Chinese sensorimotor and embodiment norms for 3,000 lexicalized concepts

Resumo Técnico: Normas Sensoriomotoras e de Embodiment em Chinês para 3.000 Conceitos Lexicalizados

Declaração do Problema
O artigo aborda uma lacuna crítica na ciência cognitiva e na pesquisa de inteligência artificial incorporada: a falta de recursos normativos de grande escala e alta dimensionalidade para línguas não indo-europeias. Embora compreender como o conhecimento conceitual se fundamenta na experiência corporal seja central para esses campos, os bancos de dados sensoriomotores existentes são predominantemente centrados no inglês ou limitados em escopo para o chinês mandarim. Recursos chineses anteriores cobriam poucas palavras (por exemplo, 232–689 itens), careciam de dimensionalidade abrangente (por exemplo, apenas modalidades perceptivas) ou restringiam-se a categorias gramaticais específicas (por exemplo, apenas substantivos). Essa escassez dificulta a investigação empírica sobre a relação entre experiência sensoriomotora e processamento lexical em chinês, bem como a capacidade de treinar ou avaliar modelos de linguagem de grande escala (LLMs) em conhecimento conceitual fundamentado.

Metodologia
O estudo está estruturado em três fases distintas:

1. Coleta de Dados (Estudo 1):

   • Participantes: 378 falantes nativos de mandarim foram recrutados via Prolific e plataformas de mídia social chinesas.
   • Estímulos: Uma lista de palavras com 3.000 conceitos lexicalizados de uso frequente foi montada agrupando itens de quatro estudos de normatização chineses existentes e adicionando 429 palavras de alta frequência do Corpus Sinica 4.0 e do Chinese Gigaword 5.
   • Avaliações: Os participantes forneceram avaliações em duas escalas:
     • Avaliações Sensoriomotoras de 11 Dimensões: Seguindo o arcabouço de Lancaster, os participantes avaliaram as palavras em seis modalidades perceptivas (Visual, Auditiva, Gustativa, Olfativa, Háptica, Interocepção) e cinco efetores de ação (Mão/Braço, Perna/Pé, Cabeça, Boca/Garganta, Tronco) em uma escala de 0 a 5.
     • Avaliações Unidimensionais de Embodiment: Os participantes avaliaram a força da experiência corporal evocada por cada palavra em uma escala Likert de 0 a 6.
   • Controle de Qualidade: Verificações de atenção rigorosas e um mini-teste de competência em língua chinesa foram administrados para garantir a validade dos dados.

2. Validação por Decisão Lexical (Estudo 2):

   • Conjunto de Dados: 2.044 palavras das normas sensoriomotoras foram emparelhadas com dados de decisão lexical (tempos de resposta e taxas de erro) do banco de dados MELD-SCH.
   • Preditores: Nove variáveis compostas foram derivadas das avaliações sensoriomotoras para prever o desempenho lexical:
     • Duas variantes de Força Perceptiva de Embodiment (PSE): PSE-Perceptiva (5 modalidades) e PSE-Sensorimotora (todas as 11 dimensões).
     • Seis métricas estabelecidas das normas de Lancaster: Força máxima, Minkowski-10, Minkowski-3, distância Euclidiana, força somada e componente de PCA.
     • A avaliação unidimensional de Embodiment.
   • Análise: Modelos de regressão linear bayesiana foram ajustados para prever tempos de resposta padronizados (zRT) e taxas de erro (ERR), controlando o comprimento e a frequência das palavras.

3. Análise de Recuperação Linguística (Estudo 3):

   • Abordagem: O estudo investigou até que ponto as avaliações sensoriomotoras podem ser previstas a partir de representações puramente linguísticas (embeddings de palavras estáticos do Tencent AI Lab) usando regressão ridge.
   • Métricas: A precisão preditiva foi medida via $R^2$ e $\rho$ de Spearman.
   • Análise Estrutural: A Análise de Similaridade Representacional (RSA) foi empregada para determinar se a estrutura geométrica (distâncias relacionais) do espaço sensorimotor avaliado por humanos poderia ser recuperada a partir do espaço previsto pelo modelo.

