Задача семантической беглости с различными лексико-семантическими категориями: факторы выполнения и проблема общности модели поиска

Григорьев А.А.1, Лаптева Е.М.2

1 доктор филологических наук, доцент,
главный научный сотрудник лаборатории психологии и психофизиологии творчества

Институт психологии РАН

2 кандидат психологических наук,научный сотрудник лаборатории психологии
и психофизиологии творчества

Институт психологии РАН

е-mail: ek.lapteva@gmail.com

ЗАДАЧА СЕМАНТИЧЕСКОЙ БЕГЛОСТИ С РАЗЛИЧНЫМИ ЛЕКСИКО-СЕМАНТИЧЕСКИМИ КАТЕГОРИЯМИ: ФАКТОРЫ ВЫПОЛНЕНИЯ И ПРОБЛЕМА ОБЩНОСТИ МОДЕЛИ ПОИСКА

 

В статье представлены результаты исследования роли психолингвистических переменных (возраста усвоения слов, частотности слов, образности слов и знакомости соответствующих объектов) как факторов выполнения задачи семантической беглости – задачи перечисления в течение определенного времени объектов, входящих в лексико-семантическую категорию (членов категории) – и оценки общности модели поиска информации при выполнении этой задачи, апробированной в исследованиях других авторов на небольшом числе категорий. Эти результаты состоят в следующем. (1) Было показано, что ранее усваиваемые, более частотные, образные и знакомые члены категорий упоминаются в задаче семантической беглости чаще. (2) Не удалось выявить независимый от степени кластеризации категорий вклад психолингвистических переменных в предсказание продуктивности категории – среднего количества членов категории, перечисляемых респондентами в ходе выполнения задачи семантической беглости. Такой результат можно объяснить малочисленностью выборки категорий, обусловленной тем, что лишь для небольшого числа категорий имелись необходимые данные, а также высокой корреляцией продуктивности и степени кластеризации категории. (3) Путем анализа индивидуальных данных о числе перечисленных членов каждой категории было получено свидетельство в пользу общности, апробированной на небольшом числе лексико-семантических категорий, модели поиска информации при выполнении задачи семантической беглости.

Ключевые слова: семантическая беглость, психолингвистические переменные, лексико-семантические категории, категориальные нормы, поиск информации.

A. Grigorjev, E. Lapteva

SEMANTIC FLUENCY TASK WITH DIFFERENT SEMANTIC CATEGORIES: FACTORS OF FULFILMENT AND THE PROBLEM OF GENERALITY OF THE SEARCH MODEL

 

In the article, the results of the study of the role of the psycholinguistic variables (age of word acquisition, word frequency, word imageability and object familiarity) as factors of fulfillment of semantic fluency task, in which objects belonging to a semantic category are generated during certain time, and of estimating of generality of the model of information search when this task is fulfilled, which was tested by other researchers on few categories, are presented. These results are as follows. (1) It has been shown, that more early acquired, more frequent, imageable and familiar category members are generated more often in semantic fluency task. (2) We failed to reveal contribution of psycholinguistic variables over and above the degree of category clustering into the prediction of category potency (an average number of category members generated in fulfillment of category fluency task). This result can be explained by small sample of categories, which is due to the fact that only for few categories the necessary data were available, and by strong correlation of potency and the degree of category clustering. (3) By means of analysis of individual data about numbers of generated members for each category, an evidence for generality of the model of information search when semantic fluency task is fulfilled, which has was tested on few semantic categories, has been obtained.

Keywords: semantic fluency, psycholinguistic variables, semantic categories, category norms, information search.

 

В редакционной статье первого номера данного журнала очерчены контуры проблематики организационной психолингвистики [4]. В статье Е.Ф. Тарасова в этом же номере рассматриваются вопросы, связанные с построением теории этой дисциплины [5]. В ходе разворачивающихся в ней исследованиях выявляются прикладные задачи, которые могут быть решены ее средствами.

По нашему мнению, одной из таких задач является разработка средств определения профессиональной пригодности к профессиям, предъявляющим требования к вербальным способностям. Эта разработка, разумеется, должна опираться на знания о факторах, влияющих на решение соответствующих тестовых задач о механизмах их выполнения. В настоящей статье под этим углом зрения рассматривается одна из таких тестовых задач, использующаяся пока преимущественно (к сожалению!) в клинике – задача семантической беглости.

