Подопытные дети, прорабы на стройке и разговоры с роботами: как лингвисты ставят научные эксперименты

Вы когда-нибудь задумывались, как можно изучать оговорки?

Лингвисты часто использовали своих детей в качестве подопытных кроликов.

А как еще собрать данные, содержащие примеры спонтанных оговорок ребенка? Джери Йегеру и Джозефу Стембергеру, например, оставалось только бежать за записной книжкой каждый раз, когда их чада радовали ученых родителей новыми перлами. Но дети не так наивны, как кажется, и были случаи, когда сбор данных пришлось прекратить: маленькие хитрецы начинали специально оговариваться, потому что отцы слишком явно радовались «фелиному кюре». А Йегер собирал необходимое для анализа количество оговорок в течение шести лет, так как сами по себе эти речевые казусы — явление достаточно редкое. Согласитесь, не у каждого ученого дома живет «подопытный кролик», и не всякий может позволить себе в течение долгих шести лет охотиться за языковыми ляпами.

Получите первый бесплатный урок по английскому от Skyeng

Эксперимент у многих ассоциируется с лабораторией, с искусственно созданными условиями, и далеко не любые данные можно получить с его помощью. Но нельзя забывать, что исследователи ставят опыты с целью подробнее узнать что-то новое о «внешнем мире», о чем-то интуитивном и существующем в естественной среде, где на каждое отдельное явление оказывают воздействие десятки факторов. Благодаря экспериментам ученые могут наблюдать конкретный фрагмент реальности, контролировать все, что влияет на результат, а в обычной, стихийной и непредсказуемой, жизни подобное недостижимо. Главное преимущество этого научного метода состоит в том, что данные можно собрать за короткий срок, отыскав достаточное количество участников и создав удачный дизайн эксперимента.

В теории все очень просто, но как заставить чужих детей в определенное время сделать как можно больше оговорок?

Сможете придумать, как этого добиться? Ответ в конце статьи. А сейчас давайте поговорим об интересных дизайнах лингвистических экспериментов, когда ученые ухитрились обойти казавшиеся непреодолимыми преграды.

Специалисты из Университета Стэнфорда решили подтвердить гипотезу, согласно которой в диалоге важна не только речь, но и визуальные сигналы — жесты и мимика.

Для сбора данных ученые попросили участников совместно выполнять интересное задание — собирать LEGO.

Добровольцев распределили по парам и назначили им роли: у «директора» было десять схем для конструирования различных моделей, а «строителю» предстояло все правильно собрать, следуя инструкциям «начальника». Процесс снимался на камеру для дальнейшего анализа речи участников и визуальных сигналов.

Чтобы узнать, насколько важны жесты и мимика в коммуникации, ученые меняли условия эксперимента. В первой группе директор стройки LEGO наблюдал за процессом созидания; во второй он не видел рабочий стол, то есть не мог мониторить действия напарника; в третьей ему необходимо было записать указания для своего «подопечного» на аудио, и тот мог слушать их, пока делал модель. Результаты эксперимента показали, что, если директор не видит строителя, процесс занимает больше времени. Еще сложнее было выполнить задание, когда один из участников записывал инструкции и совершенно не мог контролировать ход работы.

Вы замечали, что, общаясь с кем-либо, начинаете использовать клички и прозвища, по-особому называть некоторые места и предметы? Если в вашей компании появляется новичок, пройдет определенное время, пока он сможет приспособиться к принятым у вас выражениям или, возможно, начнет пользоваться ими сам. Чтобы узнать, как зарождаются лейблы в разговоре, лингвисты часто используют такие десятиугольные фигуры (тенграмы):

Рисунок взят из материалов одного из исследований.

Представьте, что перед вами такая схема, а перед вашим напарником те же фигуры, но они вырезаны и перемешаны. Вам можно общаться, но нельзя показывать друг другу объекты и спрашивать: «Эта или вон та?» К концу эксперимента у обоих участников фигуры должны быть расставлены в одинаковом порядке, согласно схеме. Как бы вы назвали изображения A или J? А как удостоверились бы, что ваш напарник не перепутал объекты K и L или B и G? Чаще всего в конце эксперимента при проверке правильности расположения фигур участники кратко называют каждый десятиугольник, используя лейбл, появившийся в ходе совместной работы.

Что скажете насчет фигуры H? Кольцо с бриллиантом? Галстук, развевающийся на ветру?

Оба этих способа хороши тем, что участники заняты не заданием, а игрой. Ученым важно, чтобы речевые данные были спонтанными и естественными — именно так и получается, если испытуемые сфокусированы на собственной деятельности, а не на том, как они формулируют предложения.

Но бывают случаи, когда необходимо узнать, по какому принципу строится диалог с собеседником, которого еще не существует. В конце XX века ученых интересовало, может ли быть эффективным общение с роботом, имеет ли смысл использовать вежливые формы или достаточно, чтобы машина просто выполняла сухо сформулированные команды? Ответы на эти и многие другие вопросы ученые нашли с помощью методики Wizard of Oz («Волшебник страны Оз»).

