Введение
Структура семантической памяти (СП) может быть представлена в виде сети (графа) — множества узлов, объединенных ребрами. Традиция представления структуры СП в виде сети восходит к ранним экспериментам А. Коллинса и М. Квиллиана, посвященным определению времени извлечения информации из СП (Collins, Quillian, 1969). В своем исследовании ученые предложили иерархическую сетевую модель, основанную на различиях во времени извлечения информации из СП в ходе определения истинности предложений (Величковский, 1982). Позднее модель А. Коллинса и М. Квиллиана была пересмотрена: принцип иерархичности сети был заменен принципом «распространения активации», подразумевающим представление структуры СП в виде неориентированного взвешенного графа, обеспечивающего экономичное распределение активационных единиц (Collins, Loftus, 1975). В более поздних работах исследователи стали обращаться к конкретным структурным показателям сетей СП. Например, М. Стейверс и Д. Тененбаум (Steyvers, Tenenbaum, 2005) показали, что структура сетей СП, построенных на основе данных различных источников семантического знания (словари, нормы свободных ассоциаций), соответствует модели «малого мира», т. е. характеризуется небольшой длиной кратчайшего пути и высоким уровнем кластеризации. Впоследствии результаты М. Стейверса и Д. Тененбаума были подтверждены в исследовании индивидуальных сетей СП у испытуемых (Morais, Olsson, Schooler, 2013).
Одним из современных направлений исследования структуры СП является определение ее особенностей у изучающих иностранный язык (ИЯ). В рамках данного направления исследуются сети СП, состоящие из иноязычных единиц (представленных в виде узлов) и семантических связей между ними (представленных в виде ребер). Например, результаты исследований по данной теме показали, что сети СП, построенные на базе ИЯ, имеют структуру «малого мира» (Borodkin et al., 2016, Li et al., 2021), но в то же время являются менее структурированными и связанными в сравнении с сетями СП, построенными на базе родного языка (Borodkin et al., 2016). Одним из актуальных вопросов в рамках данного направления является определение изменений структуры СП в процессе изучения ИЯ. Исследователи неоднократно предпринимали попытки решения данного вопроса путем сравнения сетевых структур СП у изучающих ИЯ на разных этапах обучения, однако обычно это приводило к смешанным результатам (Agustin-Llah, 2022; Feng, Liu, 2023). Противоречия в результатах наблюдались на уровне конкретных структурных показателей сетей СП. Например, в исследовании С. Фэна и Ц. Лю (Feng, Liu, 2023) средняя степень узла в сетях СП у изучающих ИЯ на более поздних этапах была выше, чем у изучающих ИЯ на начальных этапах, тогда как результаты исследования М. Агустин-Лах показывали противоположную картину (Agustin-Llah, 2022). Кроме того, в предыдущих работах неоднократно упускались важные структурные сетевые характеристики. Например, в исследовании М. Агустин-Лах рассматривалась модулярность, но упускался средний кратчайший путь, тогда как в исследовании С. Фэна и Ц. Лю, напротив, рассматривался средний кратчайший путь, но упускалась модулярность.
Следует отметить, что до настоящего времени исследование динамики структуры СП у изучающих ИЯ осуществлялось исключительно с помощью задачи «вербальной беглости», в которой испытуемым необходимо было называть объекты определенной категории за фиксированный промежуток времени. По результатам выполнения задачи создавались сети СП, структурные показатели которых затем сравнивались в разных группах изучающих ИЯ кросс-секционно. Учитывая неоднородность и ограниченность результатов предыдущих исследований, проведенных с помощью задачи «вербальной беглости», мы решили провести исследование с идентичным экспериментальным дизайном, но с использованием альтернативной экспериментальной задачи.