В этой задаче испытуемых просят перечислить в течение определенного времени объекты, входящие в некоторую лексико-семантическую категорию (члены категории), например, перечислить фрукты. В многочисленных исследованиях с этой задачей используется, как правило, одни и те же лексико-семантические категории. Чаще всего используется только одна категория – «животное» [напр., 11; 12; 13; 14;15]. Иногда к ней добавляются некоторые другие: «фрукты и ягоды» [1; 3]; «птицы», «пища», «холодные блюда» [9]; «фрукты и овощи», «транспортные средства» [10] и т.д.

Авторы таких работ считают, что полученные результаты позволяют делать выводы о структуре семантической памяти и процессе семантического поиска, о структуре репрезентации лексико-семантических категорий в норме и патологии и т.д. Так, была предложена следующая модель структуры репрезентации лексико-семантических категорий и поиска информации при выполнении задачи семантической беглости. Члены категорий сгруппированы в памяти в объединенные на некотором основании подкатегории (например, в случае категории «животное» это могут «домашние животные», «большие животные»); семантический поиск состоит из отыскания подкатегории (переключения с одной подкатегории на другую), что обычно требует времени, и перечисления членов категории, входящих в подкатегорию, что осуществляется быстро. Будем называть в дальнейшем эту модель моделью двухэтапного поиска.

Получается, что широкие заключения делаются по результатам, полученным на небольшом числе категорий, чаще – на одной. Насколько это оправдано?

Этот вопрос представляется вполне обоснованным в свете данных, представленных в категориальных нормах, при сборе которых фактически используется задача семантической беглости[1]. В этих нормах обычно приводятся показатели для нескольких десятков лексико-семантических категорий и их членов [см., напр., 2; 7; 17]. Одним из таких показателей является среднее количество объектов, перечисляемых респондентами в единицу времени (будем называть этот показатель продуктивностью категории; в англоязычных категориальных нормах используется термин potency). Категории различаются по этому показателю, причем эти различия характеризуются географической и временной стабильностью. Например, продуктивность 22-х категорий в категориальных нормах для английского языка, собранных в 1960-х годах, коррелирует с продуктивностью соответствующих категорий в категориальных нормах для русского языка, собранных в 1999-2001 годах [2].

В категориальных нормах для русского языка [Там же] представлены также данные о степени кластеризации категорий. Согласно этим данным, категории различаются по количеству кластеров (подкатегорий), в которые объединяются их члены (эти количества определялись путем анализа ответов респондентов по специальному алгоритму). Как показывают расчеты, число подкатегорий в категории весьма тесно связано с ее продуктивностью. Степень кластеризации является, по всей видимости, важным фактором продуктивности категории, что согласуется с двухэтапной моделью.

Степень кластеризации объясняет около 70% вариации категорий по продуктивности. Какие факторы могут объяснить некоторую часть из оставшихся 30% вариации? Оценка эффектов некоторых из возможных факторов составляет одну из задач данного исследования.

Второй задачей является оценка общности, апробированной на небольшом числе лексико-семантических категорий, модели двухэтапного поиска, согласно которой извлечение из семантической памяти членов категории состоит из отыскания подкатегории, что требует времени, и быстрого «пробегания» содержимого этой подкатегории. Между категориями существуют структурные различия [Там же]. Можно ли полагать, что процесс извлечения членов категории один и тот же при перечислении членов структурно различных категорий? Проверку общности данной модели можно осуществить следующим образом. Если процессы извлечения информации в случае разных категорий различаются, можно ожидать межиндивидуальной вариации, связанной с типом структуры категории: обусловленные им различия в процессе извлечения могут давать преимущества индивидам, у которых соответствующие навыки хорошо сформированы. Это выразится в выделении специфических факторов при факторном анализе индивидуальных данных. Если такие факторы выделятся, это будет указывать на различия в механизмах семантического поиска в случае структурно различных категорий и, соответственно, не согласовываться с предположением об общности модели семантического поиска. Отсутствие же специфических факторов в факторном решении позволит оставить предположение об общности модели семантического поиска в силе.

