I ate a fresh lemon.

1. 外国語を見て日本語の知識を活性化

   • lemon → レモン

2. 概念知識へのアクセス?

→ 言語理解は記号の活性化だけではない（e.g., Harnad,1990）

• 概念の仮定が不明瞭

  • 改訂階層モデル（Kroll & Stewart,1994）

  • The Three-Stagesモデル（Jiang,2000）

  • BIA+モデル（Dijkstra & Heuven,2002）

• 言語理解において、言葉が表す意味を表象するため、シミュレーションを行う（e.g., Barsalou et al., 2008）

  • シミュレーション：周囲の環境、身体、心を通し獲得された表象の再現

    • 言葉が指す対象を即時的にイメージする

• 言語理解ではイメージの色までシミュレーションされる

• 意味ストループ課題

  • 文を読んだ直後に提示される単語のフォントの色を読み上げる

図1：課題の条件と結果

• 複数の色をシミュレーションするか

  • 茶色のクマ（典型）
  • 白色のクマ (非典型)
  • 黄色のクマ（あり得ない）

図2：課題の条件と結果 (2)

: 表1：第二言語を対象にした先行研究の一部

Jiang (2000)

図3：L2単語知識の表象

• 1st： 習熟度が低い場合、L1を経由した言語処理

• 2nd： L2習熟度の向上につれ、L2形式と概念表象の直接的な結びつきが形成

• 3rd： 最終的にL2のみで理解が可能

可能性1：低習熟度でもシミュレーション可能

• L2と概念の直接的な結びつきは色のシミュレーションに必要ない
• 1st stageでも可能

-> 既存のL2語彙モデルで説明可能

可能性2：習熟度が高くないとシミュレーションできない

• L2と概念の直接的な結びつきが必要
• 少なくとも2nd stageへ達する必要がある

-> 身体化認知研究に基づく言語理解が必要

母語（日本語）の言語理解で色のシミュレーションが行われるか

• 典型的な色を示す文： 典型 < 非典型 = あり得ない
• 非典型的な色を示す文：典型 = 非典型 < あり得ない

外国語の言語理解で色のシミュレーションが行われるか

• 課題の結果に、L2習熟度は影響を与えるか

  • 影響がある

    • L2形式と概念の直接的な結びつきの形成が必要

  • 影響がない

    • L1を経由して概念にアクセスするため、低習熟度でもシミュレーション可能

• 72名の日本語母語話者

  • 36名：日本語で課題
  • 36名：英語で課題

• 意味ストループ課題（Connell and Lynott (2009)）

  × 口頭で色を命名する（Connell and Lynott (2009)）

  ○ キーボードで反応する

  • 産出能力の習熟度の差を排除

• 色の典型性（e.g., クマ = 茶色が典型）は、予備実験 & 事後に行った評価課題で測定

  • 実験文

    • 2（文：典型/非典型） × 3（単語の色：典型/非典型/あり得ない）= 6条件

      • 6条件 × 15単語 = 90文

      • 90文　× 2（文脈前/後) = 180文

  • フィラー文：180文

    • 内容理解問題

• 練習

• 意味ストループ課題

• 典型性評価課題

  • 6段階で評価（e.g., 茶色のクマ）

    -1：あり得ない ~ 6：一番目に思いつく

• 以下の条件に該当するデータは、分析から除外

  • フィラー項目
    

  • 不正解のデータ
    

  • 内容理解課題の全体の正答率が50%未満の参加者のすべてのデータ
    

  • ストループ課題の全体の正答率が80%未満の参加者のすべてのデータ
    

  • 反応速度が、中央値から±3中央絶対偏差離れている（より大きい or より小さい）データ
    

エラーバーは標準誤差を表す

• 各統計量および情報量基準は、小さい指標がよい

• カテゴリ変数：Repeated Contrasts

  • 隣り合う水準同士の比較

    • 例）典型的な色とあり得ない色への反応の速度

• 連続値：scale関数により標準化

• 従属変数：ストループの反応速度（log-transformed）

• 独立変数：

  • 文の典型性、
  • 単語の色の典型性、
  • 二つの交互作用、
  • 文脈の位置、
  • 提示順、
  • 文の読み時間

• 従属変数：ストループの反応速度（log-transformed）

• 独立変数：

  • 文の典型性、
  • 単語の色の典型性、
  • *L2語彙サイズテストの得点、
  • *以上３つの交互作用、
  • 文脈の位置、
  • 提示順、
  • 文の読み時間

• ランダム効果の設計には、Bates et al. (2015)を参考にした。

1. rePCA関数を使って，最大モデルから（全独立変数の主効果を傾き）、要因を取り除いていく。
2. 相関のパラメータを含むかを検討。

• 文の典型性関係なく、

  • 典型的な色 < 非典型 = あり得ない

Connell & Lynott (2009)と部分的に一致

• 一致：典型的な色をシミュレーション

• 不一致：非典型的な色をシミュレーションする根拠は得られなかった

文の典型性や文脈の位置に関わらず、典型的な色のみをシミュレーション

• L2習熟度の影響あり

  • 典型とあり得ないの差

表9：典型的な項目と非典型的な項目の反応速度の平均値の差

典型性の評価が高い項目

典型的な項目の色が赤

• Jiang(2000)のモデル：単語ごとの表象とその処理

  • 習熟度が低い学習者においても、典型的で、それが赤の項目は、2nd stageへ発展している

典型性 + 色の影響を考慮する必要がある

• 母語でも外国語でも典型的な色のシミュレーションを行う

  • 文脈やその位置の影響は受けない

• 外国語でも色のシミュレーションには、概念表象との直接的な結びつきの形成が必要

  • 色と典型性によって、L2学習者内の語彙表象が異なる可能性が示唆

既存のL2語彙モデルでは、言語理解を包括的に捉えられない

• 非言語的情報の活用

sessionInfo()