Principais Contribuições

• Recurso Inovador: Os autores apresentam o primeiro banco de dados de normatização sensorimotora de grande escala e 11 dimensões para 3.000 conceitos em mandarim chinês, cobrindo uma ampla gama de categorias gramaticais.
• Validação de Métrica: O estudo introduz e valida a métrica PSE-Sensorimotora, estendendo o arcabouço PSE para incluir interocepção e efetores de ação, demonstrando seu poder preditivo superior sobre compostos tradicionais.
• Dados de Fundamentação Empírica: O artigo fornece evidências empíricas sobre a recuperabilidade de informações sensoriomotoras a partir de representações linguísticas distribucionais em uma língua não inglesa, oferecendo um benchmark para pesquisas de IA incorporada.

Resultados

• Confiabilidade e Validade: As normas coletadas demonstraram alta confiabilidade interna (alfa de Cronbach variando de .698 a .949 entre as dimensões) e forte validade cruzada com recursos chineses existentes.
• Estatísticas Descritivas: A força visual foi a dimensão dominante (47,0% dos conceitos), seguida pela Interocepção (39,1%). As dimensões quimiossensoriais (Gustativa, Olfativa) tiveram as médias de avaliação mais baixas, mas as maiores forças médias para conceitos dominantes. As avaliações de Embodiment correlacionaram-se mais fortemente com efetores de ação do que com modalidades perceptivas.
• Predição de Decisão Lexical: No Estudo 2, todos os compostos sensoriomotores predisseram significativamente o desempenho na decisão lexical. PSE-Sensorimotora e Minkowski-3 emergiram como os preditores mais fortes, superando medidas unidimensionais e somas simples. Isso sugere que ponderar a dimensão dominante enquanto retém contribuições de dimensões não dominantes captura otimamente o efeito facilitador da informação sensorimotora.
• Recuperação Linguística: No Estudo 3, modelos de regressão ridge previram com sucesso as avaliações sensoriomotoras a partir de embeddings de palavras (média de $\rho$ de Spearman = .62). A recuperação variou por dimensão: as dimensões Visual e Auditiva mostraram alta correspondência, enquanto as dimensões quimiossensoriais (Gustativa, Olfativa) mostraram correlação de ordem de posto mais baixa ($\rho$ = .39) apesar de alto $R^2$, atribuído a distribuições de avaliação enviesadas e inefabilidade linguística.
• Recuperação Estrutural: A RSA revelou uma correlação significativa ($\rho$ = .540) entre a geometria relacional do espaço sensorimotor avaliado por humanos e o espaço previsto, indicando que padrões linguísticos distribucionais codificam parcialmente a estrutura do conhecimento conceitual incorporado.

Significado
O artigo afirma que essas descobertas fornecem um recurso normativo necessário para avançar a pesquisa em cognição incorporada em mandarim chinês. Ao demonstrar que compostos sensoriomotores multidimensionais (especificamente PSE-Sensorimotora e Minkowski-3) são preditores robustos do processamento lexical, o estudo oferece uma abordagem metodológica refinada para estudos comportamentais. Além disso, a recuperabilidade parcial da estrutura sensorimotora a partir de representações linguísticas apoia a visão de que o uso da linguagem codifica aspectos da estrutura conceitual incorporada, mesmo na ausência de fundamentação física direta. Isso tem implicações para a compreensão de como modelos de linguagem de grande escala podem adquirir conhecimento conceitual e para o desenvolvimento de sistemas de IA mais fundamentados. Os autores enfatizam que esses resultados ecoam o debate sobre fundamentação simbólica, sugerindo que, embora os modelos de linguagem careçam de experiência direta, os padrões estatísticos do uso da linguagem retêm vestígios da realidade sensorimotora.