Loading...
Publication
Spontaneous trait inferences under a linguistic lens
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.61 MB | Adobe PDF |
Authors
Abstract(s)
As one of the most researched effects in Social Cognition, Spontaneous Trait Inferences (STI) research has been focusing on how it works, what causes it and what it might disrupt it. After Marcelo, Garcia-Marques & Duarte (2019), there was evidence that language and Grammar could play a bigger part in STI, since it is considered an encoding effect. Language has been a key element in researching STI from the beginning, with the encoding material being one of the main sources of information to convey the situation and explicit traits. We created this project with the purpose of understanding how deep and important the connection between STI and Linguistics goes. For this, we created four linguistic perspectives that produce a robust and complete picture of how STI and language might interact with each other: an analysis on linguistic complexity (using the main components in Language models – Syntax, Semantics and Phonology), an analysis on structure vs. meaning elements in a sentence through one of the most interest cases of Syntax-Semantics systems clashing, an analysis on contextual time through verbs and adverbial phrases, and an analysis on sound communication as a means for inference. Overall, our data indicates that STI uses the language system on encoding, following linguistic structures and principles of comprehension. Although structural hierarchy in language use is respected and can affect STI, it is in meaning structures, such as thematic role and entity number that we see bigger STI trends. The data allowed us to create a prototypical model – the CRT model – that could explain STI from encoding until attribution using both language comprehension models, previous evidence of STI and this project’s data. This could be a starting point to further help both Social Cognition and Linguistics to develop their frameworks and create more links that connect theory and everyday effects that use language and information.
As Inferências Espontâneas de Traço (IET) são um dos efeitos mais estudados em Cognição Social, e a sua investigação tem se focado em como funciona, o que o causa e o que o pode alterar. Em Marcelo, Garcia-Marques & Duarte (2019), os dados mostraram que a linguagem e a Gramática poderiam ter maior importância nas IET, tendo em conta que é um efeito de codificação da informação. A Linguagem tem sido um elemento importante na investigação das IET desde o início enquanto material de estudo e uma das principais fontes de informação de transmissão da situação e dos traços explícitos nas várias metodologias. Este projeto tem o propósito de perceber quão forte é esta ligação entre IET e a linguística. Para isso, criámos quatro perspetivas linguísticas que demonstram esta ligação: uma análise de complexidade linguística (que usa os principais componentes dos modelos de Linguagem - Sintaxe, Semântica e Fonologia), uma análise de elementos de estrutura vs. de significado numa frase através de um dos casos mais interessantes que envolve os sistemas da Sintaxe e Semântica, uma análise sobre tempo contextual através de verbos e sintagmas adverbiais, e uma análise de comunicação oral enquanto meio para a inferência. De forma geral, os dados indicam que a IET usa o sistema de linguagem na codificação, seguindo as suas estruturas e princípios de compreensão. Apesar de a estrutura da linguagem ser respeitada e poder afetar a IET, é nas estruturas de significado, como papéis temáticos e no número de entidades em que vemos mais efeitos. Os dados permitiram traçar um modelo prototípico – o modelo CRT – que explique as IET desde a codificação até à atribuição, ao usar os modelos de compreensão da linguagem, dados da IET e os dados desta investigação. Isto poderá ser um ponto de partida para desenvolvimento tanto em Cognição Social como em Linguística, criando mais elos de ligação entre teoria e efeitos do quotidiano que usem a linguagem.
As Inferências Espontâneas de Traço (IET) são um dos efeitos mais estudados em Cognição Social, e a sua investigação tem se focado em como funciona, o que o causa e o que o pode alterar. Em Marcelo, Garcia-Marques & Duarte (2019), os dados mostraram que a linguagem e a Gramática poderiam ter maior importância nas IET, tendo em conta que é um efeito de codificação da informação. A Linguagem tem sido um elemento importante na investigação das IET desde o início enquanto material de estudo e uma das principais fontes de informação de transmissão da situação e dos traços explícitos nas várias metodologias. Este projeto tem o propósito de perceber quão forte é esta ligação entre IET e a linguística. Para isso, criámos quatro perspetivas linguísticas que demonstram esta ligação: uma análise de complexidade linguística (que usa os principais componentes dos modelos de Linguagem - Sintaxe, Semântica e Fonologia), uma análise de elementos de estrutura vs. de significado numa frase através de um dos casos mais interessantes que envolve os sistemas da Sintaxe e Semântica, uma análise sobre tempo contextual através de verbos e sintagmas adverbiais, e uma análise de comunicação oral enquanto meio para a inferência. De forma geral, os dados indicam que a IET usa o sistema de linguagem na codificação, seguindo as suas estruturas e princípios de compreensão. Apesar de a estrutura da linguagem ser respeitada e poder afetar a IET, é nas estruturas de significado, como papéis temáticos e no número de entidades em que vemos mais efeitos. Os dados permitiram traçar um modelo prototípico – o modelo CRT – que explique as IET desde a codificação até à atribuição, ao usar os modelos de compreensão da linguagem, dados da IET e os dados desta investigação. Isto poderá ser um ponto de partida para desenvolvimento tanto em Cognição Social como em Linguística, criando mais elos de ligação entre teoria e efeitos do quotidiano que usem a linguagem.
Description
Keywords
Social cognition Spontaneous trait inference Psycholinguistics Syntax Semantics