## R version 4.1.1 (2021-08-10)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 22000)
## 
## Matrix products: default
## 
## locale:
## [1] LC_COLLATE=Japanese_Japan.932  LC_CTYPE=Japanese_Japan.932   
## [3] LC_MONETARY=Japanese_Japan.932 LC_NUMERIC=C                  
## [5] LC_TIME=Japanese_Japan.932    
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] ggsignif_0.6.3     grateful_0.1.11    moments_0.14       performance_0.9.0 
##  [5] fitdistrplus_1.1-6 survival_3.2-11    MASS_7.3-54        kableExtra_1.3.4  
##  [9] ggmosaic_0.3.3     ggpubr_0.4.0       qqplotr_0.0.5      plotly_4.9.4.1    
## [13] sjPlot_2.8.9       lmerTest_3.1-3     lme4_1.1-27.1      Matrix_1.3-4      
## [17] forcats_0.5.1      stringr_1.4.0      dplyr_1.0.7        purrr_0.3.4       
## [21] readr_2.0.1        tidyr_1.1.4        tibble_3.1.4       ggplot2_3.3.5     
## [25] tidyverse_1.3.1   
## 
## loaded via a namespace (and not attached):
##   [1] readxl_1.3.1        backports_1.2.1     systemfonts_1.0.3  
##   [4] lazyeval_0.2.2      splines_4.1.1       crosstalk_1.1.1    
##   [7] TH.data_1.1-0       digest_0.6.27       htmltools_0.5.2    
##  [10] fansi_0.5.0         magrittr_2.0.1      tzdb_0.1.2         
##  [13] openxlsx_4.2.4      modelr_0.1.8        sandwich_3.0-1     
##  [16] svglite_2.0.0       colorspace_2.0-2    rvest_1.0.1        
##  [19] ggrepel_0.9.1       haven_2.4.3         xfun_0.25          
##  [22] crayon_1.4.2        jsonlite_1.7.2      zoo_1.8-9          
##  [25] glue_1.4.2          gtable_0.3.0        emmeans_1.6.3      
##  [28] webshot_0.5.2       sjstats_0.18.1      sjmisc_2.8.7       
##  [31] car_3.0-11          DEoptimR_1.0-9      abind_1.4-5        
##  [34] scales_1.1.1        mvtnorm_1.1-2       DBI_1.1.1          
##  [37] rstatix_0.7.0       ggeffects_1.1.1     Rcpp_1.0.7         
##  [40] viridisLite_0.4.0   xtable_1.8-4        foreign_0.8-82     
##  [43] datawizard_0.4.0    htmlwidgets_1.5.4   httr_1.4.2         
##  [46] RColorBrewer_1.1-2  ellipsis_0.3.2      pkgconfig_2.0.3    
##  [49] farver_2.1.0        sass_0.4.0          dbplyr_2.1.1       
##  [52] utf8_1.2.2          tidyselect_1.1.1    labeling_0.4.2     
##  [55] rlang_0.4.11        effectsize_0.6.0.1  munsell_0.5.0      
##  [58] cellranger_1.1.0    tools_4.1.1         cli_3.1.0          
##  [61] generics_0.1.1      pacman_0.5.1        sjlabelled_1.1.8   
##  [64] broom_0.7.9         evaluate_0.14       fastmap_1.1.0      
##  [67] yaml_2.2.1          knitr_1.36          fs_1.5.0           
##  [70] zip_2.2.0           robustbase_0.93-8   nlme_3.1-152       
##  [73] xml2_1.3.2          compiler_4.1.1      rstudioapi_0.13    
##  [76] curl_4.3.2          reprex_2.0.1        bslib_0.3.0        
##  [79] stringi_1.7.5       highr_0.9           parameters_0.17.0  
##  [82] lattice_0.20-44     nloptr_1.2.2.2      vctrs_0.3.8        
##  [85] pillar_1.6.4        lifecycle_1.0.1     jquerylib_0.1.4    
##  [88] estimability_1.3    data.table_1.14.2   insight_0.17.0     
##  [91] R6_2.5.1            rio_0.5.27          codetools_0.2-18   
##  [94] boot_1.3-28         assertthat_0.2.1    withr_2.4.2        
##  [97] multcomp_1.4-18     bayestestR_0.11.5   hms_1.1.0          
## [100] grid_4.1.1          coda_0.19-4         minqa_1.2.4        
## [103] rmarkdown_2.11      carData_3.0-4       numDeriv_2016.8-1.1
## [106] lubridate_1.7.10

