Статья: Взаимодействие эмоциональных и лингвистических факторов в процессе переработки лексической информации (на материале имен существительных русского языка)

Т а б л и ц а 2

Результаты факторного анализа эмоциональных характеристик отобранных слов

Поскольку в настоящее время не существует репрезентативных баз данных неслов для проведения исследований на материале русского языка, в нашем случае генерация неслов осуществлялась следующим способом. С помощью англоязычного сервиса ARC Nonword Database [47] были сгенерированы неслова длиной от 2 до 10 букв с количеством всех видов орфографических соседей, равным 0. Из полученной совокупности было отобрано 200 неслов (например, ghwirsh) для последующей транслитерации на кириллицу с помощью сервиса http://translit.cc/. Полученные 200 неслов (например, гхвирш, сцванч и т.п.) были оценены тремя экс- пертами-лингвистами как похожие или непохожие на кодифицированные слова русского языка (если неслово вызывало хотя бы одну ассоциацию, то оно исключалось из списка). После оценки были выбраны 120 неслов, которые не вызвали каких-либо ассоциаций с кодифицированными единицами (например, гхвие, цвув и т.п.). Таким образом, не- слова подбирались с минимумом возможных орфографических соседей из числа кодифицированных слов и являлись орфографически неупорядоченными последовательностями букв, т. е. были не похожими ни на одно существующее слово русского языка. Полный список неслов представлен в приложении 3.

Результаты исследования и их обсуждение

В ходе анализа неверные реакции, а также реакции на неслова не учитывались. Для исключения выбросов использовался способ, ранее применявшийся в целом ряде поведенческих исследований по методике ЬБТ (например, [34]). Из выборки были исключены все значения менее 200 мс, а также значения, отклоняющиеся более чем на 2,5 стандартных отклонения от индивидуальных средних значений (М ± 2,5БО).

Линейные модели не требуют допущения о нормальности распределения исходных данных, однако это допущение становится важным в случае необходимости оценки статистической значимости полученных коэффициентов. Форма распределения данных о времени реакции также представляет теоретический интерес и обсуждается в соответствующей литературе. Наряду с нормальным распределением нередко рассматриваются обратное нормальное распределение и экспоненциально-преобразованное нормальное, однако необходимость и обоснованность их применения остаются дискуссионными [48].

В нашем случае анализ соответствия распределения данных нормальному с помощью критерия Шапиро - Уилка показал, что у 34 испытуемых распределение времени реакции (ВР) существенно отличается от нормального (при р < 0,05). Обратное преобразование данных (1/ВР) не привело к существенному улучшению, так как отклонение от нормального распределения оставалось значимым у 26 испытуемых. Учитывая устойчивость линейных моделей по отношению к нарушениям допущения о нормальности, а также ввиду того, что преобразование данных усложняет интерпретацию результатов, было принято решение использовать исходные значения ВР.

К числу типичных вмешивающихся факторов, часто оказывающих влияние на результаты, относятся эффекты номера стимула в последовательности и времени реакции на предыдущий стимул [44]. Первый из этих эффектов отражает врабатываемость и утомляемость испытуемых, а также любое постепенное изменение времени реакции в процессе эксперимента. С ним связан и второй эффект, который отражает также менее длительные процессы, объясняющие общие факторы в реакции на относительно короткие последовательности стимулов. Для контроля этих эффектов в предварительную модель были введены факторы номера пробы и времени предыдущей реакции (для первой реакции значение этой переменной было установлено равным среднему для испытуемого). Анализ этой модели показал, что статистически значимым (при р < 0,001) в нашем случае является лишь эффект предыдущей реакции, поэтому данный фактор использовался для контроля во всех последующих моделях.

С учетом имеющихся в литературе данных относительно лингвистических предикторов времени реакции для контроля их эффектов в модель были включены две переменные: частотность слов (десятичный логарифм от ірт) и их длина (в буквах).

В качестве предполагаемых психологических предикторов времени реакции на слова с различной эмоциональной окраской использовались личностная тревожность как одно из устойчивых эмоциональных свойств личности и эмоциональные состояния, отражающие выраженность позитивного и негативного эффекта в течение последней недели. Поскольку предположение о взаимодействии личностных факторов и эмоциональной окраски слов выглядит разумно, была выполнена проверка возможных попарных взаимодействий, которая показала, что статистическую значимость на уровне тенденции (р < 0,10) показывает взаимодействие позитивной эмоциональной окраски слов и позитивной аффективности. В отличие от исследования Купермана с соавторами [35] анализ взаимодействия эмоциональной окраски с частотностью не показал статистически значимых эффектов (р > 0,50), по этой причине подобное взаимодействие в модель не включалось.