 

Факторы продуктивности категорий

Психолингвистические переменные, такие как частотность слов и возраст их усвоения, являются предикторами скорости называния изображенных объектов, чтения слов, лексического решения [см. напр., 16]. Можно предположить, что эти переменные играют роль и при выполнении задачи семантической беглости. Они могут быть фактором изменчивости вероятности называния тех или иных членов категории и изменчивости категорий по продуктивности. Мы оценим их роль, рассмотрев, во-первых, их связи с вероятностью упоминания членов категорий в категориальных нормах и, во-вторых, их эффективность как дополнительных к степени кластеризации категории предикторов продуктивности категории. Гипотезы данного исследования состоят в том, что (а) вероятность называния членов категории, оцениваемая по частоте их называния, будет коррелировать с психолингвистическими переменными и (б) психолингвистические переменные вносят независимый от степени кластеризации вклад в предсказание продуктивности категорий.

 

Метод

Анализировались 10 лексико-семантических категорий: «четвероногое животное», «фрукт», «овощ», «музыкальный инструмент», «предмет мебели», «предмет одежды», «инструмент плотника», «вид транспортного средства», «птица» и «кухонная посуда». Число включенных в анализ членов категорий варьировало от 6 («овощ») до 30 («4-ногое животное»). Отбор категорий и их членов диктовался следующим: (1) по категории должны иметься данные о степени кластеризации и (2) для членов категорий должны иметься значения по одной из психолингвистических переменных – объективному возрасту усвоения слов[2].

Рассматривались четыре психолингвистические переменные: объективный возраст усвоения слов, частотность слов, образность слов и знакомость соответствующих объектов. Значения этих переменных взяты из [8]. Объективный возраст усвоения определялся путем предъявления изображений предметов детям разных возрастов, дети должны были называть изображенные предметы. Используются данные о частотности слов из частотного словаря современного русского языка О.Н. Ляшевской и С.А. Шарова. Образность и знакомость слов оценивались путем опроса респондентов. Образность слов оценивалась респондентами по семибалльной шкале (7 – слово очень легко вызывает образ, 1 – очень трудно создать образ), знакомость – по пятибалльной шкале (5 – объект очень хорошо знаком, 1 – совсем незнаком). Данные о частоте упоминания членов категорий и о продуктивности категорий взяты из [2]. Очевидно, можно ожидать, что продуктивность категорий и частота упоминания их членов будут отрицательно коррелировать с возрастом усвоения и положительно – с частотностью и образностью слов, а также со знакомостью соответствующих объектов.

 

Результаты

Для оценки связи психолингвистических переменных с вероятностью упоминания членов категорий в категориальных нормах были рассчитаны коэффициенты корреляции частоты упоминания членов категорий с четырьмя психолингвистическими переменными для всех 10 категорий. Корреляции с возрастом усвоения варьировали от –0,825 до 0,605 (среднее –0,362, 95% доверительный интервал –0,663; –0,060), с частотностью от –0,312 до 0,833 (среднее 0,304, 95% доверительный интервал 0,048; 0,560), с образностью от –0,293 до 0,816 (среднее 0,383, 95% доверительный интервал 0,147; 0,619) и со знакомостью от 0,224 до 0,873 (среднее 0,551, 95% доверительный интервал 0,405; 0,697). Только две из корреляций с возрастом усвоения оказались положительными и только две из корреляций с частотностью – отрицательными. Таким образом, полученные результаты соответствуют тому, что ожидалось: ранее усваиваемые, более частотные, образные и знакомые члены категорий упоминаются в задаче семантической беглости чаще.

Для оценки роли психолингвистических переменных как дополнительных к степени кластеризации категории предикторов продуктивности были рассчитаны средние значения членов категорий по четырем психолингвистическим переменным для каждой из 10 категорий. Эти средние вместе с продуктивностью и степенью кластеризации категорий представлены в таблице 1.

[1] Подробнее о процедуре сбора данных для категориальных норм см., например, в [2].

[2] Различают «объективный» и «субъективный» возраст усвоения слов: первый определяется путем предъявления детям изображений с просьбой назвать изображенные предметы; второй – путем опроса взрослых испытуемых о возрасте, в котором, по их мнению, они или их дети усваивают те или иные слова.

