CHARITON CHARITONIDIS Független kutató ORCID-azonosító: orcid.org/0000-0003-0298-2629 Kutatási területek: szóalkotás, többszavas kifejezések, lexikai szemantika, szófelismerés, érzelmek. DOI: doi.org/10.35321/all90-11

A skálázott AIC vizsgálata az angol zárt összetételekben

Az angol zárt összetételek (összetett szavak) skálázott AIC-jének vizsgálata

ANNOTÁCIÓ

Az Akaike-féle információs kritérium (AIC) bevett illeszkedésjósági mérőszám, amelyet empirikus adatok elemzésében a modellek kiválasztására alkalmaznak. Az AIC azonban érzékeny a mintaelemszámra. A szerző korábbi kutatásai kimutatták, hogy a skálázott AIC, vagyis a mintaelemszámmal elosztott AIC hatékony eszköz a modellilleszkedés értékelésére és a regressziós modellek hierarchizálására. A jelen tanulmány e változó további tulajdonságait vizsgálja. A kutatás tárgyát 66 többszörös regressziós modell képezi, amelyek a Gagné és munkatársai (2019) által összeállított Large Database of English Compounds (LADEC) adatbázisból származó zárt (összekapcsolt) angol összetételek feldolgozására vonatkoznak. A skálázott AIC-t különösen az English Lexicon Project (ELP) és a British Lexicon Project (BLP) válaszidőforrásaival, valamint a lexikai döntési és megnevezési feladatokkal, az összetételek hosszával és az átláthatósági normákkal vetjük össze. Módszerként egyutas ANOVA-t, főhatáselemzést és nem paraméteres teszteket alkalmazunk. Az eredmények arra utalnak, hogy a skálázott AIC érzékenyen reagál a kísérleti tervre, a válaszidők forrására, valamint a lexikai döntési és megnevezési feladatokra. Ugyanakkor a tanulmány eredményei empirikus alátámasztást nyújtanak a Gagné és munkatársai (2019) által alkalmazott módszerek validálásához.

KULCSSZAVAK: angol összetételek, skálázott AIC, lexikai döntés, megnevezés.

ANNOTÁCIÓ

Az Akaike-féle információs kritérium (angl. AIC) bevett modellilleszkedési mérőszám, amelyet empirikus adatok elemzésére alkalmaznak. Az AIC azonban érzékeny a mintaelemszámra. Korábbi

Straipsniai / Articles

273

CHARITON CHARITONIDIS

szerző kutatásai kimutatták, hogy a skálázott AIC, vagyis a mintaelemszámmal elosztott AIC hatékony eszköz a modellilleszkedés értékelésére és a regressziós modellek hierarchizálására. A jelen tanulmány e változó további jellemzőit vizsgálja. A kutatás tárgya 66 többszörös regressziós modell, amelyek a Gagné és munkatársai (2019) Large Database of English Compounds (LADEC) adatbázisából származó zárt (összetett) angol összetételek feldolgozásához kapcsolódnak. Elsősorban a skálázott AIC-t az English Lexicon Project (ELP) és a British Lexicon Project (BLP) válaszidő-, lexikai döntési és megnevezési feladat-, összetételhossz- és átláthatósági normaforrásaival vetjük össze. Az alkalmazott módszerek: egyutas ANOVA (angl. Analysis of variance), főhatáselemzés és nem paraméteres tesztek. Az eredmények azt mutatják, hogy a skálázott AIC érzékenyen reagál a kísérleti tervre, a válaszidő forrására, valamint a lexikai döntési és megnevezési feladatokra. Ezzel egyidejűleg a tanulmány eredményei empirikus alapot szolgáltatnak a Gagné és munkatársai (2019) által alkalmazott módszerek validálásához.

KULCSSZAVAK: angol összetételek, skálázott AIC, lexikai döntés, megnevezés.

1. AZ ANGOL ÖSSZETÉTELEK NAGY ADATBÁZISA (LADEC: GAGNÉ ÉS MUNKATÁRSAI 2019)^¹

A Large Database of English Compounds (LADEC: Gagné és munkatársai 2019) a jelenleg létező legnagyobb összetettszó-adatbázis. Több mint 8000, külön nem írt („zárt” vagy „összekapcsolt”) összetételt (=főnevet) tartalmaz, amelyeket különféle forrásokból válogattak, többek között a CELEX adatbázisból (Baayen és munkatársai 1995), az English Lexicon Projectből (ELP; Balota és munkatársai 2007), a British Lexicon Projectből (BLP; Keuleers és munkatársai 2012), a British National Corpusból (BNC) és a Wordnetből. A LADEC-bejegyzések teljes halmazából 7804 összetétel bontható egyértelműen két szabad morfémát alkotóelemre.^² Az összetételek rendkívül széles köre szerepel benne, például főnév–főnév összetételek, pl. buttercup, shipyard, valamint olyan összetételek, amelyek második alkotóeleme igetőből képzett, pl. pacemaker, painkiller stb. (az összetételosztályok meghatározásáért lásd Lieber 2004: 46). Az első, nem feji alkotóelem a grammatikai kategóriák széles körére utal. Az 1. ábra a LADEC-bejegyzések rövid mintáját tartalmazza.

Gagné és munkatársai (2019) többszörös regressziós modelljei a prediktor (=független) változók széles körét foglalják magukban, például az összetétel hosszát, a bigramgyakoriságot

^¹ Ez a szakasz Chariton Charitonidis (2022) munkájából származik, kisebb módosításokkal.

^² A LADEC a már felsorolt összetételek többes számú alakjait külön bejegyzésekként is tartalmazza.

274

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

a morfémahatáron, a családméretet, a szógyakoriságot, a valószínűségi és asszociációs (vektoralapú) mérőszámokat, a résztvevői értékelésekből számított érzelmi/hangulati normákat stb. Az ELP-ből származó összetételek logaritmikus válaszidejeit (lexikai döntés, megnevezés), valamint a BLP-ből származókat (lexikai döntés) függő változóként használják. Többnyire a karakterek számában kifejezett összetételhosszt és a SUBTLEX-US korpuszból (Brysbaert, New 2009)^³, illetve a BNC-ből (BLP) származó logaritmikus összetétel- (=szó-)gyakoriságot kontrollváltozóként használják. Gagné és munkatársai (2019) modelljeiben a fent említett prediktorváltozók szignifikáns hatást gyakoroltak a lexikai döntési és megnevezési időkre.

1. ÁBRA. LADEC-bejegyzések: minta

Gagné és munkatársai (2019) tanulmányának elsődleges fókuszában a szemantikai átláthatóság különböző mérőszámai álltak. Gagné és munkatársai (2019) arra kérték a résztvevőket, hogy értékeljék az összetételeket annak figyelembevételével, mennyire jelezhető előre az összetétel jelentése az alkotóelemeiből (jelentés-előrejelezhetőségi értékelések, összetételalapúak), illetve hogy az egyes alkotóelemek jelentéséből mennyi marad meg az összetételben (jelentésmegőrzési értékelések, alkotóelemalapúak). A szerzők megállapították, hogy a második alkotóelem átláthatóságának eloszlása sokkal csúcsosabb és magasabb volt, mint az első alkotóelem átláthatóságának eloszlása (M_C1: 64,80 [SD: 19,59] szemben M_C2: 71,00 [SD: 16,46]. N = 8115). A következő értékelés azonban

^³ A SUBTLEX–US korpusz egy 51 millió tokenből álló korpusz, amely amerikai filmek és televíziós műsorok felirataira épül. Számos újabb tanulmány szolgáltatott bizonyítékot arra, hogy a filmek és televíziós műsorok felirataiból nyert gyakorisági normák hatékonyabbak a lexikai feldolgozási időben és egyes esetekben a különböző nyelvek anyanyelvi beszélőinek pontosságában mutatkozó különbségek magyarázatára, mint a nyomtatott szövegekből származó normák (lásd Chen és munkatársai 2018: 2, valamint az ott hivatkozott irodalmat).

Straipsniai / Articles

275

CHARITON CHARITONIDIS

első alkotóelem erősebben korrelált a teljes összetétel értékelésével, mint a második alkotóelem értékelése (c1~cmp: r = 0,75, p <.001, szemben a c2~cmp: r = 0,66, p <.001 értékkel. N = 429).^⁴ Különösen figyelemre méltó, hogy az első alkotóelem jelentésmegőrzési értékelése és az összetétel jelentésének előrejelezhetőségi értékelése mindhárom válaszidőtípust előre jelezte, vagyis az ELP lexikai döntési, a BLP lexikai döntési és az ELP megnevezési időket.

