Clear Sky Science · he

שיוף דינמיקות העיבוד של מילים מורכבות באנגלית אצל לומדי שפה שנייה: גישת מודלים פסיכולינגוויסטית

· חזרה לאינדקס

מדוע חידות מילים בשפה שנייה חשובות

כשאנשים קוראים בשפה שנייה, אפילו מילים שנראות פשוטות עלולות להסתיר עבודה פנימית מורכבת. המחקר שואל כיצד לומדי אנגלית סיניים מפענחים שמות עצם מורכבים כמו “teapot” או “snowman” במהלך קריאת משפטים שלמים. על ידי מעקב אחרי תנועות העיניים של הקוראים ושימוש במודלים ממוחשבים, החוקרים מראים אילו רמזים המוח נוטה להסתמך עליהם ראשונים—כמה נפוצה המילה, כמה ברורה משמעותה מחלקיה, וכיצד היא בנויה—ואיך התמהיל של רמזים אלה משתנה ממבט ראשון על המילה ועד לרגע שהמשמעות מתבררת.

צפייה בעיניים כדי לראות את המחשבה בפעולה

כדי להציץ בתהליך החבוי הזה, הצוות הקליט תנועות עיניים של 40 סטודנטים מתקדמים באוניברסיטאות בסין בזמן שקראו 123 משפטים באנגלית, שכל אחד מהם הכיל שם עצם מורכב אחד. הזזות זעירות של העיניים מגלה כמה זמן הקוראים נשארים על כל מילה. הכותבים התמקדו בשלושה מדדים: הרגע הראשון שבו העיניים נוחתות על המורכב, המעבר הראשון המלא דרכו, וזמן הקריאה הכולל הכולל קריאה חוזרת. שלבים אלה מתאימים בקירוב לזיהוי מוקדם של רצף האותיות, בניית מבנה המילה ומשמעות חלקית, ולבסוף התאמת המילה להקשר המשפטי. במקביל, כל שם מורכב תואר בעזרת עשרה מאפיינים נומריים שציינו כמה פעמים הוא וחלקיו מופיעים בשפה, עד כמה משמעותו הכוללת קשורה לחלקיו, וכיצד חלקיו מסודרים.

Figure 1. כיצד לומדים סיניים מסתמכים על מידה של שכיחות ומובן כדי לקרוא שמות עצם מורכבים באנגלית שלב אחר שלב.
Figure 1. כיצד לומדים סיניים מסתמכים על מידה של שכיחות ומובן כדי לקרוא שמות עצם מורכבים באנגלית שלב אחר שלב.

מתן אפשרות למודלים מונחי־נתונים לנסרק את הרמזים

במקום להסתמך רק על סטטיסטיקה מסורתית, החוקרים פנו ללמידת מכונה מונחית. הם אימנו ארבעה סוגי מודלים חזויים—עצים החלטתיים, יערות אקראיים, רשתות עצביות ורגרסיית וקטור תמיכה—כדי לאמוד כמה זמן הקוראים יתמקמו על כל מורכב בכל שלב, בהתבסס אך ורק על עשרת מאפייני המילה. בהשוואת הדיוק של המודלים ואילו מאפיינים הם הסתמכו עליהם ביותר, הצוות הצליח להסיק אילו רמזים לשוניים חשובים בזמן אמת. הגישה הזו מקבלת את הרעיון שקריאה אינה תהליך קווי פשוט: גורמים שונים יכולים להתרחש באינטראקציה בדרכים מורכבות ולא־לינאריות שקשה ללכוד בעזרת משוואות לינאריות סטנדרטיות.

ניחושים מהירים בהתחלה, ואז משמעות מעמיקה יותר

המודלים גילו מסלול זמן ברור. בשלבים המוקדמים של העיבוד, תדירות המורכב כולו שלטה באופן חזק: מילים נפוצות זוהו במהירות, מה שהוביל להקדמות ראשוניות קצרות יותר. כאשר המורכב היה נדיר, נדמה שהקוראים פנו לרכיביו, במיוחד לחלק הראשון, מה שמרמז שהם מנסים לפרק את המילה לחלקים מוכרים. בשלב האמצעי, כאשר הקוראים המשיכו להסתכל על המורכב, התדירות עדיין השפיעה אך משמעות החלק השני—הראש שמגדיר לעתים קרובות איזה סוג של ישות המורכב הוא—הפכה לחשובה יותר. בשלבי המאוחרים, כאשר נלקח בחשבון זמן הקריאה הכולל, מדדים הקשורים למשמעות התחרו בתדירות בהשפעתם. מורכבים שהמשמעות הכוללת שלהם תואמת היטב למשמעות החלקים הסתיימו במהירות יותר מאלו שלא שקופים והמובן שלהם לא ניתן היה לנחש בקלות מהמרכיבים.

Figure 2. כיצד ההשפעה של תדירות המילה ושל המשמעות משתנה בשלבי קריאה מוקדמים, אמצעיים ומאוחרים של שמות עצם מורכבים.
Figure 2. כיצד ההשפעה של תדירות המילה ושל המשמעות משתנה בשלבי קריאה מוקדמים, אמצעיים ומאוחרים של שמות עצם מורכבים.

מערכת גמישה להתמודדות עם מילים מורכבות

בצירוף, תוצאות מעקב העיניים והמודלינג תומכות בתמונה של המוח הבילינגואלי כגמיש ולא נוקשה. לומדי אנגלית סיניים יכולים לאחסן ולשלוף מורכבים תדירים כיחידות שלמות, בדומה לדוברים ילידים. עם זאת, כשמילים לא מוכרות או שמשמעותן קשה לחיזוי, הקוראים עוברים לניתוח איטי יותר, חלק-אחרי-חלק, שבודק עד כמה כל חתיכה מוכרת וכיצד משמעותן מתאימה זו לזו. המחברים מתארים זאת כמערכת "רב־מסלולים" הבוחנת מספר נתיבים במקביל ונמשכת לכיוונים שמשלבי הרמזים בהם נותנים את הסיכוי הטוב ביותר להבנה. עבור מורים וכותבי ספרי לימוד, הדבר מרמז כי לומדי שפה שנייה מרוויחים גם מחשיפה חוזרת למורכבים נפוצים וגם מהנחיה בזיהוי חלקי מילים משמעותיים, מה שמסייע להם להתמודד עם חידות מילים חדשות בביטחון רב יותר.

ציטוט: Peng, Y., Chen, S., Hou, R. et al. Refining the processing dynamics of English compound words in L2 learners: a psycholinguistic modeling approach. Humanit Soc Sci Commun 13, 672 (2026). https://doi.org/10.1057/s41599-026-06999-2

מילות מפתח: מילים מורכבות, קריאה בשפה שנייה, מעקב עיניים, תדירות מילים, שקיפות סמנטית