Настоящее исследование было реализовано с использованием парадигмы «снежного кома» (“snowball sampling” paradigm; ПСК), предложенной А. Морейс и коллегами (Morais, Olsson, Schooler, 2013). Данная парадигма зарекомендовала себя как надежный способ изучения структуры СП, который превосходит другие методы сетевого моделирования в плане возможностей генерации словесных ответов. Действительно, в ПСК ответы испытуемых не ограничиваются категорией (как в задаче «вербальной беглости») или установленными парами слов (как в задаче «семантических суждений» (Kenett et al., 2017)). Тем не менее, реализация ПСК весьма трудоемка (оригинальная экспериментальная процедура занимала около 7 недель одночасовых сессий на одного испытуемого). В связи с этим мы внесли определенные модификации в структуру ПСК, что позволило ускорить ее реализацию при сохранении валидности результатов (см. раздел «Материалы и методы» настоящей работы).
В сетевой науке было открыто множество сетевых параметров, с помощью которых можно изучать состояние когнитивных процессов на различных топологических уровнях (Морозова, 2017; Валуева и др., 2024). Так, в настоящем исследовании рассматривались следующие базовые структурные сетевые показатели: 1) средняя степень узла (<k>) — среднее количество ребер, примыкающих к узлу n в сети. В сетевой науке, средняя степень узла отражает общую связанность сети; 2) средний кратчайший путь (L) — средняя длина кратчайшего пути между парами узлов в сети. L означает общую гибкость сети, отражающую скорость перемещения информации между узлами; 3) модулярность (Q) — доля ребер, составляющих подгруппы узлов, минус ожидаемая доля, если бы ребра были распределены случайным образом в сети. Q означает общую разделенность (фрагментированность) сети, отражающую степень раздробленности сети на отдельные субсообщества; 4) степень соответствия модели «малого мира» (S) — комплексный показатель, подразумевающий больший средний уровень кластеризации (<C>; средняя вероятность, что соседи узла n в сети сами являются соседями) и меньший L в сравнении с данными показателями у случайно сгенерированных сетей. Также рассматривались показатели общего размера сети: количество узлов (N) и количество ребер (E).
Мы предположили, что в процессе изучения ИЯ сетевая структура СП будет меняться следующим образом:
- будет увеличиваться масштабность (будут расти показатели N и E). Данное предположение основано на идее, что в процессе изучения ИЯ увеличивается размер словарного запаса: в ходе изучения ИЯ регулярно приобретаются новые лексические единицы, т. е. новые узлы;
- будет увеличиваться связанность (будет расти показатель <k>). Данное предположение основано на идее, что по мере изучение ИЯ увеличивается количество вариантов для лексического выбора: в ходе изучения ИЯ каждое слово становится связанным с большим количеством других слов, т. е. у каждого узла в сети появляется больше соседей;
- будет расти гибкость (будет уменьшаться L). Данное предположение основано на идее, что в ходе изучения ИЯ увеличивается скорость лексического выбора: по мере изучения ИЯ перебор слов протекает быстрее, т. е. дистанция между узлами сокращается;
- будет уменьшаться разделенность (будет уменьшаться Q). Данное предположение основано на идее, что по мере изучения ИЯ увеличивается устойчивость языковой системы: в ходе изучения ИЯ удаление лексических единиц (например, в результате забывания) не влияет на общую продуктивность речи, т. е. структура сети становится устойчивой к удалению элементов;
- будет расти соответствие структуре сети «малого мира» (будет повышаться S). Данное предположение основано на идее, что, поскольку сеть СП у изучающего ИЯ является сетью реального мира, ее структура по мере развития будет приобретать черты структуры «малого мира» (которая свойственна многим естественным сетям: биологическим, нейронным, социальным и т. д.) (Watts, Strogatz, 1998).
Материалы и методы
Выборка
В исследовании приняло участие 56 студентов, изучающих английский язык как первый иностранный в рамках специальности «Языкознание и литературоведение» в разных российских вузах: МГЛУ, МГИМО, РЭУ, НИУ МИЭТ, МАИ, РосНОУ, «Синергия». Выборку составили первокурсники (N = 27; пол: 15 ж., 12 м.; возраст: M = 18,14) и четверокурсники (N = 29; пол: 18 ж., 11 м.; возраст: M = 21,44). Выборка была собрана методом «снежного кома»: сначала отбирались первичные испытуемые из разных вузов (случайным образом), затем этим испытуемым предлагалось пригласить на эксперимент своих знакомых из академической среды, если они соответствовали следующим критериям: обучение по специальности «Языкознание и литературоведение» на первом или четвертом курсе, изучение английского языка как первого ИЯ, родной язык — русский.