Összefoglalva: a második alkotóelem átláthatóságának csúcsosabb és magasabb eloszlása, valamint az első alkotóelemnek az összetétel jelentésének előrejelezhetőségével való szorosabb kapcsolata láthatóan közvetlenül leképeződik az angol összetételek feji műveleteire. A második alkotóelem, vagyis a fej, olyan egység, amelynek átláthatósága kategória- és szemantikai szempontból fokozott (a szemantikai aspektust illetően lásd az implikáció és a hiponímia viszonyait). Az első alkotóelem, vagyis a módosító, az összetétel referenciájának kialakításában a legkritikusabb tényező. Ennek eredményeként átláthatósága a legerősebben kovariál az összetétel átláthatóságával.^⁵

2. AZ AKAIKE-FÉLE INFORMÁCIÓS KRITÉRIUM (AIC)

1973-ban Hirotugu Akaike kidolgozott egy módszert a Kullback–Leibler-távolság relatív várható értékének becslésére, Fisher maximalizált log-likelihood-értékét felhasználva (Fisher 1922; lásd még Aldrich 1997). Ez a mérőszám, amelyet általában Akaike-féle információs kritériumként (AIC; Akaike 1973) említenek, új keretet vezetett be a modellek kiválasztására az empirikus adatok elemzésében, jelentős paradigmaváltást jelezve (Burnham, Anderson 2002).

Az AIC-t rendszerint a következőképpen számítják: −2lnL + 2k, ahol az „lnL” a modell maximalizált/teljes log-likelihood-értékére, a „k” pedig a paraméterek számára, az állandót is beleértve, utal. A prediktorok kisebb halmaza rendszerint hatékonyabb modellel jár együtt (alacsonyabb információveszteséggel rendelkező modellel). Minél alacsonyabb (=minél negatívabb) az AIC-érték, annál jobb a modell illeszkedése. Ebben az összefüggésben az AIC illeszkedésjósági mérőszámként bünteti a nagyszámú prediktor alkalmazását, amely potenciálisan magasabb AIC-értékeket eredményezhet (lásd az AIC-egyenlet „+2k” részét).

^⁴ Steiger (1980) z-tesztje kimutatta, hogy ez a különbség szignifikáns volt, z = 27,71, p <.0001 (Gagné és munkatársai 2019).

^⁵ Korábbi kutatásokra hivatkozva Gagné és munkatársai (2019) arról számolnak be, hogy „a módosító (az angol nyelv első alkotóeleme) általában nagyobb szerepet játszik a kapcsolatkönnyűség kiválasztásában az összetételek és főnévi csoportok feldolgozása során”.

276

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

Az AIC érzékeny a mintaelemszámra. Az AIC korrigált változata, az AICc, a 2k (k + 1)/ (n − k − 1) képleten keresztül beépíti a mintaelemszámot. Mindazonáltal kifejezetten a kis mintaelemszámokra vonatkozik, és nem ajánlott olyan nagy mintaelemszámokon alapuló modellekhez, mint amilyen a Gagné és munkatársai (2019) tanulmányában szereplő modell.^⁶ Megjegyzendő, hogy az olyan kutatók, mint Kenneth P. Burnham & David R. Anderson (2002), nem kínálnak végleges megoldást az eltérő és nagy mintaelemszámokon illesztett modellek AIC-értékeinek összehasonlítására.^⁷

Burnham & Anderson (2002: 80–85, 334–335) különösen átfogóan tárgyalja az egyenlőtlen mintaelemszámok modell-összehasonlításra gyakorolt következményeit. Érvelésük szerint az információs kritériumok alkalmazása különböző mintaelemszámú modellek összehasonlítására félrevezető eredményekhez vezethet. Hasonlóképpen, amint Svetunkov egy 2016-os online vitában megjegyezte (lásd a hivatkozást az irodalomjegyzék után), minden információs kritérium a likelihood-függvényen alapul, amely viszont a mintaelemszámtól függ. Konkrétan, a mintaelemszám növekedésével a likelihood csökken. Következésképpen az információs kritériumok is növekednek ilyen esetekben.^⁸

3. KORÁBBI KUTATÁSOK

Charitonidis (2022) a 44 többszörös regressziós modell AIC-értékeit – amelyek az érzelmi változók (valencia, arousal és konkrétság (a) szavakra, illetve (b) szövegkörnyezetekre vonatkozó különböző kombinációit tartalmazták – elosztotta a mintaelemszámmal (N), így létrehozva a skálázott AIC (AIC/N) értékeit. Ezt követően ezeket az értékeket a modellilleszkedés értékelésére használták fel, valamint

^⁶ Az AICc-ről további információért az olvasó Burnham & Anderson (2002: 374–380) munkájához fordulhat.

^⁷ A Burnham & Anderson (2002) által javasolt megoldások egyike az AIC-értékek „Akaike-súlyokká” történő átalakítására vonatkozik; ezeket „a modellnek az adatok ismeretében vett relatív valószínűségeként” határozzák meg (Burnham, Anderson 2002: xiii; lásd még Wagenmakers, Farrell 2004).

^⁸ Elérhető: https://stats.stackexchange.com/questions/94718/model-comparison-with-aic-based-on-different-sample-size [megtekintve: 2023.06.16.]. Az olvasó úgy értheti meg Svetunkov állítását, ha az AIC-egyenlet „lnL” komponensébe különböző értékeket helyettesít be, miközben a „2k” komponenst állandóan tartja. Az lnL-érték csökkenése magasabb, vagyis gyengébb AIC-értéket eredményez.

^⁹ A szakirodalomban a skálázott AIC-t „átlagos AIC”-ként is említik. Svetunkov (személyes közlés) szerint az Akaike-féle információs kritérium mintaelemszámmal való elosztásának gyakorlata nem új. Például Hastie és munkatársai (2009: 230–231) nem kanonikus módon definiálják az AIC-t, és a képletben N-t használnak nevezőként. Bár a hagyományos AIC-képlettől való eltérés nem mentes a kritikáktól, továbbra is elterjedt megközelítés, amint azt többek között a Stata statisztikai szoftvercsomagban való szerepeltetése is példázza. A Stata például „AIC osztva N-nel” értéket közöl a modellkimenetében, amint azt különböző, online elérhető példák is tanúsítják (A tájékoztatásért köszönet illeti I. Svetunkovot).

Straipsniai / Articles

277

CHARITON CHARITONIDIS

és összehasonlítsák a modellek illeszkedésjóságát. A kulcsfontosságú prediktorok beillesztése a globális, vagyis általános modellekbe azt mutatta, hogy a BLP lexikai döntési idői jobb illeszkedést tettek szükségessé, mint az ELP lexikai döntési idői. Az ELP megnevezési modelljeinek illeszkedése az ELP- és BLP-lexikai döntési modellek esetében megfigyeltek tartományába esett. Különösen figyelemre méltó, hogy a második alkotóelem szövegkörnyezeti konkrétsága szignifikáns prediktorként jelent meg minden SUBTLEX-US-gyakoriságot tartalmazó modellben, mind a lexikai döntési, mind a megnevezési feladatok esetében.

Charitonidis (2024) a SUBTLEX-US-gyakoriságot tartalmazó globális modellek valamennyi szignifikáns együtthatóját összevetette a hiponímia változóval (Gagné és munkatársai 2020). Megállapította, hogy azok a modellek, amelyek mind a hiponímiát, mind a második alkotóelem szövegkörnyezeti konkrétságát tartalmazták, mindig a legalacsonyabb (=legjobb) skálázott AIC-értékkel jártak a beágyazott, vagyis redukált modellekhez képest, amelyek e két változó valamelyikét kihagyták. Az ezt követően alkalmazott Wald-tesztek azt mutatták, hogy a beágyazott modellek mindig a determinációs együttható (R²) szignifikáns csökkenésére (=romlására) utaltak. Az 1. és 2. táblázat a skálázott AIC-értékeket, illetve a megfelelő Wald-tesztek eredményeit mutatja be.

1. TÁBLÁZAT.

A hiponímiát („2. modell”) vagy a második alkotóelem szövegkörnyezeti konkrétságát („3. modell”) a teljes modellekből („1. modell”) kihagyó beágyazott modellek skálázott AIC-értékei angol szókincsprojektbeli (ELP) lexikai döntési (LD) idők, brit szókincsprojektbeli (BLP) lexikai döntési idők és ELP-megnevezési idők előrejelzésére

Modell | Skálázott AIC | AIC | N ELP LD 1 | −3.36281^ᵃ | −3557.85 | 1058 2 | −3.30375 | −4169.334 | 1262 3 | −3.34845 | −3700.038 | 1105 BLP LD 1 | −3.79552^ᵃ | −2903.574 | 765 2 | −3.76618 | −3920.592 | 1041 3 | −3.76718 | −2987.37 | 793 ELP naming 1 | −3.58686^ᵇ | −7396.108 | 2062 2 | −3.54304 | −8418.27 | 2376 3 | −3.58379 | −7389.784 | 2062

278

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

a. Prediktorok: (Állandó), hiponímiai ítélet, az összetétel hossza, SUBTLEX–US-gyakoriság, reprezentációs valencia (cmp), szövegkörnyezeti konkrétság (c2)

b. Prediktorok: (Állandó), hiponímiai ítélet, az összetétel hossza, SUBTLEX–US-gyakoriság, szövegkörnyezeti valencia (cmp), szövegkörnyezeti arousal (c1), szövegkörnyezeti arousal (c2), szövegkörnyezeti konkrétság (c2)

