اطلاعات واژگاني افعال متعدي فارسي به هنگام ادراك شنيداري جمله

Lexical Information of Persian Transitive Verbs during Sentence Comprehension

در اين تحقيق براي روشن ‌تر شدن ماهيت مدخل واژگاني فعل هاي متعدي در زبان فارسي، به ابزارهاي تجربي روي آورده‌ايم. در اين آزمون افعال متعدي فارسي را به پنج طبقه تقسيم كرده ايم. تفاوت اين طبقات فعلي در تعداد احتمالات ساختار موضوعي و قالب زيرمقوله اي آن‌ها است. هدف از اين آزمون اين است كه بدانيم كدام يك از اين دو دسته ويژگي هاي بازنمودي در پردازش فعل، نقش اساسي تري دارند. افعالي كه احتمالات ساختار موضوعي كمتري دارند سريع‌تر پردازش مي شوند يا افعالي كه احتمالات قالب زيرمقوله اي كمتري دارند؟ بيست آزمون‌شونده طبيعي كه سخنگوي بومي فارسي بودند، در اين پژوهش شركت كرده‌اند. آن‌ها بايد به قصد ادراك معني، به جملاتي كه مي شنيدند، گوش مي‌دادند و در همان حال درباره واژه بودن يا نبودن محرك‌هاي ديداري كه پس از فعل جمله به آن‌ها ارايه مي شد تصميم مي‌گرفتند. زمان پاسخ دهي آزمون‌شونده‌ها به تكليف دوم، پيچيدگي بازنمودي فعل‌ها را نشان مي داد. اين روش تصميم‌گيري واژگاني چندحسي نام دارد. اين آزمون ها با استفاده از برنامه نرم‌افزاري DMDX اجرا شده-اند و نتايج حاصل نيز با استفاده از آزمون ANOVA و آزمون tمورد محاسبه قرارگرفته‌اند. نتايج آزمون نشان داده اند كه تعداد احتمالات ساختار موضوعي و قالب زيرمقوله اي فعل بر زمان پردازش جمله تاثير داشته است.

In the present investigation, experimental framework has been used to clarify the nature of lexical information arrayed against the lexical entries of Persian transitive verbs. In the test, we categorized the transitive verbs into 5 groups. What differs them is the number of argumental structural and sub-categorization frame options of each verb. We are going to find out which one is more fundamental in sentence processing, and that whether the verbs with less structural argument and sub-categorization frame options are processed faster or not. Twenty normal native speakers of Farsi participated in these tests. The subjects were divided into two groups. They had to perform a secondary visual lexical decision task in the immediate vicinity of the verb while listening to the sentence for meaning. Reaction times to this secondary task showed the representational complexity of the verbs. This is called "cross modal lexical decision method". Using DMDX software program, the tests were performed, and using ANOVA and t-tests, the data were analyzed. The results showed that both the argumental structure and sub-categorization frame possibilities of verb can affect sentence processing due to time.