Оборудование
Эксперимент был проведен с использованием ноутбука со следующей конфигурацией: Lenovo IdeaPad S145-15API, 15,6″ (1366x768), AMD Athlon 300U (2,4 GHz). Для предъявления стимулов и сбора данных использовалась программа PsychoPy v. 23.2.3. Ответы испытуемых регистрировались с помощью стандартной клавиатуры и мыши.
Парадигма «снежного кома»
ПСК подразумевает выполнение ряда экспериментальных итераций. В первой итерации испытуемым последовательно предъявляется n слов («слова-семена», заранее отобранные экспериментатором). К каждому предъявляемому слову испытуемые должны придумать ассоциации и записать их. Во второй итерации испытуемым предъявляются слова, которые они написали в первой итерации в ответ на «слова-семена», с предложением придумать ассоциации и к этим словам. В третьей итерации испытуемым предъявляются слова, которые они написали во второй итерации, и так далее. Теоретически итераций может быть бесконечное множество. В оригинальном исследовании А. Морейс и коллег (Morais, Olsson, Schooler, 2013) экспериментальные итерации заканчивались по достижении максимальной продолжительности эксперимента — примерно 7 недель одночасовых сессий (семь итераций).
В настоящем исследовании использовался вариант ПСК, ограниченный только 3 итерациями и 3 «словами-семенами» (в оригинальном исследовании использовалось 5—10 «слов-семян»). Сокращая число экспериментальных итераций в ПСК, мы, во-первых, опирались на отсутствие формального порога, при котором сгенерированная сеть СП может считаться репрезентативной. Исходя из результатов симуляционного исследования А. Морейс и коллег, семантическая сеть, построенная в результате 7 итераций, безусловно, в большей степени отражает реальную структуру СП, чем сеть, построенная в результате 3 итераций. Однако это не дает оснований для отклонения допущения о репрезентативности сетей, построенных в результате 3 итераций. Во-вторых, мы учитывали опыт применения «сокращенных версий» ПСК в предыдущих исследованиях. Например, Д. Вулфф и Р. Мата (Wulff, Mata, 2022) показали, что полноценная семантическая структура может быть смоделирована даже с помощью двух итераций.
Отбор «слов-семян» осуществлялся из базы данных В. Купермана и коллег (Kuperman, Stadthagen-Gonzalez, Brysbaert, 2012). По аналогии с процедурой Морейс и др. (Morais et al., 2013), «слова-семена» отбирались случайным образом из пула слов, оцененных как усвоенные до 9 лет. В итоге, были отобраны следующие «слова-семена»: “look”, “history” и “lemon”.
В отличие от оригинальной ПСК, настоящая версия ПСК не подразумевает завершения эксперимента по достижении максимальной его продолжительности (7 недель одночасовых сессий), а направлена на выполнение трех полноценных экспериментальных итераций. Как и в оригинальной версии А. Морейс и коллег, в нашей версии ПСК время выполнения задачи не превышает одного часа в день, что допускает гипотетическую возможность испытуемого завершить весь эксперимент за час (если он сможет выполнить все три итерации за это время) или выполнить только часть итерации (также за час), а остальную часть пройти в любой другой день. Другими словами, испытуемый должен выполнить 3 экспериментальные итерации за n экспериментальных сессий длительностью в час. В настоящей работе ПСК была реализована с помощью PsychoPy (см. рис. 1). Все стимулы были белого цвета, размер шрифта слов составлял 0,07. Все стимулы располагались на сером фоне.