Таблица 1

Продуктивность и степень кластеризации 10 категорий, средние значения возраста усвоения, частотности, образности и знакомости их членов

Категория П СК ВУ Ч О З
Четвероногое животное 8,26 11 54,22 27,20 6,62 1,91
Фрукт 7,16 7 60,05 12,37 6,76 3,29
Овощ 6,99 6 60,50 22,15 6,70 3,15
Музыкальный инструмент 7,37 5 108,56 12,83 6,36 1,83
Предмет мебели 8,05 9 61,21 143,88 6,67 3,99
Предмет одежды 8,66 11 77,28 35,04 6,60 3,22
Инструмент плотника 5,09 0 92,67 9,88 6,25 1,59
Вид транспортного средства 7,08 7 54,36 87,41 6,61 2,65
Птица 8,45 11 72,18 13,61 6,57 1,63
Кухонная посуда 7,53 10 69,38 37,37 6,63 3,43

 

П – продуктивность категории; СК – степень кластеризации категории; ВУ – средний возраст усвоения членов категории; Ч – средняя частотность членов категории; О – средняя образность членов категории; З – средняя знакомость членов категории.

Table 1

Potency and degree of clustering for 10 categories, mean ages of acquisition, frequencies, imageabilities and familiarities of their members

Category P DC AoA Fr I Fam
A four-footed animal 8.26 11 54.22 27.20 6.62 1.91
A fruit 7.16 7 60.05 12.37 6.76 3.29
A vegetable 6.99 6 60.50 22.15 6.70 3.15
A musical instrument 7.37 5 108.56 12.83 6.36 1.83
An article of furniture 8.05 9 61.21 143.88 6.67 3.99
An article of clothing 8.66 11 77.28 35.04 6.60 3.22
A carpenter’s tool 5.09 0 92.67 9.88 6.25 1.59
A type of vehicle 7.08 7 54.36 87.41 6.61 2.65
A bird 8.45 11 72.18 13.61 6.57 1.63
A kitchen utensil 7.53 10 69.38 37.37 6.63 3.43

 

P – category potency; DC – degree of category clustering; AoA – mean ages of acquisition of category members; Fr – mean frequencies of category members; I – mean imageabilities of category members; Fam – mean familiarities of category members.

 

Как можно видеть в таблице 1, категории обнаруживают значительную вариацию по всем психолингвистическим переменным. Например, средний возраст усвоения названий четвероногих животных составляет 54,22 месяца, а названий музыкальных инструментов 108,56 месяца, названия музыкальных инструментов, таким образом, усваиваются, в среднем, примерно на четыре с половиной года позже названий четвероногих животных; средняя знакомость предметов мебели составляет 3,99, а инструментов плотника – всего 1, 59.

Интеркорреляции показателей из таблицы 1 представлены в таблице 2.

 

Таблица 2

Интеркорреляции показателей из таблицы 1

СК ВУ Ч О З
П 0,945 –0,311 0,230 0,545 0,260
СК -0,500 0,225 0,653 0,318
ВУ –0,414 –0,842 –0,476
Ч 0,313 0,591
О 0,700

 

П – продуктивность категории; СК – степень кластеризации категории; ВУ – средний возраст усвоения членов категории; Ч – средняя частотность членов категории; О – средняя образность членов категории; З – средняя знакомость членов категории.

 

Table 2

Intercorrelations of variables from Table 1

DC AoA Fr I Fam
P 0.945 –0.311 0.230 0.545 0.260
DC -0.500 0.225 0.653 0.318
AoA –0.414 –0.842 –0.476
Fr 0.313 0.591
I 0.700

 

P – category potency; DC – degree of category clustering; AoA – mean ages of acquisition of category members; Fr – mean frequencies of category members; I – mean imageabilities of category members; Fam – mean familiarities of category members.

 

Как можно видеть в таблице 2, с продуктивностью категории наиболее высоко коррелирует степень кластеризации категории (0,945). Это выше корреляции, полученной на более широком множестве категорий (22 категории) значению (0,838). Остальные корреляции с продуктивностью категории значительно ниже: следующей по величине является корреляция со средней образностью членов категории (0,545). Довольно высоко (отрицательно) коррелируют между собой средний возраст усвоения и средняя образность членов категорий (–0,842).