2. TÁBLÁZAT.

A hiponímiát („2. modell”) vagy a második alkotóelem szövegkörnyezeti konkrétságát („3. modell”) a teljes modellekből („1. modell”) kihagyó beágyazott modellek Wald-tesztjei az English Lexicon Project (ELP) lexikai döntési (LD) idejének, a British Lexicon Project (BLP) lexikai döntési idejének és az ELP megnevezési idejének előrejelzésére

Modell | R2 négyzet | F-változás | df1 | df2 | p ELP LD 1 |.184^a | 47.506 | 5 | 1052 |.000 2 | −.004 | 4.562 | 1 | 1052 |.033 3 | −.010 | 13.175 | 1 | 1052 |.000 BLP LD 1 |.211^a | 40.479 | 5 | 759 |.000 2 | −.013 | 12.091 | 1 | 759 |.001 3 | −.015 | 14.007 | 1 | 759 |.000 ELP naming 1 |.288^b | 118.711 | 7 | 2054 |.000 2 | −.003 | 8.286 | 1 | 2054 |.004 3 | −.003 | 8.309 | 1 | 2054 |.004

a. Prediktorok: (Állandó), hiponímiai ítélet, az összetétel hossza, SUBTLEX–US-gyakoriság, reprezentációs valencia (cmp), szövegkörnyezeti konkrétság (c2)

b. Prediktorok: (Állandó), hiponímiai ítélet, az összetétel hossza, SUBTLEX–US-gyakoriság, szövegkörnyezeti valencia (cmp), szövegkörnyezeti arousal (c1), szövegkörnyezeti arousal (c2), szövegkörnyezeti konkrétság (c2)

Összefoglalva, két különböző hatásméret-mérőszám, nevezetesen a skálázott AIC és az R², azonos módon hierarchizálta ugyanazokat a regressziós modelleket, miközben ugyanazt a legjobb modell iránti preferenciát mutatta. Így erős bizonyíték áll rendelkezésre arra, hogy a skálázott AIC-mérőszám minőségi eszköz a modellilleszkedés értékelésére.

Straipsniai / Articles

279

CHARITON CHARITONIDIS

4. A JELEN TANULMÁNY

A jelen tanulmány a 3. szakaszban bemutatott korábbi kutatásokra épül. A kutatás alanyai a Gagné és munkatársai (2019) által létrehozott, angol zárt (összekapcsolt) összetételekre vonatkozó 66 lexikai döntési és megnevezési modell. Minden modell kontrollváltozóként tartalmazza a SUBTLEX-US-gyakoriságot. Céljaink kettősek és párhuzamosan valósulnak meg. Először Gagné és munkatársai (uo.) modelljeinek jellemzőit értékeljük. Másodszor a skálázott AIC-mérőszám alapvető tulajdonságait vizsgáljuk.

A kutatási kérdések a következők: 1. Érzékeny-e a skálázott AIC Gagné és munkatársai (2019) modelltervére? Mely modellcsoportokat részesíti előnyben? 2. Milyen hatással vannak a „vegyületgyakoriság” és a „vegyülethossz” kontrollváltozók a skálázott AIC-re? 3. Hogyan kapcsolódik a morfológiai átláthatóság a skálázott AIC-hez?

Tanulmányunk felépítése a következő: Az 5. szakasz módszereink áttekintését nyújtja. A 6.1. szakasz a vizsgált modellekre vonatkozó skálázott AIC leíró statisztikáit mutatja be. A hangsúly a modellkategóriák parametrikus, illetve nem parametrikus jellemzőin van. A 6.2. szakasz a válaszidők forrása és a lexikai feldolgozási feladatok közötti kapcsolatot vizsgálja. A 6.3. szakasz a skálázott AIC-t a „vegyületgyakoriság” és a „vegyülethossz” kontrollváltozókkal veti össze. A 6.4. szakaszban Gagné és munkatársai (2019) modelljeiből származó átláthatósági együtthatók szignifikanciaszintjeit vetítjük rá a skálázott AIC-értékekre. A főbb eredményeket a 7. szakasz foglalja össze, amelyet az eredmények 8. szakaszban következő megvitatása követ.

5. MÓDSZEREK

Általános módszerünk Gagné és munkatársai (2019) modelljei fő paramétereinek és jellemzőinek összehasonlító elemzése volt, amelyben a skálázott AIC szolgált függő változóként. A független változók között szerepeltek többek között a minta jellemzői (pl. a válaszidő forrása és a lexikai feldolgozási feladatok), a kutatási terv (pl. a kontrollváltozók), valamint az átláthatósági együtthatók szignifikanciaszintje.

Az alkalmazott konkrét statisztikai módszerek a következők voltak: (a) az átlagokra és mediánokra vonatkozó leíró statisztikák, továbbá a Shapiro–Wilk-teszt alkalmazása a skálázott AIC központi tendenciájának, változékonyságának és eloszlásának értékelésére különböző modellkategóriákban és -csoportokban (6.1. és 6.2. szakasz), (b) a válaszidők forrására (ELP/BLP) és a lexikai feldolgozási feladatokra (lexikai döntés/megnevezés) elvégzett főhatáselemzések (a szakasz

280

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

6.2), (c) a válaszidőforráson és a lexikai feldolgozási feladatokon végzett külön ANOVA-k, amelyek kovariánsként tartalmazták az összetétel hosszát (6.3. szakasz), valamint (d) a Kruskal–Wallis- és a Jonckheere–Terpstra-tesztek alkalmazása a szemantikai átláthatóság ordinálisan újrakódolt együtthatói rangjai közötti különbségek feltárására (6.4. szakasz). A módszerekről további információkért az olvasó a 6.1–6.4. szakasz elemzéseihez fordulhat.

6. ELEMZÉSEK

6.1. Skálázott AIC vs. modellkategóriák

A Gagné és munkatársai (2019) által készített, a SUBTLEX–US-gyakoriságot kontrollváltozóként tartalmazó 66 többszörös regressziós modell 66 AIC-értékét az egyes modellek mintaelemszámával elosztottuk, így 66 skálázott AIC-értéket kaptunk.

Az alábbi 3. táblázat a skálázott AIC leíró statisztikáit, a 2. ábra pedig az értékek rendezett halmazához tartozó megfelelő dobozdiagramot mutatja be.¹⁰ A mintában nem voltak kiugró értékek. A ferdeség (Sk) és a csúcsosság (Ku) értékei elfogadhatóak voltak.¹¹

A skálázott AIC átlagértéke −3,50030 volt. A szórás 0,19052 volt, vagyis a megfigyelések viszonylag szorosan csoportosultak az átlag körül. A minimum- és maximumérték rendre −3,85502 és −3,15754 volt. A mediánérték −3,55732 volt, vagyis kissé alacsonyabb az átlagértéknél.¹² Az adatok középső 50%-a −3,66575 (első kvartilis, Q1) és −3,30959 (harmadik kvartilis, Q3) között helyezkedett el. Ennek megfelelően a kvartilisek közötti terjedelem (IQR) 0,35616 volt.

¹⁰ A doboz alsó, vagyis első kvartilis-vonala (Q1) jelöli azt a határt, amely alatt az adatok alsó 25%-a helyezkedik el. Hasonlóképpen a doboz felső, vagyis harmadik kvartilis-vonala (Q3) jelöli azt a határt, amely fölött az adatok felső 25%-a helyezkedik el. Az árnyékolt terület az adatok középső 50%-ának, vagyis a kvartilisek közötti terjedelemnek (IQR) a határait mutatja; ez a harmadik kvartilis és az első kvartilis kivonásával számítható ki (Q3−Q1). A dobozon belüli vízszintes vonal a mediánt, vagyis a középső kvartilist (Q2) jelöli, azaz azt az értéket, amely az adathalmaz közepére esik.

¹¹ Az SPSS-környezetre hivatkozva a ferdeség −1 és +1 közötti, valamint a csúcsosság −2 és +2 közötti értékeit általában elfogadhatónak tekintik a normalitás eloszlásának értékelésekor. Megjegyzendő azonban, hogy a ferdeség és a csúcsosság önmagában nem szolgáltat döntő bizonyítékot a normalitásra (lásd még a következőről szóló vitát: https://www.researchgate.net/post/What_is_the_acceptable_range_of_skewness_and_kurtosis_for_normal_distribution_of_data).

¹² Ezzel a mintázattal összhangban az adatokban enyhe pozitív ferdeség mutatkozott (0,494).

Straipsniai / Articles

281

CHARITON CHARITONIDIS

3. TÁBLÁZAT. A skálázott AIC leíró statisztikái (teljes halmaz)

Átlag SD Min Max −3,50030 0,19052 −3,85502 −3,15754 Medián IQR Q1 Q3 −3,55732 0,35616 −3,66575 −3,30959

N=66. Sk=0,494, Ku=−1,101

2. ÁBRA. A skálázott AIC eloszlása (teljes halmaz): dobozdiagram

Várható volt, hogy a skálázott AIC-értékek teljes halmaza nem mutat majd normális eloszlást, mivel különböző feladatokat (lexikai döntés, megnevezés) foglal magában, és a válaszidők különböző forrásaiból (ELP, BLP) származik. A Shapiro–Wilk-teszt és a Kolmogorov–Smirnov-teszt megerősítette feltevéseinket.¹³ Konkrétan a Shapiro–Wilk-teszt statisztikája W (66) = 0,90, p <.001, a Kolmogorov–Smirnov-teszt statisztikája pedig D (66) = 0,17, p <.001 volt. Megjegyzendő, hogy ugyanez a teljes halmaz a természetes logaritmus és a négyzetgyök-transzformáció abszolút értékekre való alkalmazása után sem mutatott normális eloszlást.