Рис. 1. Структура задачи «снежного кома», реализованной в PsychoPy
Fig. 1. Structure of the “snowball sampling” task implemented in PsychoPy
Процедура
Эксперимент проводился в лабораторных условиях. В начале эксперимента испытуемым предлагалось прочитать инструкцию. В инструкции сообщалось, что на экране будут последовательно появляться английские слова, к которым нужно придумывать ассоциации на английском языке и вводить их с помощью клавиатуры. Как и в оригинальном исследовании, длительность предъявления стимула составляла 60 секунд. Переход к другому стимулу осуществлялся с помощью нажатия кнопки «продолжить» (с помощью мыши). Испытуемым сообщалось, что они не должны стараться придумать как можно больше ассоциаций, а должны вводить только те слова, которые пришли на ум спонтанно в моменте выполнения задачи. Как и в оригинальном исследовании, если в течение 10 секунд предъявления стимула испытуемый бездействовал, то стимул сменялся следующим.
По мере прохождения экспериментальных итераций, ответы испытуемых записывались с помощью PsychoPy и затем преобразовывались в формат edgelist — матрицу из двух колонок, содержащую информацию о связях между парами узлов, для создания семантических сетей испытуемых. При предобработке ответов испытуемых, записанных в PsychoPy, стемминг и лемматизация не использовались, не вводились стоп-слова. Опечатки исправлялись вручную. Ассоциации испытуемых, представленные словосочетаниями, оставались без изменений и обрабатывались как единичные.
При конструировании сетей испытуемых слова-стимулы и слова-ответы представлялись в виде узлов, а связи между ними — в виде ребер. Так, в ходе выполнения экспериментальных итераций новые узлы, представляющие слова-ответы, сначала присоединялись ребрами к исходным узлам, представляющим «слова-семена», а затем (в последующих итерациях) к сетям, состоящим одновременно из «слов-семян» и слов-ответов из предыдущих итераций. Процесс создания сетей в ПСК представлен на рис. 2. Все сконструированные сети были неориентированными. Каждый испытуемый мог принять участие в эксперименте в любой удобный для него день и время, записавшись через Google-таблицы или написав экспериментатору личное сообщение в мессенджере.
Рис. 2. Схема построения сетей в парадигме «снежного кома»
Fig. 2. Scheme of network construction in the “snowball sampling” paradigm
Анализ данных
Вычисление сетевых показателей осуществлялось с помощью Cytoscape v.3.10.1. Q-индекс вычислялся с помощью пакета igraph v.2.0.3 в R. S-индекс вычислялся с помощью пакета NetworkToolbox v.1.4.2 (Christensen, 2018) в R (метод HG (Humphries, Gurney, 2008)). Боксплоты были созданы с помощью пакета ggplot2 v.3.3.5. в R. Все пакеты R были реализованы в RStudio v.2023.12.0+369. Для сравнения средних значений двух групп использовался U-критерий Манна-Уитни. Размер эффекта для U Манна-Уитни рассчитывался с использованием r-метода (Fritz, Morris, Richler, 2012). Использовалась следующая интерпретация значений эффекта r: малый эффект — 0,10, средний эффект — 0,30, высокий эффект — 0,50 (Ferguson, 2016). Вычисление описательных статистик и сравнение средних было реализовано с помощью IBM SPSS Statistics for Windows v. 22.0.
Результаты
Максимальное количество времени, затраченного на эксперимент (выполнение трех экспериментальных итераций), составило 8 часов (8 дней одночасовых сессий), минимальное количество времени составило 1 час (1 день). Следует отметить, что у изучающих ИЯ на четвертом курсе выполнение экспериментальных итераций занимало больше времени, чем у первокурсников (t = -2,715, p = 0,045; M = 2,16 часов vs M = 1,33 часов, соответственно). Общая длительность эксперимента составляла 4 месяца.
Результаты показали статистически значимое различие между группами по N (U = 221,000; p < 0,01) и E (U = 214,500; p < 0,01) со средним размером эффекта (N: r = 0,37; E: r = 0,38): сети четверокурсников содержали больше узлов и ребер, чем сети первокурсников (Mdn N: 348 vs. 176; Mdn E: 579 vs. 238). Различия между группами представлены на рис. 3.
Рис. 3. Различия в N и E изучающих иностранный язык в двух группах
Fig. 3. Differences in N and E of foreign language learners in two groups
Результаты показали статически значимое различие между группами по <k> (U = 245,500; p < 0,05) со средним размером эффекта (r = 0,31): сети четверокурсников оказались более связанными, чем сети первокурсников (Mdn: 3,13 vs. 2,68). Различия между группами представлены на рис. 4.
