Memory limitations in sentence comprehension

Diese Dissertation beschäftigt sich mit der Frage wie linguistische Strukturen im Arbeitsgedächtnis dargestellt werden. Es wurde ein gedächtnisbasiertes Computermodell entwickelt, das offline und online Komplexitätsprofile für bestimmte Satzstrukturen erstellt. Diese Komplexitätsprofile basieren auf den Berechnungen eines top-down Parsers für minimalistische Grammatiken (Stabler, 2011). Die Komplexitätsprofile spiegeln die Zeit wider, die ein Item im Gedächtnis oder Speicher gehalten wird. Das entwickelte Modell verbindet grammatische Repräsentationen, die im Speicher gehalten werden, direkt mit dem kognitiven menschlichen Verhalten in Sprachverarbeitungsexperimenten indem es Vorhersagen über Satzverarbeitungsschwierigkeiten trifft.
Die Ergebnisse von fünf Satzverarbeitungsexperimenten wurden verwendet, um die Vorhersagen des Modells über die Begrenzungen des Gedächtnisses zu evaluieren. Die Vorhersagen der Komplexitätsmetrik wurden mit den Vorhersagen einer in der Psycholinguistik etablierten Komplexitätsmetrik (Dependency Locality Theory, DLT (Gibson, 2000)) verglichen. Beide Metriken machen vergleichbare offline und online Vorhersagen für vier der fünf Experimente. Der Unterschied zwischen beiden Metriken ist, dass die in dieser Dissertation erarbeitete Komplexitätsmetrik die strukturelle Komplexität der Satzstruktur mit einbezieht. Im Gegensatz zu DLTs Integrationsmetrik, die die Komplexität eines Satzes lediglich anhand der Anzahl der Wörter misst.
Diese Dissertation zeigt, dass ein inkrementeller Top-down Parser, der auf einem Grammatikformalismus basiert, offline und online Komplexitätsprofile berechnen kann, die verwendet werden können, um Vorhersagen über Satzverarbeitungsschwierigkeiten zu treffen.