UTICAJ VELI
Č
INE DERIVACIONOG KLASTERA NA
BRZINU OBRADE IMENICA SRPSKOG JEZIKA
1Snežana
Đ
eri
ć
i Aleksandar Kosti
ć
2Laboratorija za eksperimentalnu psihologiju, Filozofski fakultet u Beogradu
Novija istraživanja obrade morfološki složenih reči pokazuju da, pored standardnih činilaca kao što su frekvencija, fonološka struktura, dužina reči itd., na vreme obrade utiče i veličina derivacionog klastera, tj. broj derivata koji su izvedeni iz date reči. Ukoliko je derivacioni klaster za datu reč veći, vreme njene obrade je kraće. Ovaj efekat dobijen je na većem broju jezika i pokazao se kao izuzetno stabilan. Cilj istraživanja prikazanog u ovom radu je da utvrdi da li veličina derivacionog klastera utiče i na obradu reči u srpskom jeziku. Izvedena su dva eksperimenta sa zadatkom leksičke odluke u kojima su prikazane imenice i pseudoimenice. U prvom eksperimentu prikazano je po 15 imenica koje se odlikuju malim i koje se odlikuju velikim derivacionim klasterom. U drugom eksperimentu prikazano je 50 imenica koje pokrivaju celokupan spektar veličina derivacionih klastera. Veličina derivacionog klastera za prikazane imenice preuzeta je iz Semantičko-derivacionog rečnika (Gortan-Premk, Vasić i Štasni, 2003). U oba eksperimenta je dobijen značajan efekat veličine derivacionog klastera. U multiploj regresiji je pokazano da ovaj faktor objašnjava značajan procenat variranja vremena reakcije preko frekvencije i dužine reči, dok dužina reči i frekvencija ne objašnjavaju značajan procenat variranja preko veličine derivacionog klastera.
Ključne reči: derivaciona morfologija, veličina derivacionog klastera, mentalni leksikon
1
Ovaj rad je pomognut sredstvima Ministarstva za nauku i zaštitu životne sredine republike Srbije, projekat br. D-149039.
2
Brojna psiholingvistička istraživanja pokazuju da na kognitivnu obradu pojedinačnih reči utiče veći broj činilaca kao što su frekvencija, fonološka struktura, dužina itd. U poslednjih desetak godina pokazano je da i veličina derivacionog klastera, tj. broj derivata koje je moguće izvesti iz date reči, utiče na brzinu leksičke obrade. Ujednačavanjem svih činilaca koji mogu da utiču na brzinu obrade, reči iz kojih je izveden veći broj derivata (koje su derivaciono produktivnije) obrađuju se brže od reči iz kojih je izveden manji broj derivata (Schreuder i Baayen, 1997; Bertram, Baayen i Schreuder, 2000). Ovaj efekat demonstriran je i u seriji eksperimenata izvedenih na hebrejskom, kineskom, japanskom i finskom jeziku (Feldman i sar., 1995; Taft i Zhu, 1995; Yamada i Kayamoto, 1998; Hyona i Pollatsek, 1998).
Pod derivacionim klasterom podrazumevamo skup svih derivata koje je moguće izvesti iz određene reči. Postoje dve mere kojima je moguće opisati derivacioni klaster. Prva mera je veličina derivacionog klastera koja je određena brojem reči u kojima se korenska reč pojavljuje kao konstituent. Druga mera je
frekvencija derivacionog klastera koja predstavlja sumu frekvencija svih derivata date reči. Ove mere su međusobno povezane: veličina derivacionog klastera je u visokoj korelaciji sa njegovom frekvencijom. Međutim, kada je reč o njihovom uticaju na brzinu obrade reči efekti su različiti. Veličina derivacionog klastera obrnuto je proporcionalna vremenu obrade: ukoliko je derivacioni klaster date reči veći, vreme njene obrade u zadatku leksičke odluke je kraće. Nasuprot tome, rezultati nekih istraživanja pokazuju da frekvencija derivacionog klastera ne utiče na vreme obrade (Schreuder i Baayen, 1997). Štaviše, postoje indicije da bi frekvencija derivacionog klastera mogla da predstavlja inhibitorni faktor (De Jong i sar., 2000). Pošto su reči koje se odlikuju velikim derivacionim klasterom po pravilu frekventnije i odlikuju se većom frekvencijom derivacionog klastera, odsustvo efekta frekvencije derivacionog klastera ukazuje na to da je efekat veličine derivacionog klastera autonoman i da nije posledica kolinearnosti sa nekim drugim faktorima.