• 名簿順ではない

## [[1]]
## R Core Team (2021). _R: A Language and Environment for Statistical
## Computing_. R Foundation for Statistical Computing, Vienna, Austria.
## <URL: https://www.R-project.org/>.
## 
## [[2]]
## Delignette-Muller ML, Dutang C (2015). "fitdistrplus: An R Package for
## Fitting Distributions." _Journal of Statistical Software_, *64*(4),
## 1-34. <URL: https://www.jstatsoft.org/article/view/v064i04>.
## 
## [[3]]
## Ludecke D (2018). "ggeffects: Tidy Data Frames of Marginal Effects from
## Regression Models." _Journal of Open Source Software_, *3*(26), 772.
## doi: 10.21105/joss.00772 (URL: https://doi.org/10.21105/joss.00772).
## 
## [[4]]
## Jeppson H, Hofmann H, Cook D (2021). _ggmosaic: Mosaic Plots in the
## 'ggplot2' Framework_. R package version 0.3.3, <URL:
## https://CRAN.R-project.org/package=ggmosaic>.
## 
## [[5]]
## Kassambara A (2020). _ggpubr: 'ggplot2' Based Publication Ready Plots_.
## R package version 0.4.0, <URL:
## https://CRAN.R-project.org/package=ggpubr>.
## 
## [[6]]
## Rodriguez-Sanchez F, Jackson CP, Hutchins SD (2022). _grateful:
## Facilitate citation of R packages_. R package version 0.1.5, <URL:
## https://github.com/Pakillo/grateful>.
## 
## [[7]]
## Zhu H (2021). _kableExtra: Construct Complex Table with 'kable' and
## Pipe Syntax_. R package version 1.3.4, <URL:
## https://CRAN.R-project.org/package=kableExtra>.
## 
## [[8]]
## Xie Y (2021). _knitr: A General-Purpose Package for Dynamic Report
## Generation in R_. R package version 1.36, <URL:
## https://yihui.org/knitr/>.
## 
## Xie Y (2015). _Dynamic Documents with R and knitr_, 2nd edition.
## Chapman and Hall/CRC, Boca Raton, Florida. ISBN 978-1498716963, <URL:
## https://yihui.org/knitr/>.
## 
## Xie Y (2014). "knitr: A Comprehensive Tool for Reproducible Research in
## R." In Stodden V, Leisch F, Peng RD (eds.), _Implementing Reproducible
## Computational Research_. Chapman and Hall/CRC. ISBN 978-1466561595,
## <URL: http://www.crcpress.com/product/isbn/9781466561595>.
## 
## [[9]]
## Bates D, Machler M, Bolker B, Walker S (2015). "Fitting Linear
## Mixed-Effects Models Using lme4." _Journal of Statistical Software_,
## *67*(1), 1-48. doi: 10.18637/jss.v067.i01 (URL:
## https://doi.org/10.18637/jss.v067.i01).
## 
## [[10]]
## Kuznetsova A, Brockhoff PB, Christensen RHB (2017). "lmerTest Package:
## Tests in Linear Mixed Effects Models." _Journal of Statistical
## Software_, *82*(13), 1-26. doi: 10.18637/jss.v082.i13 (URL:
## https://doi.org/10.18637/jss.v082.i13).
## 
## [[11]]
## Venables WN, Ripley BD (2002). _Modern Applied Statistics with S_,
## Fourth edition. Springer, New York. ISBN 0-387-95457-0, <URL:
## https://www.stats.ox.ac.uk/pub/MASS4/>.