Для оценки того, вносят ли рассматриваемые психолингвистические переменные независимый от степени кластеризации вклад в предсказание продуктивности категорий, в регрессионное уравнение для ее предсказания вводились все возможные комбинации этих переменных. Ни одна из них значимо не повысила точность предсказания. Этот результат, однако, нельзя считать опровергающим гипотезу о влиянии психолингвистических переменных на продуктивность категории. При столь малой выборке категорий (10) и столь высокой корреляции продуктивности со степенью кластеризации (0,945) выявление независимого от степени кластеризации вклада в предсказание продуктивности является крайне маловероятным. К сожалению, те данные о возрасте усвоения слов, которыми мы пользовались, обусловили именно эту выборку категорий.

Таким образом, проведенный анализ роли психолингвистических переменных показал, что психолингвистические переменные коррелируют с вероятностью называния слова в задаче семантической беглости. Однако, он оставил открытым вопрос о связи психолингвистических переменных с продуктивностью категории.

 

Оценка общности модели двухэтапного поиска

 

Метод

Для проверки общности модели двухэтапного поиска были использованы данные, полученные при обработке материала, собранного с целью составления категориальных норм для русского языка [2]. А именно, были использованы индивидуальные данные о числе перечисленных членов каждой категории. Были проанализированы данные по 22 категориям: «драгоценный камень», «четвероногое животное», «вид ткани», «цвет», «вид спорта», «наука», «рыба», «родственник», «часть здания», «цветок», «дерево», «профессия», «фрукт», «овощ», «музыкальный инструмент», «предмет мебели», «предмет одежды», «инструмент плотника», «вид транспортного средства», «птица», «кухонная посуда» и «металл».

 

Результаты

Целью анализа было оценить, задействуются один или различные механизмы поиска информации при перечислении членов структурно различных категорий. Результаты, говорящие о действии одного механизма, укажут на возможность использования единой модели для описания поиска информации, в частности, модели двухэтапного поиска. Напротив, результаты, свидетельствующие о множественности механизмов, укажут на необходимость разработки отдельных моделей для разных типов структуры категорий.

С целью оценки того, насколько имеющиеся данные согласуются с одной или другой из этих возможностей, был проведен факторный анализ этих данных. Результаты факторного анализа, состоящие в том, что выделится главный фактор – аналог генерального фактора в исследованиях структуры интеллекта, и не выделятся специфические факторы, трактовались как свидетельство в пользу единства механизма поиска информации при перечислении членов структурно различных категорий и, соответственно, возможности использования общей модели. Использовался метод главных компонент, рассматривались результаты, полученные без вращения факторов – следуя практике выделения генерального фактора в исследованиях структуры интеллекта [см. 6, с.52].

Выделилось четыре фактора с собственными значениями больше 1. Величины собственных значений были равны 9,893, 1,380, 1,176 и 1,018. Можно видеть, что большой «перепад» имеет место только между собственными значениями первого и второго факторов. Эти факторы объяснили 44,966, 6,275, 5,343 и 4,628 процентов суммарной дисперсии, соответственно. То, что первый фактор объясняет больше 40% дисперсии, является одним из критериев, на основании которых он может считаться генеральным [Там же].

Мы рассмотрели также факторные нагрузки категорий по этим факторам. Нагрузки всех категорий по первому фактору были положительными и достаточно большими (минимальная, равная 0,469, была у категории «металл»). Наличие положительных нагрузок всех или подавляющего большинства заданий теста по первому фактору является вторым из критериев, на основании которых он может получить статус генерального [Там же].

Эти результаты свидетельствуют, что при перечислении членов разных категорий действует единый механизм поиска информации.

Только две категории, «инструмент плотника» и «металл», имели значительные нагрузки (0,605 и 0,557) по второму фактору. Только одна категория, «вид ткани», имела значительную нагрузку (0,652) по третьему фактору. По четвертому фактору самая большая по абсолютной величине нагрузка равнялась 0,456, ею характеризовалась категория «наука». На основании всего этого можно лишь предположить наличие слабых специфических факторов. Наиболее вероятный из них указывает на общность специфики категорий «инструмент плотника» и «металл».

Таким образом, результаты факторного анализа достаточно определенно указывают на то, что при выполнении задачи семантической беглости на разных категориях действует один механизм поиска информации, и дают лишь слабые намеки на действие других механизмов. Использование общей модели для описания поиска информации при перечислении членов структурно различных категорий представляется, таким образом, возможным.

 

 

Литература

  1. Алфимова М.В. Семантическая вербальная беглость: нормативные данные и особенности выполнения задания больными шизофренией // Социальная и клиническая психиатрия. 2010. Т. 20. № 3. С. 20-25.
  2. Григорьев, А.А. Репрезентация лексических категорий в сознании носителя языка. М.: Ин-т языкознания РАН, 2004. 179 с.
  3. Дроздова К.А., Рупчев Г.Е., Семенова Н.Д. Нарушение вербальной беглости у больных шизофренией // Социальная и клиническая психиатрия. 2015. Т. 25. № 4. С. 9-19.
  4. Мыскин С.В. От редактора // Организационная психолингвистика. 2018. № 1 (1). С. 8-10.
  5. Тарасов Е.Ф. К построению теории организационной психолингвистики // Организационная психолингвистика. 2018. № 1 (1). С. 11-20.
  6. Ушаков Д.В. Психология интеллекта и одаренности. М.: Изд-во «Институт психологии РАН». 2011. 463 с.
  7. Battig W.F., Montague W.E.Category norms for verbal items in 56 categories: A replication and extension of the Connecticut norms //Journal of Experimental Psychology. 1969. V. 80.P. 1-46.
  8. Grigoriev A., Oshhepkov I.Objective age of acquisition norms for a set of 286 words in Russian: Relationships with other psycholinguistic variables //Behavior Research Methods. 2013.V. 45. № 4. P. 1208-1217.
  9. Gruenwald P.J., Lockhead G.R.The free recall of category examples // Journal of Experimental Psychology: Human Learning and Memory, 1980. V. 6. № 3. P. 225-240.
  10. Kavé G., Shalmon M., Knafo A. Environmental contribution to preschoolers’ semantic fluency // Developmental Science. 2013. V. 16. № 1. P. 124-135.
  11. 11. Ryu S.-H., Kim R.W., Kim S., Park J.H., Kim T.H., Jeong H.-G., Kim J.L., Moon S.W., Bae J.N., Yoon J.C., Choo I.Y., Lee D.W., Chang S.M., Jhoo J.H., Kim S.-K., Cho M.J. Normative study of the category fluency test (CFT) from nationwide data on community-dwelling elderly in Korea // Archives of Gerontology and Geriatrics. 2012. V. 54. P. 305-309.
  12. Sherman A.M., Massman P.J. Prevalence and correlates of category versus letter fluency discrepancies in Alzheimer’s disease // Archives of Clinical Neuropsychology. 1999. V. 14. № 5. P. 411-418.
  13. Sumiyoshi C., Ertugrul A., Yagcioglu A.E.A., Sumiyoshi T.Semantic memory deficits based on category fluency performance in schizophrenia: Similar impairment patterns of semantic organization across Turkish and Japanese patients // Psychiatry Research. 2009. V. 167. P. 47-57.
  14. Sumiyoshi C., Matsui M., Sumiyoshi T., Yamashita I., Sumiyoshi S., Kurachi M. Semantic structure in schizophrenia as assessed by the category fluency test: Effect of verbal intelligence and age of onset // Psychiatry Research. 2001. V. 105. P. 187-199.
  15. Tombaugh T.N., Kozak J., Rees L. Normative data stratified by age and education for two measures of verbal fluency: FAS and animal naming // Archives of Clinical Neuropsychology. 1999. V. 14. № 2. P. 167-177.
  16. Turner J.E., Valentine T., Ellis A.W. Contrasting effects of age of acquisition and word frequency on auditory and visual lexical decision // Memory & Cognition. 1998. V. 26. № 6. P. 1282-1291.
  17. Van Overschelde J.P., Rawson K.A., Dunlosky J. Category norms: An updated and expanded version of the Battig and Montague (1969) norms //Journal of Memory and Language. 2004. V. 50. P. 289-335.

