<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Učenje umetne slovnice in jezikovna produkcija</dc:title><dc:creator>Košmrlj,	Lea	(Avtor)
	</dc:creator><dc:creator>Mueller,	Juta L.	(Mentor)
	</dc:creator><dc:subject>kognitivna znanost</dc:subject><dc:subject>učenje umetne slovnice</dc:subject><dc:subject>jezikovna produkcija</dc:subject><dc:subject>veliki jezikovni modeli</dc:subject><dc:subject>učenje abstraktnih slovničnih pravil</dc:subject><dc:subject>procesiranje hierarhij</dc:subject><dc:description>Jezik zahteva usklajeno delovanje številnih kognitivnih mehanizmov. Med njimi je posebej zanimiva človeška sposobnost za razumevanje skladnje. Pričujoča magistrska naloga se osredotoča na dva kognitivna mehanizma, ki naj bi igrala ključno vlogo v sintaktičnem procesiranju: abstrakcijo slovničnih pravil in procesiranje hierarhij. Oba mehanizma lahko empirično preučujemo s pomočjo učenja umetne slovnice (ang. artificial grammar learning), uveljavljene psiholingvistične eksperimentalne paradigme za preučevanje učenja abstraktnih strukturnih pravil kot predhodnika skladnje v naravnem jeziku. V zadnjih letih so se veliki jezikovni modeli, ki temeljijo na arhitekturi transformer, uveljavili kot trenutno najuspešnejši umetni sistemi za obdelavo naravnega jezika. Kljub temu njihovega delovanja, ki sicer temelji na verjetnostnem napovedovanju brez eksplicitno podanih slovničnih pravil, ter njihovih zmožnosti še ne razumemo dovolj dobro. Hkrati odpirajo nova vprašanja o kognitivnih modelih naravnega jezika in teorijah človeške skladnje. Pričujoča naloga naslavlja dve raziskovalni vrzeli: prvič, osredotočenost raziskav učenja umetne slovnice na jezikovno razumevanje in neraziskanost jezikovne produkcije; in drugič, pomanjkanje ustreznih primerjav med ljudmi in velikimi jezikovnimi modeli glede njihovih zmožnosti učenja umetne slovnice. V ta namen zasnujemo in izvedemo nov eksperiment, ki se osredotoča na jezikovno produkcijo in temelji na predhodnih eksperimentih učenja umetne slovnice z velikimi jezikovnimi modeli. Eksperiment raziskuje mehanizma abstrakcije slovničnih pravil in procesiranja hierarhij, izveden pa je z odraslimi udeleženci. Rezultati kažejo na to, da se ljudje pri učenju umetne slovnice odrežejo boljše kot veliki jezikovni modeli; za te hierarhična abstrakcija predstavlja posebej zahtevno nalogo, pri kateri se očitno opirajo na linearna, ne pa hierarhična strukturna pravila. Odrasli udeleženci se uspešno naučijo obeh vrst slovnic, nehierarhične in hierarhične, pri čemer so pri hierarhični nekoliko manj uspešni. Ugotovitve pričujoče naloge prispevajo k področju učenja umetne slovnice pri ljudeh ter se umeščajo v širšo razpravo o primerjavah med ljudmi in velikimi jezikovnimi modeli.</dc:description><dc:publisher>L. Košmrlj</dc:publisher><dc:date>2026</dc:date><dc:date>2026-06-12 08:30:59</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>183391</dc:identifier><dc:identifier>UDK: 004.89(043.2)</dc:identifier><dc:identifier>VisID: 204960</dc:identifier><dc:identifier>COBISS_ID: 281857027</dc:identifier><dc:language>sl</dc:language></metadata>