Рис. 4. Различия в <k> изучающих иностранный язык в двух группах
Fig. 4. Differences in <k> of foreign language learners in two groups
Результаты показали статистически значимое различие между группами по L (U = 252,000; p < 0,05) со средним размером эффекта (r = 0,31): сети четверокурсников оказались более гибкими, чем сети первокурсников (Mdn: 4,91 vs. 5,19). Различия между группами представлены на рис. 5.
Рис. 5. Различия в L изучающих иностранный язык в двух группах
Fig. 5. Differences in L of foreign language learners in two groups
Результаты показали статистически значимое различие между группами по Q (U = 246,000; p < 0,05) со средним размером эффекта (r = 0,31): сети четверокурсников оказались менее разделенными, чем сети первокурсников (Mdn: 0,69 vs. 0,72). Различия между группами представлены на рис. 6.
Рис. 6. Различия в Q изучающих иностранный язык в двух группах
Fig. 6. Differences in Q of foreign language learners in two groups
Результаты показали отсутствие значимых различий по S между группами (U = 350,000; p = 0,49; Mdn: первокурсники: 2,88 vs. четверокурсники: 3,03). Следует отметить, что в численном отношении индекс S был выше в группе четверокурсников и достигал порога «3», что говорит об эталонном соответствии структуры сетей четверокурсников структуре «малого мира» (Humphries & Gurney, 2008). Различия между группами представлены на рис. 7.
Рис. 7. Различия в S изучающих иностранный язык в двух группах
Fig. 7. Differences in S of foreign language learners in two groups
Обсуждение результатов
В настоящей работе мы сконструировали сети СП у изучающих ИЯ на первом и четвертом курсах и сравнили их структурные показатели. Результаты показали, что в ходе изучения ИЯ сети СП увеличиваются в размере (за счет добавления новых узлов и ребер), становятся более связанными (за счет увеличения <k>), более гибкими (за счет уменьшения L) и менее разделенными (за счет уменьшения Q). При этом степень соответствия полученных сетей СП модели «малого мира» в ходе изучения ИЯ не меняется. Таким образом, в настоящем исследовании подтвердились все гипотезы, кроме гипотезы об увеличении степени соответствия структуры сетей СП структуре «малого мира» в процессе изучения ИЯ.
Как отмечалось ранее, наши результаты показали больший масштаб сетей СП (более высокие показатели N и E) у студентов, изучающих ИЯ на четвертом курсе. Вполне очевидно, что в ходе изучения ИЯ в сеть добавляются новые узлы, благодаря чему происходит расширение словарного запаса обучающихся. В некоторых работах N трактуется непосредственно как «размер словарного запаса» и выступает показателем уровня лексического развития обучающегося (Ke, Yao, 2008). Что касается более релевантных исследований, полученные результаты соответствуют результатам исследования М. Агустин-Лах (Agustin-Llach, 2022), согласно которым показатели N и E увеличиваются в ходе изучения ИЯ.
Относительно <k>, наши результаты показали большую связанность сетей СП у студентов, изучающих ИЯ на четвертом курсе. В сетевой когнитивной науке «связанность» может означать способность сети предоставлять варианты для распространения активации, тем самым регулируя доступ к информации в СП. Так, чем выше степень узла n, тем больше связанных с ним узлов может быть обнаружено и извлечено при его активации. Соответственно, рост <k> в сетях СП может свидетельствовать об улучшении способности изучающих ИЯ обнаруживать и извлекать больший объем необходимой информации при решении задач, требующих использования ИЯ. Полученные результаты соответствуют результатам исследования С. Фэна и Ц. Лю (Feng, Liu, 2023), согласно которым <k> растет в ходе изучения ИЯ. Однако полученные результаты противоречат результатам М. Агустин-Лах (Agustin-Llach, 2022), показывающим противоположную картину.
Относительно L наши результаты показали большую гибкость сетей СП у студентов, изучающих ИЯ на четвертом курсе. В сетевой когнитивной науке «гибкость» может означать скорость распространения активации между узлами, которая зависит от расстояния (количества шагов) между ними в семантическом пространстве. Так, чем меньше кратчайший путь между активированным узлом a и целевым узлом b, тем быстрее активация, идущая от a, достигнет b. Соответственно, снижение L в сетях СП может свидетельствовать о развитии способности изучающих ИЯ быстро находить и извлекать необходимую информацию при решении задач, требующих использования ИЯ. Полученные результаты вновь согласуются с результатами исследования С. Фэна и Ц. Лю (Feng, Liu, 2023), которые, однако, не показали существенных различий на уровне p < 0,01, но показали их на численном уровне: сети СП изучающих ИЯ на протяжении большего количества времени оказались более гибкими в сравнении с сетями изучающих ИЯ на протяжении меньшего количества времени.
Относительно Q наши результаты показали меньшую фрагментированность (большую гибкость) сетей СП у студентов, изучающих ИЯ на четвертом курсе. В сетевой когнитивной науке «разделенность» может означать способность сети обеспечивать сохранность своей структуры при «перколяции», подразумевающей удаление некоторых узлов и ребер из сети (Kenett et al., 2018). Так, чем меньше показатель Q, тем выше структурная целостность сети, обеспечивающая большую устойчивость к перколяционным «атакам». В контексте нашего исследования уменьшение Q в сетях СП в ходе изучения ИЯ может свидетельствовать о развитии способности обучающегося находить и извлекать необходимую информацию в условиях недоступности некоторых узлов. Например, это может проявляться в процессе генерации предложений, что требует быстрого поиска и извлечения лексических единиц, которые в случае своей недоступности (по какой-либо причине) могут быть заменены их синонимами. Полученные результаты соответствуют результатам исследования М. Агустин-Лах (Agustin-Llach, 2022), согласно которым показатель Q уменьшается в ходе изучения ИЯ.
Наконец, относительно S полученные результаты показали отсутствие значимых различий в двух группах. Сети в обоих группах имели эталонной структуру «малого мира» (согласно методу HG, значение S > 1 свидетельствует о соответствии сети структуре «малого мира» (Humphries & Gurney, 2008)). Тем не менее, результаты показали различия в численном отношении: сети СП четверокурсников в большей степени соответствовали модели «малого мира», чем сети СП первокурсников. В этом смысле полученные результаты соответствуют результатам исследования С. Фэна и Ц. Лю (Feng, Liu, 2023), согласно которым показатель S увеличивается в ходе изучения ИЯ. Полученные результаты позволяют предположить, что в ходе изучения ИЯ показатель S так или иначе увеличивается, однако для фиксирования этого увеличения на значимом уровне недостаточно четырех лет изучения ИЯ. Следует отметить особенности распределения показателя S в двух группах, которые заметны на рис. 7. На представленных боксплотах видно, что межквартильный размах у четверокурсников меньше, но при этом наблюдается больше выбросов. Меньший межквартильный размах у четверокурсников может свидетельствовать о большей однородности их адаптации к языковой специальности. К четвертому курсу показатели S у студентов, вероятно, унифицируются под влиянием требования решаемых лингвистических задач. Выбросы в этом случае могут свидетельствовать о наличии отдельных индивидуальных сдвигов, связанных с выбором участниками исследования осознанных стратегий решения ассоциативной задачи.
По показателю S можно судить о гипотетических механизмах роста сетей. Поскольку распределение степеней в сетях «малого мира» соответствует степенному закону (Steyvers, Tenenbaum, 2005), их трансформация может подчиняться принципу «предпочтительного присоединения», согласно которому новые узлы присоединяются к хабам (узлам с наибольшей степенью) в сети (Barabási, Albert, 1999). Тем не менее, результаты исследования индивидуальных сетей испытуемых показали, что распределение их степеней соответствует степенному закону с «экспоненциальным отсечением», что создает основания для поиска альтернативных механизмов сетевого роста (Morais, Olsson, Schooler, 2013). Так или иначе, данные предположения необходимо проверить в будущих эмпирических исследованиях.