## 
## [[12]]
## Komsta L, Novomestky F (2015). _moments: Moments, cumulants, skewness,
## kurtosis and related tests_. R package version 0.14, <URL:
## https://CRAN.R-project.org/package=moments>.
## 
## [[13]]
## Rinker TW, Kurkiewicz D (2018). _pacman: Package Management for R_.
## version 0.5.0, <URL: http://github.com/trinker/pacman>.
## 
## [[14]]
## Pedersen T (2020). _patchwork: The Composer of Plots_. R package
## version 1.1.1, <URL: https://CRAN.R-project.org/package=patchwork>.
## 
## [[15]]
## Ludecke D, Ben-Shachar M, Patil I, Waggoner P, Makowski D (2021).
## "performance: An R Package for Assessment, Comparison and Testing of
## Statistical Models." _Journal of Open Source Software_, *6*(60), 3139.
## doi: 10.21105/joss.03139 (URL: https://doi.org/10.21105/joss.03139).
## 
## [[16]]
## Sievert C (2020). _Interactive Web-Based Data Visualization with R,
## plotly, and shiny_. Chapman and Hall/CRC. ISBN 9781138331457, <URL:
## https://plotly-r.com>.
## 
## [[17]]
## Almeida A, Loy A, Hofmann H (2018). _ggplot2 Compatible
## Quantile-Quantile Plots in R_, volume 10 number 2. <URL:
## https://doi.org/10.32614/RJ-2018-051>.
## 
## [[18]]
## Allaire J, Xie Y, McPherson J, Luraschi J, Ushey K, Atkins A, Wickham
## H, Cheng J, Chang W, Iannone R (2021). _rmarkdown: Dynamic Documents
## for R_. R package version 2.11, <URL:
## https://github.com/rstudio/rmarkdown>.
## 
## Xie Y, Allaire J, Grolemund G (2018). _R Markdown: The Definitive
## Guide_. Chapman and Hall/CRC, Boca Raton, Florida. ISBN 9781138359338,
## <URL: https://bookdown.org/yihui/rmarkdown>.
## 
## Xie Y, Dervieux C, Riederer E (2020). _R Markdown Cookbook_. Chapman
## and Hall/CRC, Boca Raton, Florida. ISBN 9780367563837, <URL:
## https://bookdown.org/yihui/rmarkdown-cookbook>.
## 
## [[19]]
## Ludecke D (2021). _sjPlot: Data Visualization for Statistics in Social
## Science_. R package version 2.8.9, <URL:
## https://CRAN.R-project.org/package=sjPlot>.
## 
## [[20]]
## Ludecke D (2021). _sjstats: Statistical Functions for Regression Models
## (Version 0.18.1)_. doi: 10.5281/zenodo.1284472 (URL:
## https://doi.org/10.5281/zenodo.1284472), <URL:
## https://CRAN.R-project.org/package=sjstats>.
## 
## [[21]]
## Wickham H, Averick M, Bryan J, Chang W, McGowan LD, Francois R,
## Grolemund G, Hayes A, Henry L, Hester J, Kuhn M, Pedersen TL, Miller E,
## Bache SM, Muller K, Ooms J, Robinson D, Seidel DP, Spinu V, Takahashi
## K, Vaughan D, Wilke C, Woo K, Yutani H (2019). "Welcome to the
## tidyverse." _Journal of Open Source Software_, *4*(43), 1686. doi:
## 10.21105/joss.01686 (URL: https://doi.org/10.21105/joss.01686).