За таинственным названием скрывается очень простой дизайн эксперимента: участники должны общаться с роботом и выполнять разные задания — в зависимости от того, какой аспект общения машины и человека интересует ученых.

Но самое главное — самих роботов или компьютерных диалоговых программ в экспериментах не было!

Ученые из соседней комнаты за стеклом или с помощью видеокамеры наблюдали за происходящим и, произнося заранее продуманные реплики строго по сценарию, играли роль роботов и компьютеров. Участники были уверены, что беседуют с машиной, поэтому исследователи могли варьировать условия и наблюдать за общением человека с новым типом собеседника.

Например, в эксперименте Сьюзен Бреннан испытуемым предстояло задавать вопросы в переписке с человеком или компьютерной программой, которая на самом деле также была человеком. Керстин Фишер, как и многие другие ученые, не просто печатала на компьютере, обманывая участника эксперимента, а дистанционно управляла роботами, например такими как Aibo.

После окончания этого сеанса святой лжи во благо науки у обманутых жертв берут интервью или просят их заполнить анкету, чтобы удостовериться, что у них не возникало сомнений в том, что робот настоящий. Конечно, это обман, но испытуемые дают официальное согласие на участие и могут попросить остановить экзекуцию, если чувствуют, что зря согласились. После эксперимента добровольцам часто устраивают дебрифинг, где рассказывают, в чем была суть опыта и что же ученые будут анализировать.

Однако некоторые аспекты языка вообще и строение диалога в частности можно изучать и более «этичными» способами.

Вопросы этики в экспериментах с участием людей и особенно детей до сих пор жарко обсуждаются в мире науки.

И чтобы, не дай бог, не задеть ничьих чувств, лингвисты все чаще изобретают разного рода компьютерные модели и симуляции. Конечно, не каждый аспект можно исследовать таким образом. Но, например, Дэниэл Абрамс и Стивен Строгац с помощью компьютерной симуляции проследили, какие факторы влияют на вымирание языков. А Дейл Барр смог отыскать аргументы в защиту теории, согласно которой для успешной коммуникации совершенно не обязательно иметь базовые представления о нормах общения, а достаточно лишь получать регулярный фидбек от собеседника и, опираясь на него, уметь перестраивать свой лексикон. Компьютерные симуляции в лингвистике незаменимы, если речь идет о глобальных аспектах, сообществах, целых языковых группах, прогнозировании судьбы языков в следующих поколениях.

Однако вернемся к опытам на живых людях.

Группы ученых тратят большие деньги на лабораторные тестирования и целые месяцы — на поиски подходящих участников.

Нередко ими становятся студенты из города, страны или вуза, где базируется группа исследователей, собирающих данные. Если возраст испытуемых не имеет принципиального значения, участие в эксперименте принимают студенты, которые могли увидеть объявление о наборе добровольцев в библиотеке или на сайте вуза. Но чем многочисленнее требуется выборка и чем масштабнее сам проект, тем дороже становится его проведение, а ученые зависят от грантов, поэтому все не так просто. Например, если в вашем эксперименте необходимо собирать данные о людях разного возраста из разных стран с периодичностью раз в три месяца в течение двух лет, вам придется несладко, особенно без гранта.

К счастью, социальная революция добралась и до мира науки, где краудсорсинговые механизмы уже давно используются в лингвистике, в том числе и в экспериментальной.

Подобно крупным компаниям, ищущим в интернете новых сотрудников, авторы эксперимента тоже нередко привлекают желающих через интернет. Благодаря тому, что в сети можно использовать не только текстовые, но и визуальные, аудио- и видеоформаты данных, некоторые типы лабораторных исследований уже перенесены в онлайн.

Группа ученых из университетов Стэнфорда и Колорадо провела несколько классических экспериментов по семантике и психолингвистике в лабораторных условиях с типичными местными испытуемыми студентами и с «краудсорсинговыми» участниками (в качестве платформы для их привлечения использовали Mechanical Turk Amazon). В одном из таких экспериментов, например, необходимо было прослушивать предложения на несуществующих языках, в другом испытуемые оценивали грамотность высказывания на их родном языке, чтобы подтвердить новые тренды в его развитии.

Согласно результатам, данные, собранные через краудсорсинговые механизмы, сравнимы с лабораторными или даже более достоверны, поскольку удается охватить большее количество участников за короткое время и, кроме того, сделать это с минимальными затратами.

Вы придумали способ заставить маленьких и взрослых носителей языка оговариваться во время лабораторного эксперимента? Брюс Смит, например, предлагает детям произносить скороговорки. Все мы, независимо от возраста, часто путаем слоги, пытаясь выговорить определенные комбинации слов. Чем не оговорки?

Так какой же метод сбора данных лучший? Однозначного ответа на этот вопрос нет. Сведения, полученные разными способами, характеризуют то или иное явление, ставшее предметом научного интереса, с нескольких сторон. Но одно можно сказать точно: ученым необходимо уметь не только качественно анализировать данные, но и находить оптимальные умные подходы к решению, казалось бы, нерешаемых вопросов.