Таким образом, изучение ИЯ формирует структуру сетей СП, делая ее более масштабной, связанной, гибкой и менее разделенной, что, по всей видимости, отражается в улучшении способности обучающихся выполнять задачи, требующие использования ИЯ. Кроме этого, несмотря на структурные изменения, возникающие в ходе изучения ИЯ, сети СП у изучающих ИЯ, по всей видимости, выстраиваются на основе общей модели, образующейся с ранних этапов изучения ИЯ, о чем свидетельствует относительная стабильность индексов «малого мира».
Заключение
Настоящая работа была посвящена изучению структурных изменений, возникающих в СП в ходе изучения ИЯ. Мы сконструировали сети СП у студентов, изучающих ИЯ на первом и четвертом курсах университета, с помощью ПСК для сравнения их структурных показателей. Поскольку ПСК редко использовалась в исследованиях сетей СП, мы предположили, что ее применение в нашем исследовании приведет к новым результатам, раскрывающим природу динамики структуры сетей СП у изучающих ИЯ. Мы предположили, что в процессе изучения ИЯ сети СП трансформируются следующим образом: увеличится масштаб (увеличатся количество узлов и ребер), увеличится связанность (увеличится средняя степень узла), увеличится гибкость (уменьшится средняя длина кратчайшего пути), уменьшится разделенность (уменьшится модулярность), и увеличится степень соответствия структуре сети «малого мира» (увеличится S-индекс). Результаты подтвердили все наши гипотезы, кроме гипотезы об увеличении степени соответствия структуры сетей СП структуре сети «малого мира» в ходе изучения ИЯ. Так, полученные результаты показали, что в ходе изучения ИЯ сети СП становятся более масштабными, более связанными, более гибкими, менее разделенными, но не различаются по индексу «малого мира». Полученные результаты подчеркивают роль СП в развитии языковых способностей у изучающих ИЯ. В качестве направления для дальнейших исследований предлагается лонгитюдный трекинг динамики сетей СП в процессе изучения ИЯ, предусматривающий регулярные замеры параметров сетей СП для каждого испытуемого в течение всего периода обучения (например, с 1-го по 4-й курс). Результаты подобного исследования позволят определить как вероятностные закономерности усвоения лексических единиц на разных этапах обучения ИЯ, так и механизмы их интеграции в существующую сеть СП (Steyvers, Tenenbaum, 2005). Другим направлением исследований может выступать сравнительный анализ качественных характеристик сетей СП, таких как сложность и редкость входящих в них слов (Agustin-Llach, 2022).
Ограничения. Настоящее исследование имеет одно ограничение, связанное с формированием выборки. Как говорилось ранее, к участию в эксперименте привлекались испытуемые, изучающие ИЯ профессионально в рамках специальности «Языкознание и литературоведение». Известно, что поступление в вуз на данную специальность требует от абитуриентов предварительной подготовки: перед поступлением в вуз выпускники школ активно изучают ИЯ для успешной сдачи ЕГЭ и прохождения вступительных экзаменов. В связи с этим уровень владения ИЯ у первокурсников, принявших участие в нашем исследовании, является заведомо более высоким, чем уровень владения ИЯ у первокурсников, обучающихся на неязыковых специальностях. Тем не менее, данное ограничение было допущено намеренно, поскольку в настоящей работе мы были заинтересованы в исследовании изменений структуры СП в процессе интенсивного и систематического изучения ИЯ, что может происходить только в рамках языковых специальностях.
Limitations. The study has one limitation related to the formation of the sample. As mentioned earlier, the subjects involved in the experiment were those who studied a foreign language professionally within the framework of the specialty “Linguistics and Literary Studies”. It is known that admission to a university for this specialty requires preliminary preparation from applicants: before entering a university, school graduates actively study a foreign language in order to successfully pass the Unified State Exam and entrance exams. In this regard, the level of proficiency in a foreign language among first-year students who took part in our study is obviously higher than the level of proficiency in a foreign language among first-year students studying in non-linguistic specialties. Nevertheless, this limitation was made intentionally, since in this work we were interested in studying changes in the structure of the SM in the process of intensive and systematic study of a foreign language, which can only occur within the framework of language specialties.