Prikazane studije rađene su pretežno na imenicama i ostavljaju otvorenim pitanje generalizacije na druge vrste promenljivih reči. Rezultati istraživanja, međutim, pokazuju da i za glagole postoji isti efekat veličine derivacionog klastera, što ukazuje na to da ovaj efekat nije ograničen samo na jednu vrstu reči (imenice) (De Jong i sar., 2000).
Postavlja se pitanje da li efekat veličine derivacionog klastera zavisi od prirode jezika. U holandskom jeziku, na kojem je ovaj efekat prvi put uočen, veliki broj
članova klastera koji se odnose na određenu osnovnu leksemu semantički je transparentan, što znači da derivati imaju jasan značenjski odnos sa svojim korenom ili osnovnom leksemom. Za razliku od holandskog, finski jezik se odlikuje veoma bogatim morfološkim (derivacionim) sistemom, ali derivati nisu uvek značenjski transparentno povezani sa osnovnom leksemom. Šrojder i Bajin smatraju da bi ovakva semantička raznolikost unutar jednog klastera mogla da dovede do toga da njegova veličina ne bude pouzdan prediktor vremena reakcije u zadatku leksičke
posmatra kao širenje semantičke aktivacije od monomorfemskih reči ka njenim derivatima. Nalazi Šrojdera i Bajina (1997), kao i nalazi Bertrama, Šrojdera i Bajina (2000) potvrđuju ovu postavku, pokazujući da semantički udaljeni članovi klastera (semantički netransparentni članovi klastera) ne doprinose efektu veličine derivacionog klastera.
VELI
Č
INA DERIVACIONOG KLASTERA I
MODELI OBRADE MORFOLOŠKI SLOŽENIH RE
Č
I
Efekat veličine derivacionog klastera deo je šireg problema obrade morfološki složenih reči i načina na koji su takve reči reprezentovane u mentalnom leksikonu. U daljem tekstu dajemo kratak prikaz osnovnih karakteristika standardnih modela obrade morfološki složenih reči i njihovu evaluaciju kada je u pitanju uticaj derivacionog klastera na vreme obrade.
Po modelima serijalne pretrage (npr. Rubenstein, 1970, 1971), u procesu obrade morfološki složenih reči afiksi se otklanjaju iz vizuelnog inputa (prikazanog niza), čime je korenskoj morfemi omogućeno da aktivira ulaz u mentalni leksikon. Ustrojstvo mentalnog leksikona je takvo da su morfološki složene reči koje sadrže datu korensku leksemu uskladištene po frekvenciji, pri čemu su reči sa višom frekvencijom uskladištene bliže ulazu u mentalni leksikon. Morfološki složene reči koje sadrže datu korensku leksemu pretražuju se redno, sve dok se ne nađe prikazani niz (input). Iz ovakvih pretpostavki modela sledi da bi obrada reči sa većim derivacionim klasterom trebalo da traje duže jer je skup koji se pretražuje veći. Empirijski nalazi, međutim, govore upravo suprotno – ukoliko se reč odlikuje većim derivacionim klasterom, vreme njene obrade je kraće.