Таким образом, на основе теоретических предпосылок и результатов предварительного анализа в качестве фиксированных эффектов в модель были включены следующие предикторы: предшествующее ВР, длина слова, логарифм частотности, эмоциональная окраска слов, личностная тревожность, позитивный аффект, негативный аффект, а также взаимодействие позитивного аффекта и эмоциональной окраски слов. Для анализа случайных эффектов была выполнена процедура пошагового усложнения модели с добавлением нового случайного эффекта на каждом шаге и сравнением с предыдущей моделью. Результаты такого анализа приведены в табл. 3.

Результаты сравнения моделей, представленные в табл. 1, свидетельствуют о том, что статистическую значимость (при р < 0,05) показывают все случайные эффекты за исключением случайных коэффициентов длины слова и случайных коэффициентов позитивного аффекта, которые не были включены в итоговую модель.

Т а б л и ц а 3

Сравнение моделей с различным числом случайных эффектов

Примечание. Сокращение «пр. модель» означает «те же эффекты, что и в предыдущей модели (в строке выше)». Случайные эффекты вводились в модели как коррелирующие между собой

Случайные эффекты негативного аффекта и личностной тревожности показали высокую корреляцию (более 0,90) между собой и со случайным средним по словам. По этой причине из этих трех случайных эффектов был оставлен лишь эффект случайного среднего. Таким образом, в итоговую модель в качестве случайных эффектов были введены случайные средние для испытуемого и для стимула, а также случайные коэффициенты для частотности и эмоциональной окраски слов. Оценки коэффициентов фиксированных эффектов данной модели и их статистическая значимость представлены в табл. 4.

Т а б л и ц а 4

Значения коэффициентов фиксированных эффектов для итоговой модели и оценка их статистической значимости

Примечание. ХБаИ) - оценка уровня значимости с расчетом степеней свободы с использованием аппроксимации по методу Саттертуэйта.

Доля объясняемой дисперсии для этой модели составила Я²общ. = 0,29, при этом доля дисперсии, объясняемая фиксированными факторами, составила Я²фикс. = 0,049 (для оценки долей объясняемой дисперсии использовался метод, предложенный в работе [49]).

Фиксированные эффекты, представленные наглядно в упорядоченной по величине последовательности на рис. 1, позволяют сделать вывод о наличии влияния на время реакции как лингвистических, так и психологических характеристик. Среди лингвистических факторов статистически значимый эффект показали позитивная эмоциональная окраска слова и его частотность. Оба эти эффекта являются отрицательными: влияние этих факторов проявляется в сокращении ВР. Эффект нейтральной эмоциональной окраски не является статистически значимым, однако он также лежит в диапазоне отрицательных значений. Таким образом, слова с негативной эмоциональной окраской характеризуются наибольшим временем реакции, а слова с позитивной окраской - наименьшим, хотя величина различий довольно мала (рис. 2).

Из психологических факторов статистически значимое влияние на ВР показал позитивный аффект, который также приводит к сокращению ВР. Влияние личностной тревожности на ВР не достигает статистической значимости, однако есть тенденция к подобному эффекту (р < 0,10). Крометого, на уровне тенденции (р < 0,10) обнаруживается положительный эффект взаимодействия позитивного аффекта и позитивной эмоциональной окраски слова. Этот факт означает, что лица с высокой выраженностью позитивных эмоциональных состояний склонны медленнее реагировать на слова с позитивной эмоциональной окраской.

Величина эффекта случайных средних по испытуемым находилась в пределах от -171 до 307 мс, что свидетельствует о весьма широком диапазоне индивидуальных различий во времени реакции. Величина эффекта случайных средних по словам лежит в гораздо более узком диапазоне: от -20 до 28. Дисперсия, соответствующая случайным эффектам (табл. 5), также указывает на то, что вклад особенностей слов имеет гораздо меньшую величину, чем вклад индивидуальности испытуемых.

Рис. 1. Фиксированные эффекты эмоциональных свойств стимулов и эмоциональных особенностей испытуемых на время реакции в «yes-no» эксперименте (горизонтальные линии отражают 95-процентный доверительный интервал, * - уровень значимости p < 0,05; ** - уровень значимости p < 0,01; *** - уровень значимости p < 0,001)