всего, быстро выздоровеют.

Прилагательные фразы, описывающие другие существительные

Примеры прилагательных, используемых для описания существительных, отличных от людей, включают:

• Ролик был не так уж и ужасно .
• Выпускные экзамены были невероятно сложными .
  
• Этот пирог очень вкусный и очень дорогой .
• Новый наряд очень дорогой, но очень красивый .
• Студенты недовольны повышением стоимости обучения на долларов на обучение устроили митинг.
• В этом комплексе довольно небольших, но дешевых квартир.
  
• Этот яблочный пирог пахнет очень соблазнительно .
  
• Обычно обедают вне дома не очень полезно .
• Очень усталый котенок заснул у своей тарелки с едой.
• Собака, покрытая липкой и отвратительной грязью , наводит беспорядок в машине.
  
• Гобелен , красиво сшитый вручную , стоит своих денег.
  
• Этот фильм абсолютно невероятно плохой.
  
• Мне очень хотелось покрасить гостиную в глубокий баклажановый оттенок пурпурного.
• Органическая говядина травяного откорма — лучший выбор.
  
• Она гордилась невероятным, революционным экспериментом своего сына, который выиграл научную ярмарку.
• Животное , прячущееся в углу , было спасено и получило хороший дом.
• Музыка из соседнего дома раздражающе громкая .
• Обожаю вкус сладкого сочного персика .
• Мальчиков раздражали чрезмерно длинные строк.
• Танец был изысканно грациозным .
  
• Конфеты темно-шоколадно-коричневые .
  
• Эта старая еда на вкус ужасно плохая .
  
• очень маленький щенок нес большую палку.
  
• Стоимость машины была вполне доступной .

Прилагательные фразы в литературе

Использование прилагательных в прозе может быть отличным способом привлечь читателей. Прилагательные фразы часто используются в большой литературе, а также в других письменных произведениях.

• «Была холодная, унылая, суровая погода». — Чарльз Диккенс в Рождественский гимн
• «Он человек необыкновенной внешности, , и все же я действительно не могу назвать ничего особенного». — Роберт Льюис Стивенсон в The Strange Case of Dr.Джекил и мистер Хайд
• «И каждый отдельных угасающих тлеющих углей сотворил свой призрак на полу». — Эдгар Аллан По в «Вороне»

Упражнения для составных фраз

Проверьте свои знания, определив прилагательные в приведенных ниже практических вопросах.

Практические вопросы: найдите прилагательные

Определите, какие слова в предложениях ниже являются прилагательными, затем просмотрите ответы, чтобы проверить свою работу.

1. Кислый, терпкий лимон заставил меня сморщить губы.
2. Серьезный умоляющий тон заставляет меня поверить, что она говорит правду.
3. Невероятно красивые пейзажи захватывали дух.
4. Новые котята такие крошечные и нежные.
5. Поездка была долгой, утомительной и насыщенной.

Ответы на практические вопросы

После того, как вы проработали пункты выше, проверьте свою работу здесь. Фразы прилагательных выделены жирным шрифтом.

1. Кислый, терпкий лимон заставил меня сморщить губы.
2. Ее искренний умоляющий тон заставляет меня поверить, что она говорит правду.
3. невероятно красивый пейзаж захватывает дух.
4. Новые котята такие крошечные и нежные .
5. Это было долгое, утомительное и насыщенное событиями путешествие .

Улучшите свое письмо с помощью описательного языка

Как вы можете видеть из примеров, фраза прилагательного может быть очень полезным грамматическим инструментом, чтобы лучше описать предмет предложения и добавить интерес к вашему письму.Чтобы получить больше идей, потратьте некоторое время на изучение примеров предложных фраз, особенно того, как их можно использовать в качестве прилагательных. Оттуда исследуйте другие виды описательных слов.

Анализ структур аргументации в убедительных эссе | Компьютерная лингвистика

Мы моделируем структуру аргументации убедительных эссе как связанную древовидную структуру. Мы используем уровневый подход для моделирования первого уровня дерева и подход с одним утверждением для представления структуры каждого отдельного аргумента.Соответственно, мы моделируем первый уровень дерева с двумя разными типами компонентов аргумента и структуру отдельных аргументов с аргументативными отношениями.

Основная претензия является корневым узлом структуры аргументации и представляет точку зрения автора по теме. Это самоуверенное утверждение, которое обычно делается во введении и повторяется в заключении эссе. Отдельные абзацы основной части эссе включают фактические аргументы.Они либо поддерживают, либо атакуют точку зрения автора, выраженную в основном утверждении. Каждый аргумент состоит из утверждения и как минимум одной посылки. Чтобы различать поддерживающие и атакующие аргументы, каждое утверждение имеет атрибут позиции , который может принимать значения «за» или «против».

Мы моделируем структуру каждого аргумента с помощью подхода с одним утверждением. Утверждение составляет центральный компонент каждого аргумента.Предпосылки — причины аргумента. Фактическая структура аргумента включает направленные аргументированные отношения поддержки и атаки, которые связывают посылку либо с утверждением, либо с другой посылкой (последовательные аргументы). Каждая предпосылка p имеет одно исходящее отношение (т. Е. Есть отношение, которое имеет p в качестве исходного компонента) и ни одного или нескольких входящих отношений (то есть может быть отношение с p в качестве целевого компонента. ). В заявке может быть несколько входящих, но не исходящих отношений.Неоднозначная функция внутренних посылок в последовательных аргументах неявно моделируется структурой аргумента. Внутренняя посылка демонстрирует одно исходящее отношение и по крайней мере одно входящее отношение. Наконец, позиция каждой посылки определяется типом ее исходящего отношения (поддержка или нападение).

Следующий пример иллюстрирует структуру аргументации убедительного эссе. ³ Введение к эссе описывает спорную тему и обычно включает основное утверждение:

С тех пор, как исследователи из Института Рослина в Эдинбурге клонировали взрослую овцу, продолжались споры о том, пригодна ли технология клонирования. морально и этически правильно или нет.Некоторые люди выступают за, а другие — против, и до сих пор нет единого мнения о том, следует ли разрешать технологию клонирования. Однако, насколько я понимаю, [ клонирование — важная технология для человечества ] _{MajorClaim 1} , ​​поскольку [ это было бы очень полезно для разработки новых лекарств ] _{Претензия 1} .

Первые два предложения вводят тему и не содержат аргументированного содержания.Третье предложение содержит основную претензию (выделено жирным шрифтом) и утверждение, которое поддерживает основную претензию (подчеркнуто). Следующие основные абзацы эссе включают аргументы, которые либо поддерживают, либо опровергают основное утверждение. Например, следующий основной абзац включает один аргумент, который поддерживает положительную точку зрения автора на клонирование: