ASP應用於第二語言習得：形式化輸入處理理論

2.1. 答案集程式設計 (ASP)

ASP是一種基於邏輯程式設計的穩定模型（答案集）語義的宣告式程式設計範式。它擅長表徵預設推理、不完全資訊與動態領域——這些正是模擬人類認知過程的核心特徵。ASP中的規則形式為：head :- body.，當主體（body）被滿足時，頭部（head）即為真。預設可以優雅地使用失敗即否定（not）來表示。

2.2. 輸入處理理論

由VanPatten提出的IP理論認為，第二語言學習者，尤其是初學者，由於處理資源（工作記憶）有限且文法知識不完全，會使用一套預設啟發法來從輸入中提取意義。一個關鍵原則是第一名詞原則：學習者傾向於將施事者/主語角色指派給他們在句子中遇到的第一個名詞或代名詞。這導致系統性的誤解，例如將被動句「The cat was bitten by the dog」理解為「貓咬了狗」。

3.1. 預設策略建模

IP原則被編碼為ASP規則。例如，第一名詞原則可以表示為一個預設規則，當文法線索（如被動語態標記）因資源限制未被處理時適用：

% 預設：將施事者角色指派給第一個名詞
assign_agent(FirstNoun, Event) :-
    sentence_word(FirstNoun, Position1, Noun),
    sentence_word(Verb, Position2, VerbLex),
    Position1 < Position2,
    event(Event, VerbLex),
    not processed(grammatical_cue(passive, Verb)),
    not overridden_by_grammar(Event).

not processed(...) 條件捕捉了資源限制，使該規則成為非單調的。

3.2. 學習者知識與資源的表徵

該模型整合了學習者狀態的動態表徵：

• 詞彙知識： 如 knows_word(learner, 'dog', noun, animal). 的事實。
• 文法知識： 內化的規則（例如，關於被動語態的規則）。
• 處理資源： 建模為限制在給定句子中可同時處理的文法特徵數量的約束。

預設策略與習得文法知識之間的互動，是透過規則優先級或取消規則來建模的。

4.1. 系統架構

PIas（Processing Input as a System）是一個原型系統，它以一個英文句子和一個學習者檔案（近似熟練度、已知詞彙/文法）作為輸入。它使用形式化的ASP模型來生成一個或多個預測解讀（答案集）。

4.2. 實驗預測與驗證

本文展示了系統針對經典範例的輸出。對於被動句「The cat was bitten by the dog」和一個初學者檔案：

• 預測解讀 1（預設）： 施事者=貓，動作=咬，受事者=狗。（錯誤的主動解讀）。
• 正確解讀的條件： 模型預測，僅當學習者檔案包含已處理的被動語態形態知識（processed(grammatical_cue(passive, 'bitten'))）以覆蓋預設時，才會產生正確的被動解讀。

這些計算預測與SLA研究中的實證觀察相符，驗證了模型的表面效度。此形式化過程也揭示了自然語言理論中潛在的模糊性，提出了改進方向。

5.1. 核心邏輯形式體系

模型的核心可以使用邏輯約束進行抽象。令 $L$ 為學習者的知識狀態，$S$ 為輸入句子，$R$ 為可用處理資源。一個解讀 $I$ 是一組語義角色和關係的集合。IP理論 $T$ 定義了一個受預設 $D$ 約束的映射函數 $F_T$：

$I = F_T(S, L, R) \quad \text{subject to} \quad \sum_{g \in G(S)} \text{cost}(g) \leq R$

其中 $G(S)$ 是 $S$ 中文法特徵的集合，$\text{cost}(g)$ 是處理 $g$ 的認知負荷。如果 $g \notin \text{processed}(L, R, S)$，則預設 $D$ 適用。

5.2. 分析框架範例

案例分析：不同句法結構中的第一名詞原則。

輸入： 「The book was given to Mary by John.」（含雙及物動詞的複雜被動句）。
學習者檔案： 初學者；認識單字「book」、「give」、「Mary」、「John」；未處理被動形態或與格結構。
ASP模型執行：
1. 詞彙檢索：BOOK, GIVE, MARY, JOHN。
2. 對被動語態（'was given'）和間接受詞（'to Mary'）的文法處理失敗。
3. 預設第一名詞原則觸發：將BOOK指派為施事者角色。
4. 預設線性順序策略：序列被解讀為施事者-動作-接受者-？（JOHN的角色不明確）。
預測輸出： 可能產生多個答案集，例如 {agent(BOOK), action(GIVE), recipient(MARY), other_participant(JOHN)}，導致一個混亂的解讀，如「書給了瑪麗某樣東西（而約翰參與其中）」。這精確指出了學習者可能產生混淆的特定領域，教師可以針對此進行教學。