Model koji uspešno objašnjava različite efekte veličine i frekvencije derivacionog klastera je model paralelnog dvostrukog puta (Parallel dual route model) Šrojdera i Bajina (1995) (grafik 1). Model paralelnog dvostrukog puta polazi od pretpostavke da kod lema reči sa sličnim značenjima postoji preklapanje semantičkih odlika. Što je sličnije značenje reči, to je preklapanje veće. Kako
članovi klastera imaju deo značenja koji im je zajednički, njihove leme su povezane kroz delove zajedničkih semantičkih odlika. Efekat veličine derivacionog klastera objašnjava se mehanizmom šireće aktivacije. Aktivacija određene leme širi se na ostale leme koje su sa njom semantički povezane, ali i na reči koje su iz nje izvedene (derivati). Što je veći broj aktiviranih derivata, povećava se ukupna aktivacija u mentalnom leksikonu, što u zadatku leksičke odluke dovodi do skraćenja vremena reakcije.
Grafik 1. Reprezentacije za reči holandskog jezika huis (kuća'), verhuizen, (pomeranje kuće') i prefiks ver- u modelu šireće aktivacije morfološkog procesiranja
INFORMACIONI REZIDUAL
IR (w) = IS (w) – Htot (w) (1)
Količina informacije (bit) koju nosi derivacioni oblik (derivat) w (Is(w)) određene frekvencije F(w) u korpusu veličine N dobija se na osnovu standardne jednačine za izračunavanje količine informacije (jednačina 2):
Is(w)=-log2 p(w)≅ - log2 F(w)/N (2)
gde je p(w)≅F(w)/N verovatnoća javljanja w u korpusu. Količina informacije koju nosi data reč i vreme njene obrade stoje u direktno proporcionalnom odnosu: reči koje se odlikuju većom količinom informacije biće obrađene sporije.
Entropija derivacionog klastera se dobija na osnovu standardne Šenonove jednačine (jednačina 3):
H(Ρ) = - ∑ p(x⏐Ρ) log2 p(x⏐Ρ) ≅ - ∑ F(x)/ F(Ρ) log2 F(x)/ F(Ρ) (3)
gde je F(Ρ) frekvencija osnove za sve reči koje dele istu osnovu, a F(x) frekvencija oblika date reči. Entropija derivacionog klastera stoji u obrnuto proporcionalnom odnosu sa vremenom obrade: ukoliko je entropija veća, vreme obrade je kraće. Drugim rečima, pri obradi jedne reči imamo dva suprotna uticaja. Ukoliko je količina informacije koju nosi data reč veća vreme njene obrade će biti duže. Nasuprot tome, ukoliko je entropija derivacionog klastera date reči veća, vreme njene obrade će biti kraće.
Efekat veličine derivacionog klastera analiziran je multiplom regresijom u kojoj je testiran uticaj veličine derivacionog klastera i frekvencije reči. U regresionoj analizi vrednosti informacionog reziduala objašnjavaju približno jednak procenat varijanse vremena reakcije kao i pomenuta dva faktora zajedno, ali je prednost ovakvog pristupa u tome što su dve mere svedene na jednu, i to u okviru univerzalne metrike (količina informacije). Pri tom, informacioni rezidual je mera koja može da se primeni i na infleksionu i na derivacionu morfologiju.
S obzirom na to da je efekat veličine derivacionog klastera na obradu imenica dobijen u velikom broju istraživanja u različitim jezicima, u ovom radu želimo da ispitamo da li postoji efekat derivacionog klastera i u slučaju imenica srpskog jezika. Podaci o veličini derivacionih klastera za imenice korišćene u ovom radu preuzete su iz Semantičko-derivacionog rečnika u kojem su dati derivati i derivaciona gnezda za imenice srpskog jezika koje označavaju delove ljudskog tela (Gortan-Premk i sar., 2003).
EKSPERIMENT 1
Da bismo utvrdili da li i u srpskom jeziku postoji efekat veličine derivacionog klastera pristupili smo eksperimentu u kojem smo prikazali dve grupe imenica sa ekstremnim vrednostima veličine derivacionog klastera. U jednoj grupi su bile imenice koje se odlikuju velikim, a u drugoj imenice koje se odlikuju malim derivacionim klasterom, čime smo potencirali razlike u veličini derivacionih klastera.
Metod
Ispitanici. U eksperimentu je učestvovalo 16 studenata prve godine sa Odeljenja za psihologiju Filozofskog fakulteta u Beogradu.
