Una o varias palabras: ¿Qué enunciados favorecen el aprendizaje de verbos en niños de habla española?

AUDISIO, CYNTHIA PAMELA

Mendoza

Congreso; II Encuentro Latinoamericano de Interfaces Gramaticales: Gramática, Adquisición y Procesamiento del Lenguaje; 2023

INCIHUSA, CONICET

Una o varias palabras: ¿Qué enunciados favorecen el aprendizaje de verbos en niños de habla española?Cynthia Pamela AudisioCIIPME (CONICET), FFyL (UBA)cpaudisio@gmail.comDistintas investigaciones subrayan la importancia de la estructura sintáctica para el aprendizaje de los verbos (bootstrapping sintáctico, [1]). Sin embargo, también se han investigado los beneficios de encontrar palabras, incluidos verbos, de manera aislada, sin un marco sintáctico [2] [3] [4] [5]. Los verbos aislados imponen una carga de procesamiento menor en los niños pequeños y los alientan a asociar el significado del verbo con información pragmática (bootstrapping pragmático [4] [5] [6]). Este trabajo investiga, en el contexto del español, si la adquisición inicial de verbos se ve impulsada por su aparición en enunciados de una sola palabra (EUP) por parte de los padres en lugar de en enunciados de múltiples palabras (EMP), algo previamente estudiado en hebreo e inglés [4] [5]. El español permite la omisión de sujeto (y, ocasionalmente, objeto) y representa un caso intermedio entre el hebreo, que permite la omisión de sujeto y objeto, y el inglés, que suele requerir la aparición de todos los argumentos.Se analizaron 10 corpus de CHILDES [7], que incluyen interacciones entre 12 niños que aprenden español (de 1;6 a 3;0 años) y sus cuidadores, con un total de 105,513 emisiones. La mitad de los datos fueron procesados en R [8] utilizando el paquete udpipe [9] para el etiquetado en clases de palabras y la lematización (manualmente verificados por la autora) y se categorizó si los cuidadores producían verbos en EUP o EMP. Se realizó un análisis de regresión Poisson de efectos mixtos utilizando el paquete lme4 [10], con el número de niños que produjo un verbo dado como variable dependiente y la edad y la longitud de las emisiones de los cuidadores como predictores. Se incluyeron como interceptos aleatorios el lexema del verbo y el niño.Se observó un efecto significativo de la edad, pero no se hallaron efectos de la longitud de las emisiones de los cuidadores o efectos de interacción. Estos hallazgos sugieren que no hay una asociación entre el aprendizaje temprano de verbos y la longitud de las emisiones que contienen verbos en el input. Sin embargo, el error estándar del coeficiente de longitud de las emisiones de los cuidadores sugiere que su estimación fue imprecisa. Esto probablemente se deba a que el habla de los cuidadores contiene pocas emisiones de una sola palabra. Se planea volver a realizar los análisis utilizando la otra mitad de las emisiones, que actualmente se están sometiendo a verificación manual después del etiquetado automático, e incluir a niños adicionales de la colección en español de CHILDES si fuera necesario.[1] Fisher, C., Jin, K., & Scott, R. M. (2020). The Developmental Origins of Syntactic Bootstrapping. Topics in Cognitive Science, 12(1), 48–77. https://doi.org/10.1111/tops.12447 [2] Brent, M. R., & Siskind, J. M. (2001). The role of exposure to isolated words in early vocabulary development. Cognition, 81(2), B33-B44. [3] Keren-Portnoy, T., Vihman, M., & Fisher, R. L. (2019). Do infants learn from isolated words? An ecological study. Language Learning and Development, 15(1), 47-63. [4] Ninio, A. (2015, March). The first vocabulary of transitive verbs in Hebrew is apparently learned from single-word parental utterances. Poster presented at the Biennial Meeting of the Society for Research in Child Development, Philadelphia, Pennsylvania. [5] Ninio, A. (2016). Learning transitive verbs from single-word verbs in the input by young children acquiring English. Journal of Child Language, 43(5), 1103-1130. [6] Bruner, J. (1974/75). From communication to language: A psychological perspective. Cognition, 3, 255–288. [7] MacWhinney, B. (2000). The CHILDES Project: Tools for analyzing talk. Third Edition. Mahwah, NJ: Lawrence Erlbaum Associates. Grant support: NICHD HD082736. [8] R Core Team (2023). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/. [9] Wijffels, J. (2021). Udpipe: Tokenization, Parts of Speech Tagging, Lemmatization and Dependency Parsing with the ’UDPipe’ ’NLP’ Toolkit. https://CRAN.R-project.org/package=udpipe. [10] Douglas Bates, Martin Maechler, Ben Bolker, Steve Walker (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67(1), 1-48. doi:10.18637/jss.v067.i01.