Az alábbi 4. táblázat a skálázott AIC leíró statisztikáit mutatja be Gagné és munkatársai (2019) fő modellkategóriáira vonatkozóan, vagyis az ELP lexikai döntésre, a BLP lexikai döntésre és az ELP megnevezésre (mindegyik csoport 22 modellt tartalmaz). A 3. ábra a megfelelő dobozdiagramokat mutatja. Amint látható, az átlagok és a mediánok

¹³ A Kolmogorov–Smirnov-teszt a Lilliefors-féle szignifikanciakorrekciót alkalmazta.

282

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

a BLP lexikai döntési és az ELP megnevezési adatai hasonló skálázott AIC-értékekre vonatkoztak. Az ELP lexikai döntés magasabb (=gyengébb) értékekre vonatkozott, amelyek emellett diszjunktak voltak a BLP lexikai döntési értékektől.¹⁴ Összefoglalva: a BLP lexikai döntés és az ELP megnevezés mindig jobb modelleket igényelt, mint az ELP lexikai döntés.

4. TÁBLÁZAT. A skálázott AIC leíró statisztikái a fő modellkategóriák szerint

Várható volt, hogy a skálázott AIC-értékek teljes halmazának nem paraméteres profilja kisebb valószínűséggel jelenik meg a fő modellkategóriákon belül, vagyis a válaszidők és a feladatok fő kombinációiban. Amint láthatóvá válik, ez a várakozás beigazolódott.

A Shapiro–Wilk-teszt kimutatta, hogy az ELP lexikai döntési adatai szignifikánsan eltértek a normalitástól. Konkrétan W (22) = 0,90, p <.05 tesztstatisztikát számítottunk.¹⁵

A BLP lexikai döntési adatai normális eloszlást mutattak. A megfelelő statisztikák: W (22) = 0,92, p >.05 (Shapiro–Wilk).

¹⁴ Az ELP lexikai döntés és a BLP lexikai döntés összefoglaló adatain végzett t-próba (4. táblázat) erősen szignifikáns különbséget mutatott a mintaátlagok között, t = 18,296, p <.0001.

¹⁵ Megjegyzendő, hogy hat ELP lexikai döntési modell a −3.15754 maximális értékéhez közeli Scaled AIC-értékekre utalt, ami az egész adathalmaz leggyengébb illeszkedését jelzi. Ezek a modellek az eloszlás magasabb végén (−3.17304 és −3.15754 között) kiemelkedő csúcshoz járultak hozzá, ami csaknem bimodális eloszlási mintázatot eredményezett. Ezt a viszonylag magas, −1.444-es negatív ferdeségi érték is alátámasztja.

Straipsniai / Articles

283

CHARITON CHARITONIDIS

3. ÁBRA. A Scaled AIC boxplot-ábrázolásai a fő modellkategóriák szerint

Hasonlóképpen, az ELP elnevezési adatai normális eloszlást mutattak. A vonatkozó statisztikák: W (22) = 0.93, p >.05 (Shapiro–Wilk).

Összefoglalva: mind a modellek teljes halmaza, mind az ELP lexikai döntési modellek a Scaled AIC nem parametrikus eloszlásával társultak. Ezzel szemben a BLP lexikai döntési és az ELP elnevezési adatok normális eloszlást mutattak. Most próbáljuk feltárni az egyes tényezők Scaled AIC-re gyakorolt hatását.

6.2. Scaled AIC vs. a válaszidő forrása és a feladatok

Az alábbi 5. táblázat a „response times” és „tasks” fő tényezők szerint kategorizált csoportok Scaled AIC-értékeinek leíró statisztikáit tartalmazza, azaz: (a) ELP-válaszidők, (b) BLP-válaszidők, (c) elnevezési feladat és (d) lexikai döntési feladat. Az ELP-válaszidők és a lexikai döntési feladat

284

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

átfogó csoportok, amelyek rendre a „lexikai döntés és elnevezés”, illetve az „ELP és BLP” csoportokra utalnak. A „BLP” és a „Naming” csoportok rendre az „BLP lexikai döntés” és az „ELP elnevezés” modellkategóriáival azonosak, amelyeket a 4. táblázatban (6.1. szakasz) már bemutattunk. A 4. ábra a vonatkozó boxplot-ábrázolásokat mutatja.

Amint az 5. táblázatban látható, mind a „BLP”, mind a „Naming” (a) alacsonyabb (=jobb) átlag- és mediánértékekkel rendelkezett a Scaled AIC tekintetében, valamint (b) kisebb szórással (SD) és interkvartilis terjedelemmel (IQR) járt az átfogó „ELP-válaszidők” és „lexikai döntés” csoportokkal szemben.¹⁶ Ugyanezek az átfogó csoportok viszonylag magas kurtózisértékekkel rendelkeznek, azaz rendre −1.403 és −1.616 értékekkel (az e csoportokhoz tartozó hisztogramokban – amelyeket itt nem közlünk – két egyértelmű csúcs jelent meg, hasonlóan az értékek bimodális eloszlásához). Ezek a mintázatok arra utalnak, hogy a Scaled AIC-mérték egyedien társult a jól körülhatárolt kísérleti kategóriákkal, azaz a BLP lexikai döntéssel (lásd a „BLP” csoportot) és az ELP elnevezéssel (lásd a „Naming” csoportot).

5. TÁBLÁZAT.

A Scaled AIC leíró statisztikái a „response times” és „tasks” szerint kategorizált csoportokra vonatkozóan

Válaszidők Feladatok ELP BLP Elnevezés Lexikai döntés Átlag −3.43917 −3.62255 −3.62495 −3.43797 SD 0.20286 0.06778 0.08710 0.19808 Min −3.85502 −3.75547 −3.85502 −3.75547 Max −3.15754 −3.52945 −3.50150 −3.15754 Medián −3.42626 −3.62174 −3.61886 −3.44024 IQR 0.35152 0.13704 0.13758 0.36196 Q1 −3.62127 −3.68840 −3.69419 −3.63171 Q3 −3.26975 −3.55136 −3.55662 −3.26975 Sk −0.126 −0.097 −0.559 −0.006 Ku −1.403 −1.244 0.725 −1.616 44 22 22 44

¹⁶ Az alacsonyabb átlagok és mediánok, valamint a kisebb szórás- és interkvartilis-terjedelemértékek nagyobb megbízhatóságot és a kiugró vagy szélsőséges értékekkel szembeni kisebb érzékenységet jeleznek.

Straipsniai / Articles

285

CHARITON CHARITONIDIS

4. ÁBRA. A Scaled AIC boxplot-ábrázolásai a „response times” és „tasks” szerint kategorizált csoportokra vonatkozóan

A 6.1. szakaszban tárgyalt Scaled AIC-értékek teljes halmazához hasonlóan várható volt, hogy nem parametrikus profil jelenik meg az „ELP” és a „lexikai döntés” átfogó csoportok esetében, amelyeket nem korlátoznak konkrét kísérletek. A normalitási tesztek megerősítették várakozásainkat.

A Shapiro–Wilk-tesztre hivatkozva az ELP-csoport Scaled AIC-adatai szignifikánsan eltértek a normalitástól. A tesztstatisztika értéke W (44) = 0.91, p <.01 volt. Hasonlóképpen, a lexikai döntési csoport Scaled AIC-adatai is szignifikánsan eltértek a normalitástól. A tesztstatisztika értéke W (44) = 0.89, p <.001 volt.

Most térjünk rá a főhatások elemzésére. Elsődleges célunk annak megállapítása volt, hogy a BLP lexikai döntési és az ELP elnevezési csoportok továbbra is jobb modelleket jeleznek-e előre, amikor az egyes csoportok hatását kontrolláljuk.

A következő statisztikai tesztekben a „response times” és „tasks” fő tényezők szerint kategorizált csoportok nominális értékeket kaptak. A BLP-csoport Scaled AIC-átlagát, azaz −3.623-at, referencia-cellaként vagy tengelymetszetként használtuk.

Az eredmények azt mutatták, hogy mind a válaszidőknek, mind a feladatoknak főhatásuk volt a Scaled AIC-ra, interakció azonban nem volt. Közelebbről: a válaszidők főhatása szignifikáns volt, F (1, 63) = 271.87, p <.001. Regressziós értelemben az ELP együtthatója magasabb, azaz gyengébb Scaled AIC-értéket jelzett előre, b = 0.37, SE = 0.02, t = 16.49, p <.001. Ezenkívül a feladatok főhatása is szignifikáns volt, F (1, 63) = 275.42, p <.001. Regressziós értelemben az elnevezés együtthatója alacsonyabb, azaz jobb Scaled AIC-értéket jelzett előre, b = −0.37, SE = 0.02, t = −16.60, p <.001.

