براي جفت جملات (9) ، زمان كنترل واج بين دو جمله تفاوتي نمي كرد. پيچيدگي اضافي ايجاد شده توسط كلمه مبهم در چند هجاي بعدي رخ مي دهد. اين پيشنهاد مي كند كه وقتي حين پردازش جمله به يك كلمه مبهم بر مي خوريم تمام معاني آن بازيابي مي شود اما يكي از معاني به سرعت انتخاب مي شود. بر چه اساس يك معني به ديگري انتخاب سمعك ترجيح داده مي شود و انتخاب مي شود؟براي پاسخ به اين سوال، David Swinney با استفاده از شاهد عملي برگرفته از روشي به نام Cross-model priming ، راهي براي بررسي پردازش ابهام لغوي طراحي كرد. در آزمايشات Cross-model priming از افراد خواسته مي شود براي كلماتي كه بصورت ديداري ارائه مي شوند و همزمان جملات ارائه شده بصورت شنيداري گوش مي دهند، تصميمات لغوي بگيرند. گاهي اوقات كلمه اي كه بصورت ديداري ارائه مي شودارتباط نزديكي با كلمه موجود در جمله ارائه شده بصورت شنيداري دارد. منطق Cross-model priming اين است كه كلمات مبهم تنها براي معني يا معاني مرتبطي كه اكنون فعال هستند پرايم خواهند شد.
كلمه مبهم bug هم به معني حشره و هم به معني ميكروفون مخفي است. اگر معني حشره فعال شود كلمات مرتبط مانند ant (مورچه) بايد پرايم شوند. اگر معني ديگر آن فعال شود كلمات مرتبط با آن مانند spy (جاسوس) بايد پرايم شوند. در يك آزمايش Swinney شركت كنندگاني داشت كه به جمله اي مانند (10) گوش مي كردند. در پايان كلمه bugs ، يكي از سه كلمه ant,spy و يا sew (اين كلمه سوم ارتباطي به هيچ يك از معاني bug ندارد) براي تصميم لغوي نشان داده مي شود. افراد به هر دو ant,spy سريع تر از sew پاسخ مي دادند.اين يافته تائيد كرد كه وقتي جمله اي پردازش مي شود تمام معاني يك كلمه مبهم در ابتدا در دسترس قرار مي گيرند. در مورد بافت چطور؟ در جملاتي مانند (10) هيچ بافت زمينه اي براي رفع ابهام اين لغت مبهم وجود ندارد.
براي جفت جملات (9) ، زمان كنترل واج بين دو جمله تفاوتي نمي كرد. پيچيدگي اضافي ايجاد شده توسط كلمه مبهم در چند هجاي بعدي رخ مي دهد. اين پيشنهاد مي كند كه وقتي حين پردازش جمله به يك كلمه مبهم بر مي خوريم تمام معاني آن بازيابي مي شود اما يكي از معاني به سرعت انتخاب مي شود. بر چه اساس يك معني به ديگري انتخاب سمعك ترجيح داده مي شود و انتخاب مي شود؟براي پاسخ به اين سوال، David Swinney با استفاده از شاهد عملي برگرفته از روشي به نام Cross-model priming ، راهي براي بررسي پردازش ابهام لغوي طراحي كرد. در آزمايشات Cross-model priming از افراد خواسته مي شود براي كلماتي كه بصورت ديداري ارائه مي شوند و همزمان جملات ارائه شده بصورت شنيداري گوش مي دهند، تصميمات لغوي بگيرند. گاهي اوقات كلمه اي كه بصورت ديداري ارائه مي شودارتباط نزديكي با كلمه موجود در جمله ارائه شده بصورت شنيداري دارد. منطق Cross-model priming اين است كه كلمات مبهم تنها براي معني يا معاني مرتبطي كه اكنون فعال هستند پرايم خواهند شد.
كلمه مبهم bug هم به معني حشره و هم به معني ميكروفون مخفي است. اگر معني حشره فعال شود كلمات مرتبط مانند ant (مورچه) بايد پرايم شوند. اگر معني ديگر آن فعال شود كلمات مرتبط با آن مانند spy (جاسوس) بايد پرايم شوند. در يك آزمايش Swinney شركت كنندگاني داشت كه به جمله اي مانند (10) گوش مي كردند. در پايان كلمه bugs ، يكي از سه كلمه ant,spy و يا sew (اين كلمه سوم ارتباطي به هيچ يك از معاني bug ندارد) براي تصميم لغوي نشان داده مي شود. افراد به هر دو ant,spy سريع تر از sew پاسخ مي دادند.اين يافته تائيد كرد كه وقتي جمله اي پردازش مي شود تمام معاني يك كلمه مبهم در ابتدا در دسترس قرار مي گيرند. در مورد بافت چطور؟ در جملاتي مانند (10) هيچ بافت زمينه اي براي رفع ابهام اين لغت مبهم وجود ندارد.
راجع به تاتو خط لب طبیعی