Otvorite deo sa rečnikom skoro bilo koje aplikacije za jezike i videćete istu stvar: listu. Reči u jednoj koloni, prevodi u drugoj, možda traka jačine. To je tabelarni prikaz nečega što, unutar vaše glave, uopšte ne liči na tabelu. Ovaj tekst obrađuje šta istraživanja zapravo kažu o tome kako se reči čuvaju, dve praktične posledice koje su bitne za učenike, i kako smo počeli da gradimo LingoBlend oko tog oblika.
Kako mentalni leksikon zaista izgleda#
Termin koji psiholingvisti koriste za vaš skladište reči je mentalni leksikon, a klasičan model za njega je semantička mreža: reči kao čvorovi, odnosi kao veze, a aktivacija se širi duž tih veza (Collins i Loftus, 1975). Kad čujete doktor, reči medicinska sestra, bolnica i lek postaju merljivo brže za prepoznavanje u narednom deliću sekunde — efekat koji se zove semantičko primovanje, i jedan od najčešće ponovljenih nalaza u ovoj oblasti.
Veze nisu samo o značenju. Studije rečnih asocijacija — kažete reč, zabeležite prvu reč koja vam padne na pamet — pokazuju stabilne, strukturirane veze nekoliko vrsta:
| Vrsta veze | Primer (španski) | Šta odražava |
|---|---|---|
| Porodica reči | comer → comida, comedor | Zajednički koren, morfologija |
| Sinonim / antonim | feliz → contento, triste | Preklapanje i kontrast značenja |
| Tema / kolokacija | comer → cocina, almuerzo | Reči koje žive u istim situacijama |
| Sličnost oblika | pero ↔ perro | Slični po zvuku i pisanju |
Istraživanje drugog jezika dodaje nalaz koji je najbitniji za učenike: gustina mreže prati nivo znanja. Rad Pola Mire o leksičkim mrežama na drugom jeziku tvrdi da je veličina rečnika sama po sebi slaba mera — rečnik početnika ponaša se kao labava zbirka, dok se rečnik naprednih učenika ponaša kao mreža nativnih govornika, pri čemu asocijacije prelaze sa onih zasnovanih na zvuku ("na šta se rimuje?") ka onima zasnovanim na značenju kako znanje raste. Dva učenika mogu znati istih 2.000 reči, a onaj čije su reči povezane čita brže, brže se priseća i bolje pogađa nove reči.
Posledica jedan: nove reči trebaju nešto za šta će se zakačiti#
Nova reč koja se povezuje sa onim što već znate ima gde da živi. Ovo je verzija principa razumljivog unosa primenjena na rečnik — učenje se dešava na ivici onog što znate, ne u vakuumu. Ako već znate comer (jesti), onda comida (hrana) jedva da je uopšte nova reč: nasleđuje koren, temu i polovinu svojih konteksta od čvora koji već posedujete. Učenje te reči košta deo onoga što košta nepovezana reč.
Ta ivica — skup reči udaljen jednu vezu od vašeg poznatog rečnika — vaša je lična granica, i tu živi najjeftinije učenje. Liste učestalosti je u potpunosti ignorišu: svakom učeniku daju istu sledeću reč, bez obzira na to šta taj učenik već zna. Model mreže može rangirati granicu baš za vas. (Ovo nije nova ideja u softveru za učenje uopšte — platforme za matematiku godinama koriste grafove preduslova da biraju "šta je sledeće" — ali je retka u aplikacijama za jezike.)
Posledica dva: slične reči se bore jedna protiv druge#
Druga predikcija je manje intuitivna, a bolje potkrepljena: učenje sličnih reči zajedno otežava njihovo učenje. Niz istraživanja koji seže decenijama unazad (Tinkham, 1993; Waring, 1997) otkrio je da je učenje semantički grupisanih skupova — sve boje odjednom, sve voće odjednom — merljivo sporije od učenja istih reči u mešanim skupovima, jer slične stavke smetaju jedna drugoj. Svaki učenik koji je trajno pobrkao utorak/četvrtak ili španski pero/perro zna taj osećaj. Smernice Pola Nejšna za nastavu rečnika to kažu jasno: slične i zbunjujuće stavke uvoditi u različito vreme.
Praktična posledica: aplikacija bi trebalo da zna koje su vaše reči zbunjujuće — i da to znanje koristi da ih drži razdvojenim dok su nove, a da ih namerno suprotstavi kada ih već mešate. LingoBlend-ove sesije ponavljanja sada rade oboje, koristeći iste mapirane parove zabune opisane u nastavku; pogledajte kako Zbunjujući parovi drže pero i perro razdvojene.
Šta ovo znači za to kako bi aplikacija trebalo da vas modeluje#
Spojite ove dve posledice i zahtevi se sami nametnu:
| Model ravne liste | Model mreže |
|---|---|
| Zna koje ste reči sačuvali | Zna koje ste reči sačuvali i kako se povezuju |
| Sledeća reč = sledeći red u listi učestalosti | Sledeća reč = vaša granica, rangirana |
| Slep za zbunjujuće parove | Može da razdvoji pero/perro u vremenu, pa ih kasnije suprotstavi |
| despierta i despertar su dva nepovezana reda | Obe su ista porodica reči, i znanje jedne daje zasluge drugoj |
| Veličina rečnika kao jedina metrika | Veličina i povezanost |
Poslednji red zaslužuje napomenu, jer je tu gde aplikacije sa modelom liste tiho gube vaš napredak. Učenici sreću reči u promenjenim oblicima — despierta, a ne rečnički oblik despertar — a model liste čuva koji god oblik ste sačuvali kao sopstveni izolovani red. Model mreže razrešava oblike do njihove porodice, pa se znanje gomila na jednom mestu.
Kako LingoBlend ovo primenjuje#
Sada smo izgradili graf rečnika za svaki od naših 17 jezika: otprilike 3.000 najkorisnijih reči po jeziku — izabranih na osnovu stvarne učestalosti upotrebe, a ne redosleda iz udžbenika — povezanih porodicama reči, sinonimima, antonimima, zbunjujućim parovima, temama i semantičkom sličnošću, i prepoznatih i u svojim promenjenim oblicima i u rečničkim oblicima (despierta → despertar, i nepravilnim oblicima koje pravilo pisanja nikad ne bi uhvatilo, poput italijanskog va → andare).
Vaša strana grafa dolazi iz onoga što LingoBlend već prati: svaka reč koju sačuvate, i kako vam idu ponavljanja u igrama sa razmaknutim ponavljanjem. Ta istorija ponavljanja govori aplikaciji koliko zaista dobro znate svaku reč i preklapa vaše znanje preko mape jezika — na vašem uređaju, bez troška, i offline.
Danas ovo radi ispod haube, a sa najnovijom verzijom aplikacije lista funkcija izgrađenih na tome porasla je daleko iznad prve: blendovi koji prestaju da troše slotove za prevod na reči koje ste već savladali, preporuke zasnovane na granici i pregledanje porodica reči u vašem rečniku, i sesije ponavljanja svesne interferencije koje drže zbunjujuće parove razdvojenim. Ako želite dublji tehnički pregled onoga što je u grafu, napisali smo ga: unutar LingoBlend-ovog grafa rečnika.
Povezano štivo: kako graditi rečnik čitanjem za istraživanja o pokrivenosti i ponovljenim susretima, nauka o dvojezičnom čitanju za to zašto tekst na mešanom jeziku drži pažnju, i izmerite veličinu svog rečnika za to šta veličina govori, a šta ne. Ili pogledajte celo naučno utemeljenje na našoj stranici nauke.