Az 5. ábra pont- és vonaldiagram segítségével ad áttekintést a főhatásokról. A tengelymetszet vagy referencia-cella egyaránt a legalacsonyabb ELP-elnevezési és a legmagasabb BLP-lexikai döntési értékre, azaz −3.623-ra vonatkozik. A vonalak egymásra helyezve jelennek meg

286

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

függőlegesen, mivel az ELP lexikai döntés és a BLP lexikai döntés Scaled AIC-értékeinek tartományai nem fedték át egymást (lásd a 4. táblázatot). Ezenfelül a vonalak párhuzamosak, mivel a feladatok között nem szerepelt „BLP elnevezés” csoport, így nem alakultak ki interakciós hatások.

Összefoglalva: a BLP-válaszidők és az elnevezési feladat kölcsönös kontrollálás után is következetesen jobb Scaled AIC-értékeket jeleztek előre a releváns tényezők figyelembevétele mellett. Ezek az eredmények növelik a vonatkozó modellek pontosságát és hatékonyságát.

5. ÁBRA. Főhatásdiagram a Scaled AIC-ról

Megjegyzendő, hogy az ebben a szakaszban bemutatott főhatáselemzés inkább a válaszidők forrására alkalmazható, mint a feladatteljesítményre, mivel – amint már említettük – a „BLP elnevezés” kombináció nem állt rendelkezésre. Ez a tény korlátozhatja az eredmények általánosíthatóságát a konkrét mintákon túl.

6.3. Scaled AIC vs. kontrollváltozók

Ebben a szakaszban a kontrollváltozók, az összetétel hossza (karakterekben) és a SUBTLEX-US gyakorisága kerülnek a középpontba, vagyis a SUBTLEX-US korpuszból származtatott logaritmikus összetételgyakoriság (Brysbaert, New 2009). Mindkét változót kiterjedten alkalmazták Gagné et al. (2019) regressziós modelljeiben.

Straipsniai / Articles

287

CHARITON CHARITONIDIS

Az összetétel hossza és az összetételgyakoriság Scaled AIC-ra gyakorolt hatásának kimutatására a vonatkozó regressziós együtthatókat előjelük és szignifikanciaszintjük szerint ordinális értékekké kódoltuk át; lásd a 6. táblázatot. A szignifikanciaszinteket ordinális skálákra képeztük le, mivel a pontos szignifikanciaértékeken alapuló konvencionális határpontokat képviselték.

6. TÁBLÁZAT. A regressziós együtthatók ordinális átkódolási táblázata

Szignifikancia Előjel Ordinális értékek Leírás p <.001 negatív −3 nagy negatív hatás p <.01 negatív −2 mérsékelt negatív hatás p <.05 negatív −1 kis negatív hatás p >.05 negatív/pozitív 0 nem szignifikáns hatás p <.05 pozitív 1 kis pozitív hatás p <.01 pozitív 2 mérsékelt pozitív hatás p <.001 pozitív 3 nagy pozitív hatás

Gagné et al. (2019) modelljeiben a SUBTLEX-US frequency mindig nagy hatású, negatív (=latenciát csökkentő) együtthatókkal társult, p <.001. Ennek megfelelően minden együtthatót −3-ként kódoltunk át, ami tökéletesen kollineáris volt a kimeneti változóval, a Scaled AIC-val. Ezért a SUBTLEX-US gyakoriságát kizártuk a jelenlegi elemzésből.

A compound length tekintetében Gagné et al. (2019) modelljeinek minden szignifikáns regressziós együtthatója nagy, pozitív (=latenciát előidéző) hatással rendelkezett, p <.001. A SUBTLEX-US változóval ellentétben több nem szignifikáns együttható is megjelent. E mintázatok alapján kategorikus változót hoztunk létre, amelyben az „1” pozitív hatást (=az összetétel hossza által okozott interferenciát), a „0” pedig hatáshiányt (=az összetétel hossza által okozott interferencia hiányát) jelölt. Az így kapott minta 39 Scaled AIC-értéket tartalmazott. Az összetétel hossza és a Scaled AIC közötti Pearson-féle korrelációs teszt igen szignifikáns, 0.51-es korrelációs együtthatót eredményezett, p =.001, ami a két változó közötti közepes vagy erős korrelációt jelez.

Az összetétel hosszát egyetlen független változóként illesztettük be egy lineáris regressziós modellbe. Megállapítottuk, hogy az összetételhossz-interferencia hiányára előre jelzett Scaled AIC-átlag 3.611 volt (= a tengelymetszet). Az összetételhossz-interferencia magasabb (=gyengébb), −3.407-es értéket eredményezett (b = 0.204, p =.001). Az alábbi 6. ábra szemlélteti ezeket a mintázatokat. Röviden: a Scaled AIC romlik, amikor az összetétel hossza relevánssá válik a modelleken belül.

288

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

6. ÁBRA. Az összetétel hossza és a Scaled AIC

Külön ANOVA-kat végeztünk a válaszidőforrás (ELP/BLP) és a feladatteljesítmény (lexikai döntés/elnevezés) tekintetében, az összetétel hosszát kovariánsként figyelembe véve. Elsődleges célunk azoknak az átlagoknak az eltéréseit azonosítani, amelyeket korábban úgy igazítottunk, hogy figyelembe vegyék a kontrollként szereplő összetételhossz hatásait.

(a) ANOVA a válaszidőforrásra. A BLP-hez a „0”, az ELP-hez az „1” értéket rendeltük. A Pearson-féle korrelációs teszt erős kollinearitást mutatott ki a válaszidőforrás és az összetétel hossza között, r = 1 (N = 39). Eredményünket a következő bizonyítékok támasztják alá: először is, az ELP-csoport következetesen szignifikáns pozitív korrelációkat mutatott az összetétel hosszával, ami nagy hatást jelez. Másodszor, a BLP-csoport következetesen nem szignifikáns korrelációkat mutatott az összetétel hosszával. Következésképpen a válaszidőforrásra előre jelzett Scaled AIC-átlag azonos volt az összetétel hossza elemzésbe való bevonásával és anélkül is (M = 3.407 mindkét esetben). Összefoglalva: az összetétel hossza nem gyakorolt szignifikáns hatást a Scaled AIC-ra, amikor a válaszidőforrás szerepelt az elemzésben.

(b) ANOVA a feladatteljesítményre. Az elnevezéshez a „0”, a lexikai döntéshez az „1” értéket rendeltük. A Pearson-féle korrelációs teszt negatív korrelációt mutatott ki a feladat és az összetétel hossza között, ami mérsékelt hatást jelez, r = −.5, p =.001 (N = 39). Ez az eredmény arra utal, hogy az összetétel hossza az elnevezés szempontjából relevánsabb, mint a lexikai döntés szempontjából.

¹⁷ Megjegyzendő, hogy a 13 BLP-együttható közül 11 negatív volt.

Straipsniai / Articles

289

CHARITON CHARITONIDIS

Amikor a feladatot tekintettük elsődleges változónak, az összetétel hossza a Scaled AIC szignifikáns prediktora volt, F (1, 145.030), p =.000. Hasonlóképpen, amikor az összetétel hosszát tekintettük elsődleges változónak, a feladat a Scaled AIC szignifikáns prediktora volt, F (1, 125.30), p =.000. A csak a feladatra vonatkozó előre jelzett Scaled AIC-átlag szignifikánsan különbözött attól az előre jelzett Scaled AIC-átlagtól, amelynél az összetétel hosszát is figyelembe vettük (rendre 3.584 és 3.203). Hasonlóképpen, a csak az összetétel hosszára vonatkozó előre jelzett Scaled AIC-átlag (3.584) szignifikánsan különbözött attól az előre jelzett Scaled AIC-átlagtól, amelynél a feladatot is figyelembe vettük (−3.23). Összefoglalva: a kovariáns illesztése szempontjából mind a lexikai döntési feladat, mind az összetétel hossza gyengébb modelleket jelzett előre.

6.4. Scaled AIC vs. transzparencianormák

Ez a szakasz a Gagné et al. (2019) modelljeiben szereplő szemantikai transzparencia regressziós együtthatóinak Scaled AIC-ra gyakorolt hatását vizsgálja. Ezeket a regressziós együtthatókat három ordinális skálán kódoltuk, amelyek mindegyike a három morfológiai szint egyikének, azaz az összetételnek, az első összetevőnek és a második összetevőnek felelt meg. Az ordinális átkódolási táblázat a 6. táblázatban található.

Az alábbi 7. táblázat mindhárom morfológiai szint ordinálisan transzformált transzparencia-együtthatóinak mediánját és terjedelmét mutatja. A mediánok hasznos információt nyújtanak az ordinális értékek centrális tendenciájáról és szóródásáról, valamint segíthetik az ordinális változókon alapuló elemzéseket.

