Earticle

In this paper, 1 suggested the new procedure of sentence generation. The examination about the human language process is very difficult because it operate unconsciously and very momentary processing. But we think about that the process is not single line operating nor one way. It is a parallel and circulation. Accordingly, it is not output from any one seed of sentence as Deep Structure. And the core of grammatical relation is not the system of command from 'head'. It is relational and variables of grammatical unit.

이 논문은 거대언어모델(Large Language Model) 문장처리와 인간 문장처리의 양상을 비교하여, 이 두 유형 간 처리결과의 유사점과 차이점을 심리언어학적 관점에서 고찰해 보는 것을 목표로 한다. 기대 기반의 문장처리 관점에 따르면, 인간 처리자는 주어진 맥락 정보에서 언어적 단서를 적극적으로 추출하여 앞으로 등장할 단어를 확률적으로 예측하고, 이를 문장처리에 즉시 반영한다고 한다. 이런 인간 처리자의 예측 기반의 확률적 행동은 거대언어모델의 작동 원리와 기본적인 측면에서 공유하는 점이 많다. 이 논문에서는 기대 기반의 인간 문장처리와 거대언어모델의 시뮬레이션을 다면적으로 비교하고자 하였다. 이를 위해, 영어 도구 논항을 연구 대상으로 하였고, 도구 명사가 논항(argument)의 위상을 가졌을 때와 부가어(adjunct)로 사용될 때 관찰된 인간 행동의 시뮬레이션을 처리 (processing)와 생성(generation)의 영역에서 시도했다. 거대언어모델은 도구 논항을 결정하 는 동사유형 효과를 성공적으로 모사하였다. 도구 명사를 생성하는 과제에서는 인간보다 도구명사 생성률이 낮아서 소극적 생성이라고 할 수 있었으나, 거대언어모델이 생성한 도구 명사와 인간이 생성한 도구 명사의 의미적 유사성은 낮지 않았다. 이 논문에서 소개된 일련의 언어모델 시뮬레이션은 인간의 행동과 대체로 유사하다고 판단되며, 이 결과는 거대언어모델이 인간 언어처리 행동을 예측하는 도구로 사용될 수 있다는 견해를 지지한다.

This paper examines the similarities and differences between Large Language Models (LLMs) and humans in sentence comprehension and generation. In psycholinguistics, expectation-based approaches suggest human processors use linguistic cues from contexts to predict upcoming words before encountering them. Our study compares the predictive sentence processing of humans and LLMs across several domains. Using English instrument arguments and adjuncts in prepositional phrases within declarative sentences, we present findings indicating that LLMs effectively simulate human behaviors in processing instrument nouns: The LLMs successfully demonstrated the significant role of verb type in distinguishing instrument arguments from adjuncts. Although LLMs were more passive than humans in generating instruments from sentence fragments, the semantic features of LLM-generated instruments closely matched those generated by humans. Our results suggest that LLMs are fairly successful in simulating human sentence processing, supporting their use as a pratical tool for predicting human processing behaviors.

본 연구의 목적은 한국 농인들이 한국수어 단어를 처리할 때 한국수어 정보처리 양상을 탐색해보고, 사람의 수어와 아바타의 수어를 처리하는 과정에서 차이가 있는가를 알아보는 것이다. 이를 위해 사람의 수어 영상은 녹화본을 사용하였고, 아바타의 수어 영상은 마야(MAYA) 및 유니티(Unity) 소프트웨어를 통해 제작하였다. 본 실험에 사용된 수어 자극은 각각 단어 50개, 비단어 50개로 이루어졌다. 실험에 참여한 농인 42명은 수어 영상을 보고 단어인지 비단어인지 최대한 빠르고 정확하게 판단해야 하는 수어 어휘판단과제를 실시하였다. 실험 결과 농인들은 아바타의 수어보다 사람의 수어에 더 짧은 반응시간을 보였다. 또한, 농인들은 수어를 구사하는 주체에 따라 서로 다른 반응기준을 가지고 응답하였는데, 사람의 수어 조건에서는 모험 편향을 나타내었으나 아바타의 수어 조건에서는 보수 편향을 나타내었다. 이러한 결과는 농인들이 아바타가 구사하는 수어보다 사람이 구사하는 수어를 볼 때 더 정확하고 빠르게 어휘성을 판단함을 나타내며, 농인들이 아바타가 구사하는 수어를 처리할 때 인지적인 부담을 느낌을 시사한다.

The purpose of this study is to investigate how deaf signers of Korean Sign Language (KSL) process KSL words and whether there are differences in processing between human-generated sign language and avatar-generated sign language. To compare the two processes, human sign videos were created by recording a sign language interpreter expressing KSL words, while avatar sign videos were created with the Maya and the Unity software. The sign language stimuli used in the experiment consisted of 50 words and 50 nonwords. Forty-two deaf signers took part in a sign language lexical decision task, where they were asked to watch sign language videos and determine whether the stimuli were words or nonwords as fast and accurately as they can. The results showed that the signers responded more quickly to human sign videos than to avatar sign videos. Furthermore, the participants responded with different criteria depending on the conditions: they showed a liberal bias in the human sign condition, while they exhibited a more conservative bias in the avatar sign condition. These findings indicate that the singers were able to process information from human sign videos more accurately and rapidly than the same information from avatar sign videos. Additionally, our results support that signers tend to experience cognitive burden when processing words signed by an avatar.