Neue Forschungsergebnisse darüber, wie Kinder Sprache lernen, können dem Bereich des maschinellen Lernens helfen

Ein Team von Forschern an der Carnegie Mellon University hat eine neue Methode entwickelt, um experimentell zu bewerten, wie Eltern ihre Sprache anpassen, wenn sie mit Kindern sprechen, abhängig davon, was diese bereits wissen. Das Modell ist das erste seiner Art.

Die Forscher fanden heraus, dass Eltern präzise Strukturen der Sprachmodelle ihrer Kinder haben und diese verwenden, um ihre eigene Sprache anzupassen, wenn sie mit den Kindern sprechen.

Die Forschung wurde in der Zeitschrift Psychological Science.

Sprache für Kinder anpassen

Daniel Yurovsky ist Assistant Professor für Psychologie an der Carnegie Mellon University.

“Wir wissen seit Jahren, dass Eltern mit Kindern anders sprechen als mit anderen Erwachsenen, zum Beispiel indem sie ihre Sprache vereinfachen, Wörter wiederholen und Vokale dehnen”, sagte Yurovsky. “Das hilft kleinen Kindern, einen Fuß in die Sprache zu bekommen, aber wir wussten nicht, ob Eltern ihre Sprache anpassen, wenn Kinder Sprache erwerben, und ihnen Sprachinput geben, der ‘genau richtig’ für das Lernen des nächsten Dings ist.”

Laut dem Team sprechen Erwachsene mit Kindern langsamer und in höherer Tonlage, und sie verwenden auch übertriebene Artikulation, Wiederholung und vereinfachte Sprache. Außerdem verwenden Erwachsene Fragen, um die Verständnisfähigkeit eines Kindes zu überprüfen, und dieses gesamte Modell ändert sich, wenn die Sprachflüssigkeit des Kindes zunimmt.

Yurovsky sagt, dass dies ähnlich ist, wie ein Schüler Fortschritte macht, wenn er Mathematik in der Schule lernt.

“Wenn Sie zur Schule gehen, beginnen Sie mit Algebra und dann mit Ebene Geometrie, bevor Sie zu Analysis übergehen”, sagte Yurovsky. “Menschen sprechen mit Kindern, indem sie die gleiche Art von Struktur verwenden, ohne darüber nachzudenken. Sie verfolgen, wie viel ihr Kind über Sprache weiß, und passen ihre Sprache an, damit Kinder sie verstehen.”

Um zu verstehen, wie Betreuer ihre Interaktionen anpassen, wenn ein Kind entwickelt, entwickelte das Team ein Spiel, bei dem Eltern ihrem Kind helfen, ein bestimmtes Tier aus einer Gruppe von drei auszuwählen. Die Hälfte der Tiere waren solche, die Kinder normalerweise vor dem Alter von 2 lernen, während die andere Hälfte Tiere waren, die Kinder normalerweise später lernen.

Es gab insgesamt 41 Kind-Erwachsenen-Paare, die das Spiel spielten, und die Unterschiede in der Art, wie Eltern über Tiere sprachen, die sie dachten, ihre Kinder kannten, wurden gemessen.

“Eltern haben ein unglaublich präzises Wissen über die Sprache ihres Kindes, weil sie es haben wachsen und lernen sehen”, sagte Yurovsky. “Diese Ergebnisse zeigen, dass Eltern ihr Wissen über die Sprachentwicklung ihres Kindes nutzen, um die linguistischen Informationen, die sie bereitstellen, fein zu justieren.”

Die Forschung fand heraus, dass der Betreuer verschiedene Techniken verwendete, wenn er das “unbekannte” Tier dem Kind vermittelte, wie zum Beispiel zusätzliche Beschreibungen, die das Kind kannte.

“Dieser [Forschungs]Ansatz ermöglicht es uns, experimentell Ideen zu bestätigen, die wir aufgrund von Beobachtungen davon entwickelt haben, wie Kinder und Eltern zu Hause interagieren”, sagte Yurovsky. “Wir fanden heraus, dass Eltern nicht nur das verwendeten, was sie bereits über das Sprachwissen ihrer Kinder wussten, bevor die Studie durchgeführt wurde, sondern auch, dass sie ihre Art zu sprechen änderten, wenn sie herausfanden, dass sie falsch lagen – ihr Kind kannte zum Beispiel nicht ‘Leopard’ – sie änderten ihre Art, über das Tier zu sprechen, beim nächsten Mal.”

Nützlich im Bereich des maschinellen Lernens

Laut Yurovsky könnten die Ergebnisse Forschern im Bereich des maschinellen Lernens helfen.

“Diese Ergebnisse könnten uns helfen, zu verstehen, wie wir über Sprachsysteme des maschinellen Lernens nachdenken”, sagte er. “Derzeit trainieren wir Sprachmodelle, indem wir ihnen alle verfügbaren Sprachdaten auf einmal geben. Aber wir könnten es vielleicht besser machen, wenn wir ihnen die richtigen Daten zur richtigen Zeit geben könnten, sie auf dem richtigen Komplexitätsniveau halten, das sie bereit sind zu lernen.”

Das Team der Forscher umfasste auch Ashley Leung an der University of Chicago und Alex Tunkel an der George Washington University School of Medicine and Health Sciences.