7. TÁBLÁZAT. Ordinálisan transzformált transzparencia-együtthatók: mediánok és terjedelmek

Medián Minimum Maximum Összetétel −3 −3 −1 Első összetevő 2 −3 3 Második összetevő 0 −2 3

N = 18

Amint látható, az összetétel mediánja „−3”, az első összetevő mediánja „2”, a második összetevő mediánja pedig „0” volt. Ezek az eredmények arra utalnak, hogy Gagné et al. (2019) SUBTLEX–US gyakoriságot tartalmazó modelljeiben az összetétel transzparenciája nagy negatív hatással (rövidebb válaszidőkkel) társult, az első összetevő transzparenciája mérsékelt pozitív hatással (hosszabb válaszidőkkel) társult, a második összetevő transzparenciája pedig nem gyakorolt szignifikáns hatást, vagy

290

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

bizonytalan szerepet töltött be. A Gagné et al. (ibid.) által közölt, a második összetevőre vonatkozó magasabb transzparenciaértékelések arra utalnak, hogy az azt előnyben részesítő eredendő torzítás áll fenn, amelynek következtében az összetétel teljes transzparenciája az első összetevő transzparenciájától függ. Ebben az összefüggésben az első összetevő pozitív, latenciát előidéző mediánja azt jelzi, hogy e kapcsolatban közvetítő, esetleg a referenciát megállapító szerepet tölt be (lásd még az 1. szakaszt). Továbbra sem bizonyított, mely szemantikai funkciók reprezentálják kellőképpen – feldolgozási szempontból – a második összetevő eredendő torzítását.¹⁸

A most megválaszolandó kutatási kérdés az, hogy a transzparencia-együtthatók pozitivitása és szignifikanciaszintje befolyásolja-e a Scaled AIC-t. Módszerünk elsősorban az túlillesztési hatások kimutatására irányul. Daniel J. Navarro és Jay I. Myung (2005) érvelése szerint „egy sok paramétert tartalmazó, erősen nemlineáris formájú komplex modell gyakran jobban illeszthető az adatokhoz, mint egy kevés paramétert tartalmazó egyszerű modell, még akkor is, ha az utóbbi generálta az adatokat” (Navarro, Myung 2005: 1240). Ennek megfelelően a paraméterek nagy száma képes lehet megragadni a rendelkezésre álló adatok zaját vagy egyedi jellemzőit, de akadályozhatja a modell azon képességét, hogy új adatokra általánosítson. Az AIC a modellben szereplő számos paraméter bevonásának büntetésével enyhíti a túlillesztés problémáját; lásd az AIC-egyenlet „+2k” részét a 2. szakaszban.

A következő elemzést illetően azt feltételezzük, hogy a magasabb (=gyengébb) Scaled AIC-értékeket mutató modellek jelentős, szisztematikusan levezetett együtthatókkal rendelkezhetnek, azaz olyan együtthatókkal, amelyek kizárólag a LADEC-adatkészlet alapján relevánsak. Ebben az összefüggésben feltevésünk szerint a transzparencia és a Scaled AIC kapcsolatában a 7. táblázat mediánjai által jelzettől eltérő tendencia jelenhet meg.

Közelebbről: az alacsonyabb (=jobb) Scaled AIC-értékek a következőkkel társulhatnak: (a) pozitív együtthatók (hosszabb válaszidők) a teljes összetétel tekintetében, (b) negatív együtthatók (rövidebb válaszidők) az első összetevő tekintetében, valamint (c) pozitív vagy negatív együtthatók (rendre hosszabb vagy rövidebb válaszidők) a második összetevő tekintetében. Megjegyzendő, hogy a második összetevőre vonatkozóan a 7. táblázatban szereplő medián nem jelez hatást.

A kutatási kérdés megválaszolására két nem parametrikus mérőszámot alkalmazunk, nevezetesen a Kruskal–Wallis-tesztet és a Jonckheere–Terpstra-tesztet. A Kruskal–Wallis-teszt, más néven „H-teszt”, a khi-négyzet-eloszláson alapuló nem parametrikus teszt. Megköveteli, hogy a függő változó ordinális vagy folytonos legyen. E teszt célja annak meghatározása, hogy fennállnak-e szignifikáns különbségek két vagy több csoport mediánjai között, és az egyutas ANOVA alternatívájaként használják. Az eljárás során a folytonos függő változó, azaz a Scaled AIC értékeit a legalacsonyabbtól a legmagasabbig rendeztük, és az értékekhez rangokat rendeltünk. Az így kapott rangokat visszahelyeztük a szignifikanciaszint-csoportokba (a független változóba), majd összegeztük az egyes csoportok rangjait. A „H” kiszámítására szolgáló képlet többek között az egyes csoportok rangösszegének négyzetre emelését, majd ennek az értéknek a mintaelemszámmal való elosztását foglalta magában.

¹⁸ Charitonidis (2024) szerint mind a hiponímia, mind a második összetevő kontextuális konkrétsága szignifikáns szemantikai prediktor a lexikai döntésben és az elnevezésben. Az ott bemutatott elemzés azt mutatja, hogy mindkét prediktor bevonása javítja a Scaled AIC-t és az R² értékét azokhoz a modellekhez képest, amelyek e változók bármelyikét kihagyják.

Straipsniai / Articles

291

CHARITON CHARITONIDIS

a khi-négyzet-eloszláson alapul. Megköveteli, hogy a függő változó ordinális vagy folytonos legyen. E teszt célja annak meghatározása, hogy fennállnak-e szignifikáns különbségek két vagy több csoport mediánjai között, és az egyutas ANOVA alternatívájaként használják. Az eljárás során a folytonos függő változó, azaz a Scaled AIC értékeit a legalacsonyabbtól a legmagasabbig rendeztük, és az értékekhez rangokat rendeltünk. Az így kapott rangokat visszahelyeztük a szignifikanciaszint-csoportokba (a független változóba), majd összegeztük az egyes csoportok rangjait. A „H” kiszámítására szolgáló képlet többek között az egyes csoportok rangösszegének négyzetre emelését, majd ennek az értéknek a mintaelemszámmal való elosztását foglalta magában.

A 8–10. táblázat tartalmazza a figyelembe vett bemeneti adatokat és az egyes csoportok rangösszegét.

¹⁹

²⁰

az egyes csoportok rangösszege.

8. TÁBLÁZAT. Összetétel

Szignifikanciaszintek | N | A Scaled AIC rangjainak összege | 1 – kis negatív hatás | 1 | 2 | 2 – mérsékelt negatív hatás | 5 | 46 | 3 – nagy negatív hatás | 12 | 123 | Összesen | 18 |

9. TÁBLÁZAT. Első összetevő

Szignifikanciaszintek | N | A Scaled AIC rangjainak összege | 1 – nagy pozitív hatás | 6 | 59 | 2 – mérsékelt pozitív hatás | 4 | 34 | 3 – kis pozitív hatás | 1 | 3 | 4 – nincs hatás | 1 | 2 | 5 – kis negatív hatás | 1 | 10 | 6 – mérsékelt negatív hatás | 1 | 11 | 7 – nagy negatív hatás | 4 | 52 | Összesen | 18 |

¹⁹ A további számításokat lásd Field (2009: 561–562).

²⁰ Mindhárom táblázatban a rangok teljes összege hozzávetőleg 171. Ez megegyezik az 1-től 18-ig terjedő egész számok összegével; lásd a mintaelemszámot (N).

292

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

10. TÁBLÁZAT. Második összetevő

Scaled AIC | Szignifikanciaszintek | N | A Scaled AIC rangjainak összege | 1 – nagy pozitív hatás | 6 | 59 Scaled AIC | 2 – kis pozitív hatás | 1 | 14 Scaled AIC | 3 – nincs hatás | 8 | 59 Scaled AIC | 4 – kis negatív hatás | 1 | 18 Scaled AIC | 5 – mérsékelt negatív hatás | 2 | 21 | Összesen | 18 |

Mielőtt rátérnénk a Kruskal–Wallis (H) teszt eredményeire, fontos megjegyezni, hogy ez a teszt nem szolgáltat információt az egyes csoportok közötti konkrét különbségekről. E probléma kezelésére kiegészítésképpen a Jonckheere–Terpstra (JT) tesztet is alkalmaztuk. Ez a teszt arról adott információt, hogy a csoportok mediánjai növekedtek vagy csökkentek-e a kódolási (=csoportosítási) változó által meghatározott sorrendben, konkrétan a nagy pozitív hatástól a nagy negatív hatásig. Módszertani szempontból a JT-statisztikát z-pontszámmá alakítottuk. A pozitív z-érték a növekvő mediánok trendjét jelezte, vagyis a kódolási változó értékeinek növekedésével a mediánok növekedtek (=magasabb/gyengébb Scaled AIC). A negatív z-érték a csökkenő mediánok trendjét jelezte, vagyis a kódolási változó értékeinek növekedésével a mediánok csökkentek (=alacsonyabb/jobb Scaled AIC). Az alábbiakban a Kruskal–Wallis (H) és a Jonckheere–Terpstra (JT) teszt eredményeit együttesen közöljük.

(a) Az összetétel Scaled AIC-ját a szignifikanciaszint nem befolyásolta szignifikánsan, amint azt a Kruskal–Wallis-teszt mutatta (H (2) = 2.226, p >.05). A mediánok növekvő trendjét találtuk, ami megerősítette túlillesztési hipotézisünket; lásd az összetétel negatív mediánját a 7. táblázatban. Ez a tendencia azonban a Jonckheere–Terpstra-teszt szerint nem volt statisztikailag szignifikáns (JT = 50, z = 1.064, p >.05).

(b) Az első összetevő Scaled AIC-ját a szignifikanciaszint nem befolyásolta szignifikánsan, amint azt a Kruskal–Wallis-teszt mutatta (H (6) = 5.427, p >.05). A mediánok növekvő trendjét találtuk, ami elutasította túlillesztési hipotézisünket; lásd az első összetevő pozitív mediánját a 7. táblázatban. Ez a tendencia azonban a Jonckheere–Terpstra-teszt szerint nem volt statisztikailag szignifikáns (JT = 70, z = 0.549, p >.05).

(c) A második összetevő Scaled AIC-ját a szignifikanciaszint nem befolyásolta szignifikánsan, amint azt a Kruskal–Wallis-teszt mutatta (H (4) = 4.607, p >.05). A mediánok növekvő vagy csökkenő trendje nem volt megfigyelhető, ami elutasította

Straipsniai / Articles

293

CHARITON CHARITONIDIS

túlillesztési hipotézisünket. Közelebbről, a Jonckheere–Terpstra-teszt z-statisztikája lényegében nulla volt, összhangban a második összetevő 7. táblázatban szereplő nulla mediánjával (JT = 54, z = 0.041, p >.05).

Összefoglalva arra következtethetünk, hogy a Gagné et al. (2019) SUBTLEX-US gyakoriságot tartalmazó modelljeiben a transzparencia-együtthatók szignifikanciaszintje nem befolyásolja a Scaled AIC nagyságát. Ez a megállapítás közvetetten alátámasztja a Gagné et al. (2019) transzparenciaprediktorokat tartalmazó modelljeinek minőségét, és konkrétan azt jelzi, hogy e modellek esetében a túlillesztési hipotézis nem tartható. A jelenlegi tanulmány korlátja a felhasznált kis mintaelemszám, N = 18. Eredményeink megerősítéséhez további kutatásokra van szükség, amelyek a Scaled AIC-értékek szélesebb tartományát alkalmazzák.

Kutatási eredményeink világos és teljes körű bemutatása érdekében külön szakaszt illesztettünk be tanulmányunk fő megállapításainak összefoglalására. Az átfogó áttekintéshez kérjük, folytassa a 7. szakasszal.

7. FŐBB MEGÁLLAPÍTÁSOK

Az alábbi 11. táblázat átfogó elemzést mutat be a modell teljesítményéről és a releváns változókról a Gagné et al. (2019) eredményein alapuló lexikai döntési és elnevezési feladatok kontextusában. A táblázat minden szakasza konkrét témákat vizsgál, feltárva, mely modellek a leghatékonyabbak. Az ANOVA-t, valamint a Kruskal–Wallis/Jonckheere–Terpstra-teszteket (6.3. és 6.4. szakasz) azt követően alkalmaztuk, hogy nominális (ordinális vagy kategorikus) értékeket rendeltünk Gagné et al. (2019) modelljeinek regressziós együtthatóihoz. Az alkalmazott speciális tesztekről részletesen a vonatkozó szakaszokban olvashat.

11. TÁBLÁZAT.

Scaled AIC angol zárt összetételekben: a modell teljesítményének átfogó elemzése lexikai döntési és elnevezési feladatokban (Gagné et al. 2019)

294

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

Témák | Statisztikák | Értékelés | Szakasz Kontrollváltozók | ANOVA | Összetételgyakoriság ✓; Összetétel hossza ~ | 6.3 Szemantikai transzparencia | Kruskal–Wallis Jonckheere–Terpstra | Első összetevő NOF/ns; Második összetevő NOF/ns; Összetétel NOF/ns | 6.4

PAR: parametrikus adatok | NPAR: nem parametrikus adatok | ✓: jobb modellek (alacsonyabb AIC) ~: gyengébb modellek (magasabb AIC) | NOF/ns: nincs túlillesztés/nem szignifikáns teszt

8. MEGVITATÁS

Charitonidis (2022, 2024) korábbi kutatásai kimutatták, hogy a Scaled AIC megbízható illeszkedésjósági mérőszám, amely modellkiválasztásban, esetleg más mérőszámokkal, például a Wald-teszttel együtt alkalmazható (lásd a 3. szakaszt). A SUBTLEX-US gyakoriságot tartalmazó Gagné et al. (2019) többszörös regressziós modelljeire hivatkozva a jelenlegi elemzés a Scaled AIC-mérőszám további tulajdonságait mutatta be. Noha megalapozott aggályok merültek fel a különböző mintaelemszámokra illesztett modellek információs kritériumok segítségével történő összehasonlításával kapcsolatban (lásd a 2. szakaszt), e tanulmány eredményei arra utalnak, hogy bizonyos kontextusokban a Scaled AIC valóban értékes eszköz lehet a modellilleszkedés értékelésére és a regressziós modellek hierarchizálására. Kutatásunk kimutatta, hogy a Scaled AIC érzékeny a kísérleti elrendezésre, a válaszidők forrásaira és az egyes feladatokra. Ugyanakkor fontos felismerni, hogy a Scaled AIC alkalmazhatósága kontextusfüggő lehet, ezért hasznosságát eseti alapon kell értékelni.

Mielőtt rátérnénk e tanulmány elsődleges megállapításaira, fontos foglalkozni a 4. szakaszban megfogalmazott kutatási kérdésekkel.

1. A Scaled AIC-értékek eloszlásai, valamint a válaszidők különböző forrásainak és a feldolgozási feladatoknak a kombinációi arra utalnak, hogy a Scaled AIC hatékonyan azonosítja a kísérleti tervben és a statisztikai modellezésben jól meghatározott mögöttes tényezők jelenlétét vagy hiányát. Ebben az összefüggésben a BLP lexikai döntési és az ELP megnevezési feladata nagyobb prediktív erőt mutatott a Scaled AIC tekintetében még kontrollált feltételek mellett is.

2. A compound gyakorisága kivétel nélkül a Scaled AIC negatív prediktora volt, és mindig nagy hatást jelzett. Az ELP lexikai döntési feladata következetesen

Straipsniai / Articles

295

CHARITON CHARITONIDIS

szignifikáns pozitív korrelációkat mutatott a compound hosszúságával, magasabb (=gyengébb) Scaled AIC-értékeket jelezve. A BLP lexikai döntési feladata következetesen nem szignifikáns korrelációkat mutatott a compound hosszúságával. Mind a lexikai döntési feladat, mind a compound hossza gyengébb modelleket jelzett a kovariánsok kiigazításakor.

3. A transzparencia-együtthatók pozitivitása és szignifikanciaszintje Gagné et al. (2019) modelljeiben nem befolyásolta a Scaled AIC nagyságát. Ez az eredmény arra utal, hogy Gagné et al. (2019) transzparencia-prediktorokat tartalmazó modelljei nem vezetnek túlillesztési torzításhoz.

Az elemzések konkrét szakaszaira hivatkozva e tanulmány legfontosabb eredményei a következőképpen foglalhatók össze:

A 6.1. szakaszban elemzésünk a különböző modellkategóriák Scaled AIC-értékeinek összehasonlítására összpontosított. A „természetes logaritmus” és a „négyzetgyök” transzformációk abszolút értékeken történő alkalmazására tett kísérlet után sem felelt meg a teljes Scaled AIC-minta a normális eloszlásnak. Hasonlóképpen, az ELP lexikai döntési modelljei Scaled AIC-értékeik nem parametrikus eloszlását mutatták. Ezzel szemben a BLP lexikai döntéséhez és az ELP megnevezéséhez kapcsolódó adatok normális eloszlási mintázatot követtek.

A 6.2. szakaszban figyelmünk a Scaled AIC és (a) a válaszidők forrásai, valamint (b) a feladat teljesítménye közötti kapcsolat vizsgálatára irányult. Érdekes módon az ELP és a BLP lexikai döntési modelljeinek Scaled AIC-értéktartományai nem fedték át egymást, ami különbözőségükre utal. A teszteredmények a válaszidő forrásának és a feladat teljesítményének szignifikáns főhatásait egyaránt kimutatták a Scaled AIC-re. Figyelemre méltó, hogy a Scaled AIC prediktív képessége jobb volt a BLP lexikai döntési idejéhez és a megnevezési feladathoz kapcsolódó modellek esetében. Ezek az eredmények jelentősen hozzájárulnak a megfelelő modellek pontosságához és hatékonyságához.

A 6.3. szakaszban vizsgálatunk a Scaled AIC és a „compound gyakorisága”, illetve a „compound hossza” kontrollváltozók közötti kapcsolatra terjedt ki. A compound gyakoriságát kizártuk az elemzésből, mivel tökéletes kollinearitást mutatott a Scaled AIC-vel. Másfelől a Scaled AIC-értékek csökkenését figyeltük meg, amikor a compound hossza releváns tényezővé vált a modellekben. Ezzel egyidejűleg a compound hossza a megnevezési feladatban volt a legrelevánsabb.

A kovariánsok kiigazítását tekintve mind a lexikai döntési feladat, mind a compound hossza gyengébb modelleket jelzett.

A 6.4. szakaszban figyelmünk a Scaled AIC és a szemantikai transzparencia közötti kapcsolatra irányult. A kutatási kérdés az volt, hogy Gagné et al. (2019) modelljeiben a transzparencia-együtthatók pozitivitása és szignifikanciaszintje hatással volt-e a Scaled AIC-re. Módszerünk elsődleges célja a lehetséges túlillesztési hatások kimutatása volt. Azt feltételeztük, hogy a gyengébb Scaled AIC-értékekkel rendelkező modellek olyan szignifikáns együtthatókkal rendelkezhetnek, amelyek relevanciát hordoznak

296

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

kizárólag a LADEC-adatkészlet szerint. Miközben a compound szintjén a szignifikáns negatív együtthatók egy csoportjára vonatkozóan növekvő (=gyengébb) Scaled AIC-értékek tendenciáját figyeltük meg – összhangban túlillesztési hipotézisünkkel –, a Jonckheere–Terpstra-teszt kimutatta, hogy ez a tendencia nem érte el a statisztikai szignifikancia szintjét.

Összefoglalva, a különböző paramétereknek a Scaled AIC függő változóként való alkalmazásával végzett vizsgálata megvilágította, hogy a modellkategóriák, a válaszidő forrása, a feldolgozási feladatok, a kontrollváltozók és a szemantikai transzparencia milyen sokféle módon befolyásolják a modellek illeszkedésének jóságát. E tényezők árnyalt kapcsolatainak felismerésével a kutatók felkészültebbé válnak arra, hogy megalapozott döntéseket hozzanak a modellkiválasztás, a kiigazítások és az értelmezés során.

REFERENCES

Akaike Hirotugu 1973: Information Theory and an Extension of the Maximum Likelihood Principle. – Second International Symposium on Information Theory, eds. B. F. Csaki, B. N. Petrov, Budapest: Academiai Kiado, 267–281.

Aldrich John R. 1997: R. A. Fisher and the Making of Maximum Likelihood 1912–1922. – Statistical Science 12(3), 162–176.

Baayen Harald R., Piepenbrock Richard, Gulikers Leon 1995: The CELEX Lexical Database (Data set, Release 2, CD-ROM), Linguistic Data Consortium, University of Pennsylvania. Available at: https://catalog.ldc.upenn.edu.

Balota David A., Yap Melvin J., Cortese Michael J., Hutchison Keith I., Kessler Brett, Loftis Bjorn, Neely James H., Nelson Douglas L., Simpson Greg B., Treiman Rebecca 2007: The English Lexicon Project. – Behavior Research Methods 39, 445–459.

Brysbaert Marc, New Boris 2009: Moving Beyond Kučera and Francis: A Critical Evaluation of Current Word Frequency Norms and the Introduction of a New and Improved Word Frequency Measure for American English. – Behavior Research Methods 41, 977–990. DOI: doi.org/10.3758/BRM.41.4.977.

Burnham Kenneth P., Anderson David R. 2002: Model Selection and Multimodal Inference: A Practical Information-Theoretic Approach, ^2ⁿᵈ edition, New York: Springer. DOI: dx.doi.org/10.1007/b97636.

Charitonidis Chariton 2022: Context Concreteness for the Second Constituent Slows Down Compound-Word Processing. – Lexis 20. DOI: doi.org/10.4000/lexis.6769.

Straipsniai / Articles

297

CHARITON CHARITONIDIS

Charitonidis Chariton 2024: The Role of Hyponymy and Context Concreteness in Compound Word Processing. – Studia Neophilologica. DOI: doi.org/10.1080/00393274.2024.2336851.

Chen Xiaocong, Dong Yanping, Yu Xiufen 2018: On the Predictive Validity of Various Corpus-Based Frequency Norms in L2 English Lexical Processing. – Behavior Research Methods 50, 1–25. DOI: doi.org/10.3758/s13428-017-1001-8.

Field Andy 2009: Discovering statistics using SPSS, 3^rd edition, London: Sage Publications.

Fisher Ronald A. 1922: On the Mathematical Foundations of Theoretical Statistics. – Philosophical Transactions of the Royal Society of London, Series A 222, 309–368.

Gagné Christina L., Spalding Thomas L., Schmidtke Daniel 2019: LADEC: The Large Database of English Compounds. – Behavior Research Methods 51, 2152–2179. DOI: doi.org/10.3758/s13428-019-01282-6.

Gagné Christina L., Spalding Thomas L., Spicer Patricia, Wong Dixie, Rubio Beatriz, Perez-Cruz Karen 2020: Is Buttercup a Kind of Cup? Hyponymy and Semantic Transparency in Compound Words. – Journal of Memory and Language 113. DOI: doi.org/10.1016/j.jml.2020.104110.

Hastie Trevor, Tibshirani Robert, Friedman Jerome 2009: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2^nd edition, New York: Springer.

Keuleers Emmanuel, Lacey Paula, Rastle Kathleen, Brysbaert Marc 2012: The British Lexicon Project: Lexical Decision Data for 28,730 Monosyllabic and Disyllabic English Words. – Behavior Research Methods 44, 287–304. DOI: doi.org/10.3758/s13428-011-0118-4.

Kullback Solomon 1959: Information Theory and Statistics. New York: Wiley.

Navarro Daniel J., Myung Jay I. 2005: Model Evaluation. – Encyclopedia of Statistics in Behavioral Science, vol. 3, eds. B. S. Everitt, D. C. Howell, Chichester: Wiley, 1239–1242.

Steiger James H. 1980: Tests for Comparing Elements of a Correlation Matrix. – Psychological Bulletin 87(2), 245–251. DOI: doi.org/10.1037/0033-2909.87.2.245.

Wagenmakers Eric-Jan, Farrell Simon 2004: AIC Model Selection Using Akaike Weights. – Psychonomic Bulletin & Review 11(1), 192–196.

298

Acta Linguistica Lithuanica XC

Exploring Scaled AIC within English Closed Compounds

I N T E R N E T D I S C U S S I O N S

Model comparison with AIC based on different sample size. Available at: https://stats.stackexchange.com/questions/94718/model-comparison-with-aic-based-on-different-sample-size [accessed 15.5.2024].

What is the acceptable range of skewness and kurtosis for normal distribution of data? Available at: https://www.researchgate.net/post/What_is_the_acceptable_range_of_skewness_and_kurtosis_for_normal_distribution_of_data [accessed 15.5.2024].

L A R G E L A N G U A G E M O D E L S

GPT-3.5 (available at: https://chat.openai.com/) and Google Gemini (available at: https://gemini.google.com [accessed 11.10.2023]) were selectively used as auxiliary proofreading and editing tools. The responses from both AI tools were further proofread and edited by the author.

Anglų kalbos uždarųjų junginių (sudurtinių žodžių) skalės AIC tyrimas

S A N T R A U K A

Šiame tyrime nagrinėjamos modifikuotos Akaikės informacijos kriterijaus, pavadinto skalės kriterijumi, t. y. AIC, kaip tinkamumo rodiklio, padalinto iš imties dydžio, varianto ypatybės. Tyrimo objektas – 66 daugialypės regresijos modeliai, susiję su uždarųjų (sudurtinių) anglų kalbos žodžių junginių, paimtų iš Gagné'es ir kitų (2019) Anglų kalbos sudurtinių žodžių (junginių) didžiosios duomenų bazės (angl. LADEC), apdorojimu. Toliau pateikiami išsamios analizės rezultatai:

1. Modelių kategorijų modeliai pasižymi nevienareikšmiais rezultatais. Britų kalbos žodyno projekto (angl. BLP) leksinių sprendimų modeliai ir Anglų kalbos žodyno projekto (angl. ELP) įvardijimo modeliai veikia geriau (tai rodo mažesnis AIC), palyginus su Anglų kalbos žodyno projekto (angl. ELP) leksinių sprendimų modeliais.

Straipsniai / Articles

299

CHARITON CHARITONIDIS

2. Laiko šaltinio ir leksikos apdorojimo užduočių atsakymais atskleidžia reikšmingus pagrindinius skalės AIC rezultatus. Britų kalbos žodyno projekto leksinių sprendimų modeliai ir Anglų kalbos žodyno projekto įvardijimo modeliai veikia gerai, o pastarojo projekto leksinių sprendimų modeliai yra mažiau veiksmingi.

3. Įvertinus kontrolinius kintamuosius, tokius kaip junginių dažnumas ir junginių ilgis, matyti, kad modelių rezultatyvumas skiriasi. Junginių dažnumas yra stiprus veiksnys (parodo didesnis produktyvumas), o sudėtinio ilgio modelių prognozės blogesnės.

4. Kalbant apie pirmosios ir antrosios žodžių junginių sudedamųjų dalių, taip pat ir apie junginių semantinį skaidrumą, modeliai nerodo per didelio suderinamumo. Tai parodo, kad semantinis skaidrumas nesumažina modelių galėjimo apibendrinti naujus duomenis.

Įteikta 2024 m. sausio 11 d.

CHARITON CHARITONIDIS

[email protected]

300

Acta Linguistica Lithuanica XC