Stimulusi, nacrt i procedura. Dve grupe imenica, odabranih iz Semantič ko-derivacionog rečnika (Gortan-Premk i sar., 2003), izlagane su u eksperimentu sa zadatkom leksičke odluke. Prva grupa sastojala se od 15 imenica čiji je broj derivata bio je jednak ili manji od sedam, dok je druga grupa sadržala 15 imenica
čiji je broj derivata jednak ili veći od dvadeset tri. Trideset imenica sva tri roda i 30 pseudoimenica prikazano je u nominativu jednine. Prikazane imenice, njihova frekvencija i veličina derivacionog klastera dati su u tabeli 1 u Dodatku. Pseudoimenice su formirane permutacijom slova u rečima iz uzorka tako da zadržavaju fonološku strukuturu reči srpskog jezika (npr. pupak- kupap).
REZULTATI
Iz analize su isključene tri reči; dve usled velikog procenta grešaka (zatiljak - 62,5% i stegno - 87,5%) i jedna kod koje je došlo do izrazitog odstupanja u vremenu reakcije iz razloga koji nisu dovoljno jasni (jagodica). Pre analize rezultata vrednosti veličine derivacionog klastera i frekvencije reči podvrgnute su logaritamskoj transformaciji. U tabeli 1 u Dodatku date su frekvencije i broj derivata za svaku od prikazanih reči.
Analiza varijanse, izvedena na prosečnim vrednostima vremena reakcije po subjektima i po stimulusima, pokazuje značajan efekat veličine derivacionog klastera: [F1(1, 15)=22,05; p<0,001] - po subjektima i [F2(1, 25)=29, 787; p<0,001] - po stimulusima. Na grafiku 2 prikazan je odnos između prosečnog vremena reakcije i logaritma veličine derivacionog klastera za reči prikazane u eksperimentu.
Uzimajući u obzir mogućnost kolinearnosti frekvencije reči i njene derivacione produktivnosti, logaritam veličine derivacionog klastera koreliran je sa logaritmom frekvencije: [r2=0,179; F(1, 25)=5,443; p<0,028]. Pošto je dobijen značajan koeficijent korelacije, urađeni su i ostali kontrasti koji pokazuju značajnu korelaciju između dužine reči (broj slova) i logaritma veličine derivacionog klastera:
[r2=0,482; F(1, 25)=23,275; p<0,001], dok korelacija dužine reči i logaritma frekvencije nije dostigla statističku značajnost: [r2=0,12; F(1, 25)=3,392; p<0,077].
Grafik 2. Rezultati za eksperiment 1
Scatterplot (eksperiment1 22v*27c)
prosecnoRT = 800,3595-23,1885*x
-1 0 1 2 3 4 5 6 7 8 9
logTD 550
600 650 700 750 800 850 900
pr
osecnoR
U regresionoj analizi, u kojoj su kontrastirana prosečna vremena reakcije i logaritam veličine derivacionog klastera, dobijen je značajan koeficijent determinacije: [r2=0,591; F(1, 25)=36,125; p<0,001]. Drugim rečima, veličina derivacionog klastera objašnjava oko 60% variranja vremena reakcije.
Podatak da veličina derivacionog klastera značajno utiče na vreme reakcije ipak zahteva dalje analize. U regresionoj analizi pokazano je da logaritam frekvencije objašnjava 17% variranja vremena reakcije: [r2=0,173; F(1, 25)=5,245; p<0,031]. Regresiona analiza je pokazala da i dužina reči objašnjava značajan procenat variranja vremena reakcije: [r2=0,288; F(1, 25)=10,129; p<0,004].
Kako je prethodno pokazano da dužina reči i njena frekvencija značajno utiču na vreme obrade, kao i činjenica da su frekvencija i veličina derivacionog klastera korelirane, postavlja se pitanje da li veličina derivacionog klastera objašnjava značajan procenat variranja vremena reakcije preko frekvencije i dužine reči. U sekvencionoj multiploj regresiji pokazano je da logaritam frekvencije i dužina reči, uzeti pojedinačno, ne daju značajan doprinos objašnjenoj varijansi preko ostale dve varijable, dok logaritam veličine derivacionog klastera pokazuje značajan doprinos preko ostala dva prediktora: [t(3, 26)=-3,815, p<0,001]. Dobijeni rezultat govori da, kontrolišući doprinose dužine reči i njene frekvencije, veličina derivacionog klastera objašnjava značajan procenat varijanse vremena obrade preko frekvencije i dužine reči, dok frekvencija i dužina reči ne objašnjavaju značajan procenat varijanse preko veličine derivacionog klastera.
EKSPERIMENT 2
Kao i u prethodnom eksperimentu, i u ovom ogledu postavljamo pitanje da li veličina derivacionog klastera objašnjava značajan procenat variranja vremena obrade imenica. Razlika u odnosu na prethodni ogled je u tome što imenice prikazane u eksperimentu pokrivaju celokupan spektar veličina derivacionih klastera. Uzimajući u obzir efekat dužine reči i njihove frekvencije, postavlja se pitanje da li se variranja vremena reakcije mogu objasniti veličinom derivacionog klastera kada se uračuna kovarijansa dva navedena faktora i kada je veličina derivacionog klastera uzeta kao kontinuirana promenljiva.
Metod
Ispitanici. U eksperimentu je učestvovalo 17 studenata prve godine sa Odeljenja za psihologiju Filozofskog fakulteta u Beogradu.
et al., 2003) i pedeset pseudoimenica. Imenice prikazane u eksperimentu, njihove frekvencije i veličina derivacionog klastera dati su u tabeli 1 u Dodatku. Procedura u ovom eksperimentu identična je proceduri koja je korišćena u prethodnom eksperimentu.
REZULTATI
Iz analize su isključene dve reči zbog velikog procenta grešaka (zatiljak:
62,5% i stegno: 87,5%). Pre analize rezultata vrednosti veličine derivacionog klastera i frekvencije reči podvrgnute su logaritamskoj transformaciji.
Na grafiku 3 prikazan je odnos između prosečnog vremena reakcije i logaritma veličine derivacionog klastera. U regresionoj analizi u kojoj su kontrastirana prosečna vremena reakcije i logaritam veličine derivacionog klastera dobijen je značajan koeficijent determinacije: [r2=0,385; F(1,48)=30,071; p<0,001]. Dobijeni nalaz pokazuje da veličina derivacionog klastera značajno utiče na vreme obrade reči.
Grafik 3. Rezultati za eksperiment 2
Scatterplot (eksperiment2 37v*98c)
prosecnoRT = 706,8583-16,4086*x
-1 0 1 2 3 4 5 6 7 8 9
logTD 540
560 580 600 620 640 660 680 700 720 740 760 780
pros
ec
noR
T
urađeni su i ostali kontrasti koji pokazuju značajnu korelaciju između dužine reči i logaritma veličine derivacionog klastera: [r2=0,38; t(49)=1,598; p<0,001] i između dužine reči i logaritma frekvencije: [ r2=0,171; t(49)= -3,33; p<0,002].
Imajući u vidu nalaz prethodnog eksperimenta, u regresionoj analizi su kontrastirana prosečna vremena reakcije i logaritam frekvencije: [r2=0,271; F(1, 48)=17,86; p<0,001]. Značajan koeficijent determinacije dobijen je i kontrastiranjem prosečnog vremena reakcije i dužine reči: [r2=0,18; F(1, 48)=10,537; p<0,002].
Pošto dužina reči i frekvencija značajno utiču na vreme obrade, a i frekvencija i veličina derivacionog klastera značajno koreliraju, postavlja se pitanje da li efekat veličine derivacionog klastera objašnjava variranje vremena obrade preko dužine reči i njene frekvencije. Kao i u prethodnom eksperimentu, u sekvencionoj multiploj regresiji pokazano je da dužina reči i logaritam frekvencije, uzeti pojedinačno, ne pokazuju značajni doprinos preko preostale dve varijable, dok logaritam veličine derivacionog klastera pokazuje značajan doprinos preko ostala dva prediktora: [t(3, 49)=-3,055, p<0,004].
ZAVRŠNA DISKUSIJA
Cilj ovog istraživanja je da se utvrdi da li je efekat veličine derivacionog klastera izražen i u srpskom jeziku, kada se uzme u obzir kovarijansa dužine reči i njihova frekvencija. Izvedena su dva eksperimenta. U prvom eksperimentu prikazane su dve grupe reči koje su se razlikovale po stepenu derivacione produktivnosti (veličini derivacionog klastera). Takvo uzorkovanje izvršeno je da bi eventualan efekat veličine derivacionog klastera bio što izraženiji. U drugom eksperimentu prikazane su imenice koje pokrivaju celokupan spektar veličina derivacionih klastera.
Sekvenciona multipla regresija urađena na rezultatima prvog eksperimenta pokazuje da logaritam frekvencije i dužina reči, uzeti pojedinačno, ne daju značajan doprinos objašnjenoj varijansi preko veličine derivacionog klastera, dok logaritam veličine derivacionog klastera pokazuje značajan doprinos preko ostala dva prediktora. Rezultati multiple regresije rađene za drugi eksperiment daju iste rezultate; samo logaritam veličine derivacionog klastera pokazuje značajan doprinos objašnjenju varijanse preko preostala dva prediktora. Dobijeni rezultati govore da, držeći pod kontrolom doprinose dužine reči i frekvencije, postoji procenat varijanse vremena obrade imenica u srpskom jeziku koji može da se objasni samo veličinom derivacionog klastera.
neophodno primeniti posebne statističke tehnike na osnovu kojih bi se aproksimirale verovatnoće derivata koji se ne pojavljuju u Frekvencijskom rečniku savremenog srpskog jezika (jedan od načina je da se primene skale familijarnosti na kojima bi se procenjivala poznatost reči koje se nalaze i koje se ne nalaze u Frekvencijskom rečniku savremenog srpskog jezika, čime bi se dobile aproksimacije relativnih odnosa frekvencija). Tek kada se aproksimiraju frekvencije za sve derivate biće moguće ispitati da li postoji efekat frekvencije, i ako postoji, da li je on zaista inhibitoran kao što sugerišu neki nalazi.
Nedostatak uvida u frekvencije svih članova derivacionih klastera za stimuluse koji su prikazani u dva eksperimenta onemogućio je i izračunavanje vrednosti entropija derivacionih klastera, a samim tim i vrednosti informacionog reziduala za prikazane stimuluse. Stoga istraživanje prikazano u ovom radu treba smatrati samo prvim korakom u istraživanju obrade derivacione morfologije srpskog jezika.
LITERATURA
Bertram, R., Baayen R. H. & Schreuder, R. (2000). Effects of family size for complex words. Journal of Memory and Language, 42, 390-405.
De Jong, N., Schreuder, R. & Baayen, R. H (2000). The morphological family size effect and morphology. Language and Cognitive Processes, 15, 329-365. Feldman, L. B., Pnini, T. & Frost, R. (1995). Decomposing words into their
constituent morphemes. Evidence from English and Hebrew. Journal of Experimental Psychology: Learning, Memory and Cognition., 21, 947-960. Gortan-Premk, D., Vasić, V. i Štasni, G. (2003). Semantičko-derivacioni rečnik,
sveska 1, ČOVEK-DELOVI TELA: od pretpostavki do rezultata. Lingvističke sveske 3. Novi Sad, Filozofski fakultet
Hyona, J. & Pollatsek, A. (1998). Reading finnish compound words: Eye fixations are affected by component morphemes. Journal of experimental Psychology: Human Perception and Performance, 24, 1612-1627.
Kostic, A. (1991). Informational approach to processing of inflected morphology: standard data reconsidered. Psychological Research, 53, 62-71.
Kostic, A. (1995). Informational load constraints on processing inflected morphology. U L. B. Feldman: Morphological Aspects of Language Processing. Lawrence Erlbaum Associates, Publishers. Hillsdale, New Jersey.