 

References

  1. Alfimova M.V. Semanticheskaya verbal’naya beglost’: normativnye dannye i osobennosti vypolneniya zadaniya bol’nymi shizofreniej [Semantic verbal fluency: normative data and task performance in a schizophrenic sample]// Social’naya i klinicheskaya psihiatriya. [Social and clinical psychiatry]. 2010. T. 20. № 3. S. 20-25.
  2. Grigor’ev, A.A. Reprezentaciya leksicheskih kategorij v soznanii nositelya yazyka. [The representation of lexical categories in the consciousness of native speaker]. M.: In-t yazykoznaniya RAN, 2004. 179 s.
  3. Drozdova K.A., Rupchev G.E., Semenova N.D. Narushenie verbal’noj beglosti u bol’nyh shizofreniej [Verbal fluency deficit in schizophrenia] // Social’naya i klinicheskaya psihiatriya. [Social and clinical psychiatry]. 2015. T. 25. № 4. S. 9-19.
  4. Myskin S.V. Ot redaktora [Editorial] // Organizacionnaya psiholingvistika. [Organizational psycholinguistics]. 2018. № 1 (1). S. 8-10.
  5. Tarasov E.F. K postroeniyu teorii organizacionnoj psiholingvistiki [To the construction of a theory of organizational psycholinguistics] // Organizacionnaya psiholingvistika. [Organizational psycholinguistics]. 2018. № 1 (1). S. 11-20.
  6. Ushakov D.V. Psihologiya intellekta i odarennosti. [Psychology of intelligence and giftedness]. M.: Izd-vo «Institut psihologii RAN», 2011. 463 s.
  7. Battig W.F., Montague W.E.Category norms for verbal items in 56 categories: A replication and extension of the Connecticut norms //Journal of Experimental Psychology. 1969. V. 80.P. 1-46.
  8. Grigoriev A., Oshhepkov I.Objective age of acquisition norms for a set of 286 words in Russian: Relationships with other psycholinguistic variables //Behavior Research Methods. 2013.V. 45. № 4. P. 1208-1217.
  9. Gruenwald P.J., Lockhead G.R.The free recall of category examples // Journal of Experimental Psychology: Human Learning and Memory, 1980. V. 6. № 3. P. 225-240.
  10. Kavé G., Shalmon M., Knafo A. Environmental contribution to preschoolers’ semantic fluency // Developmental Science. 2013. V. 16. № 1. P. 124-135.
  11. 11. Ryu S.-H., Kim R.W., Kim S., Park J.H., Kim T.H., Jeong H.-G., Kim J.L., Moon S.W., Bae J.N., Yoon J.C., Choo I.Y., Lee D.W., Chang S.M., Jhoo J.H., Kim S.-K., Cho M.J. Normative study of the category fluency test (CFT) from nationwide data on community-dwelling elderly in Korea // Archives of Gerontology and Geriatrics. 2012. V. 54. P. 305-309.
  12. Sherman A.M., Massman P.J. Prevalence and correlates of category versus letter fluency discrepancies in Alzheimer’s disease // Archives of Clinical Neuropsychology. 1999. V. 14. № 5. P. 411-418.
  13. Sumiyoshi C., Ertugrul A., Yagcioglu A.E.A., Sumiyoshi T.Semantic memory deficits based on category fluency performance in schizophrenia: Similar impairment patterns of semantic organization across Turkish and Japanese patients // Psychiatry Research. 2009. V. 167. P. 47-57.
  14. Sumiyoshi C., Matsui M., Sumiyoshi T., Yamashita I., Sumiyoshi S., Kurachi M. Semantic structure in schizophrenia as assessed by the category fluency test: Effect of verbal intelligence and age of onset // Psychiatry Research. 2001. V. 105. P. 187-199.
  15. Tombaugh T.N., Kozak J., Rees L. Normative data stratified by age and education for two measures of verbal fluency: FAS and animal naming // Archives of Clinical Neuropsychology. 1999. V. 14. № 2. P. 167-177.
  16. Turner J.E., Valentine T., Ellis A.W. Contrasting effects of age of acquisition and word frequency on auditory and visual lexical decision // Memory & Cognition. 1998. V. 26. № 6. P. 1282-1291.
  17. Van Overschelde J.P., Rawson K.A., Dunlosky J. Category norms: An updated and expanded version of the Battig and Montague (1969) norms //Journal of Memory and Language. 2004. V. 50. P. 289-335.
Выписка из реестра зарегистрированных СМИ от 23.05.2019 г. Эл N ФС77-75769, выдана Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор)