01.05.2013 Views

Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...

Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...

Afstudeerscriptie - Kunstmatige Intelligentie - Rijksuniversiteit ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

2.5 Analogieën in de situaties A, B en C<br />

In situatie A is het model alleen bekend met de dimensie aantal. Als hij een zinsdeel met een<br />

lidwoord hoort, gebruikt hij een analogieregel, die een verband legt tussen determinator en aantal.<br />

De analogieregel zoekt een eerder gehoord voorbeeld op, waarbij dezelfde determinator was<br />

gehoord. Als de waarde van aantal niet direct uit de omgeving kan worden bepaald, wordt de<br />

waarde van aantal overgenomen van het eerder gehoorde voorbeeld. Het model zal niet altijd een<br />

juist soort voorbeeld kiezen en daardoor niet altijd het juiste aantal bepalen. Echter, het model<br />

bevindt zich altijd in een bepaalde context. Het ervaren van deze context zorgt ervoor dat de<br />

analogiestrategie toch meestal tot het juiste antwoord leidt. Het kind kan in situatie A nog niet<br />

expliciet waarden op bepaalde dimensies uit de omgeving waarnemen, behalve de waarde op de<br />

dimensie aantal. Maar impliciet heeft de context wel invloed. Als het model in een situatie zit,<br />

waarin telwoorden worden gebruikt – denk hierbij bijvoorbeeld aan het kijken naar een onderdeel<br />

van Sesamstraat over tellen – dan hebben de voorbeelden die telwoorden gebruiken, vanwege de<br />

associatieve overeenkomsten, een hogere activatiewaarde. Ze liggen simpelweg wat dichter aan<br />

de oppervlakte. Omgekeerd, als het model in een situatie zit, waarin lidwoorden worden gebruikt –<br />

bijvoorbeeld als een ouder een kind in de dierentuin allerlei dierennamen leert – dan activeert het<br />

kind, wederom door uitwaaierende associaties, automatisch de voorbeelden die lidwoorden<br />

gebruiken wat meer. In het model is dit hele verhaal versimpeld. Het model zit eigenlijk standaard<br />

in een meer lidwoord-achtige situatie. Er zijn meer voorbeelden van lidwoorden dan van<br />

telwoorden en de lidwoord-voorbeelden zullen dus meestal gevonden worden. Dit heeft tot gevolg<br />

dat de simpele analogiestrategie van situatie A in de experimentele context toch al een prestatie<br />

100<br />

90<br />

80<br />

70<br />

60<br />

50<br />

40<br />

30<br />

20<br />

10<br />

0<br />

Une-sentences<br />

3 4 5 6 7 8 9 10<br />

Age (years)<br />

Figuur 6: de experimentele resultaten van de proefpersonen (verschillende<br />

leeftijdsgroepen) en de experimentele resultaten van een run van het<br />

Determinatorenmodel (longitudinaal).<br />

van meer dan 90% oplevert (zie figuur 6).<br />

Eenmaal in situatie B wordt het ingewikkelder. Het model heeft nu de beschikking over de<br />

dimensie aantal en ook over de dimensie focus-na. Hij zal wederom bij het horen van een<br />

constructie met een lidwoord proberen te achterhalen wat het aantal is. In veel gevallen zal dat<br />

73<br />

data<br />

model

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!