• Ahn, S., & Jiang, N. (2018). Automatic semantic integration during L2 sentential reading. Bilingualism: Language and Cognition, 21(2), 375–383.

• Barsalou, L. W., Santos, A., Simmons, W. K., & Wilson, C. D. (2008). Language and simulation in conceptual processing. In M. De Vega, A. M. Glenberg, & A. C. A. Graesser (Eds.), Symbols, embodiment, and meaning (pp. 245–283). Oxford, England: Oxford University Press.

• Bates, D., Kliegl, R., Vasishth, S., & Baayen, R. H. (2015). Parsimonious mixed models. arXiv: 1506.04967

• Buccino, G., Marino, B. F., Bulgarelli, C., & Mezzadri, M. (2017). Fluent speakers of a second language process graspable nouns expressed in L2 like in their native language. Frontiers in Psychology, 8, 1306.

• Connell, L., & Lynott, D. (2009). Is a bear white in the woods? Parallel representation of implied object color during language comprehension. Psychonomic Bulletin & Review, 16(3), 573–577.

• Dijkstra, T., & Van Heuven, W. J. (2002). The architecture of the bilingual word recognition system: From identification to decision. Bilingualism: Language and Cognition, 5(3), 175–197.

• Harnad, S. (1990). The symbol grounding problem. Physica D: Nonlinear Phenomena, 42(1-3), 335–346.

• Jiang, N. (2000). Lexical representation and development in a second language. Applied linguistics, 21(1), 47–77.

• Kroll, J. F., & Stewart, E. (1994). Category interference in translation and picture naming: Evidence for asymmetric connections between bilingual memory representations. Journal of memory and language,33(2), 149–174.

• Meara, P., & Miralpeix, I. (2016). Tools for researching vocabulary. Multilingual Matters.

寺井 雅人（Masato Terai）

• 所属：人文学研究科 博士後期課程3年
  
  
• gmail: terai.research@gmail.com
  
  
• twitter: @uniquefreshman