Modera Giulia Calignano
Maria Montefinese, DPSS, Università degli Studi di Padova
Davide Crepaldi, DSSNC, Università degli Studi di Pavia; SISSA Trieste
In this talk, I’ll tell you guys about my experience researching the connection between statistical learning and reading. I’ll present MECO, the Multilingual Eye Movement COrpus, which was critical in my approach to this issue. MECO contains eye movement data from little less than 600 people, speaking 13 different languages. The corpus contains both L1 and L2 data, from the same group of participants. In particular, I’ll illustrate how such a resource allows an important shift in the field. People would typically investigate the relationship between statistical learning and reading measuring the two skills independently, and then seeking for a correlation. This approach is teeming with dangers, from the imprecision of the tests to construct validity (e.g., statistical learning is a very complex phenomenon, to which many other cognitive functions contribute). With MECO –and a similar resource in Italian with children data, which I put together with my student Valentina Pescuma and Maria Ktori–, one can instead look directly into the target behaviour (reading) and look for signs of statistical learning in there, ‘‘natively’’ (e.g., sensitivity to the frequency of letter nGrams). I’ll tell you what I learned along the way – both joys and moments of discomfort.
Francesco Vespignani, Giulia Calignano, DPSS, , Università degli Studi di Padova
Massimo Grassi, DPG, Università degli Studi di Padova
Ottavia Epifania, FISPPA, Università degli Studi di Padova
Gli item o gli stimoli che compongono un test o un questionario sono ovviamente di vitale importanza per il suo funzionamento, per la validità della misura e per la sua attendibilità. In poche parole, gli item o stimoli di un test sono di vitale importanza per la misurazione in psicologia. E allora perché non iniziare a pensare di rendere anche il processo stesso di generazione degli stimoli completamente open e replicabile? In questo contributo viene presentato un nuovo pacchetto R, matRiks, per la generazione semi automatica e theory-driven di matrici di tipo Raven per la valutazione dell’intelligenza fluida. Questo pacchetto, oltre a rendere possibile la generazione di un numero potenzialmente infinito di stimoli tramite la manipolazione di forme diverse con regole diverse, permette di rendere interamente replicabile e comprensibile il processo di generazione stesso delle matrici. Questo apre anche la possibilità di generare forme parallele dello stesso test.