Kostic, A., Markovic, T. i Baucal, A. (2003). Inflectional morphology and word meaning: orthogonal or co-implicative cognitive domains? U H. Baayen & R. Schreuder (Eds.) Morphological Structure in Language Processing. Berlin, Mouton de Gruyter (str.1- 45).
Moscoso del Prado Martin, F., Kostić, A. i Baayen, H. (2003). Putting the bits together: An informational perspective on morphological procesing. Cognition,
94(1), 1-18.
Niemi, J., Laine, M. & Tuominen, J. (1994). Cognitive morphology in Finish: foundations of a new model, Language and Cognitive Peocesses, 9, 423-446. Schreuder R. & Baayen, R. H. (1995). Modeling morphological processing. U L. B.
Feldman (Ed.) Morphological Aspects of Language Processing. Lawrence Erlbaum Associates, Publishers. Hillsdale, New Jersey.
Schreuder R. & Baayen, R. H. (1997). How complex simplex words can be.
Journal of Memory and Language, 37, 118-139.
Taft, M. & Forster, K. I. (1975). Lexical storage and retrieval of prefixed words.
Journal of Verbal Learning and Verbal Behavior, 14, 638-647.
Taft, M. & Forster, K. I. (1976). Lexical storage and retrieval of polymorphemic and polysyllabic words. Journal of Verbal Learning and Verbal Behavior, 15, 607-620.
Taft, M. (1979). Recognition of affixed words and the word frequency effect.
Memory and Cognition, 7(4), 263-272.
Taft, M. (1981). Prefix stripping revisited. Journal of Verbal Learning and Verbal Behavior, 20, 289-297.
Taft & Zhu (1995). The representation of bound morphemes in the lexicon: A Chinese study. U L. Feldman (Ed.) Morphological aspects of language processing. Hillsdale, N. J., Erlbaum.
ABSTRACT
THE EFFECT OF FAMILY SIZE ON PROCESSING SERBIAN
NOUNS
Snežana
Đ
eri
ć
and Aleksandar Kosti
ć
Laboratory for Experimental Psychology, University of Belgrade, Serbia
In two lexical decision experiments the effect of family size was investigated for Serbian nouns. In the first experiment there were 15 nouns of low and 15 nouns of high family size, while in the second experiment 50 nouns that cover the whole range of family size spectrum were presented. In both experiments family size accounts for significant proportion of explained variance of response latencies. In multiple regression the effect of family size is significant over and above word frequency and word length, while frequency and word length do not account for significant proportion of variance over and above family size.
Key words: derivational morphology, family size, mental lexicon
DODATAK
Tabela 1: Imenice prikazane u eksperimentima 1 i 2, njihova frekvencija i broj derivata (znakom * označene su imenice prikazane u prvom eksperimentu).
Imenica F br. der. Imenica F br. der.
BOK 85 37 NOKAT 111 14
BRADA* 73 75 NOS 51 31
BRK* 45 37 OBRAZ 184 64
BUT 4 6 OBRVA* 55 5
VLAS* 62 33 PAZUH* 28 5
VRAT 251 48 PALAC* 15 5
GLAVA* 1367 330 POTILJAK* 19 2
GLEŽANJ* 15 3 PRSA 96 36
GRLO* 402 38 PUPAK* 10 23
GRUDI 831 42 REBRO 111 24
DLAKA 35 23 RUKA* 4830 300
DLAN 560 12 STEGNO* 8 1
ZATILJAK 6 3 STOMAK 9 4
ZENICA* 170 2 STOPA 379 10
ZUB* 314 106 STRUK* 101 5
JAGODICA 1 3 TABAN 40 12
JEZIK* 5 49 TELO 1215 30
KOŽA* 273 68 TRBUH* 77 60
KOLENO 223 33 TRUP 20 10
KOST* 355 73 UHO* 270 71
LEĐA 279 20 USTA 416 47
LICE* 5 267 ČELO 648 41
LOBANJA* 88 1 ČELJUST 47 2
NEDRA* 35 4 ŠAKA* 232 28
