在预测语言学习方面，心理词汇的超图模型比两两网络获取了更多的信息

人类记忆是一个以联想方式工作的复杂系统：阅读一个提示词可以导致对相关概念的回忆。记忆回忆模式的网络结构已被证明包含了对包括语言习得在内的各种认知现象的见解。然而，大多数当前的网络方法使用成对连接，即一次仅两个单词之间的连接。这忽略了两个以上的概念表示可能在内存中同时关联的可能性。我们通过引入认知超图作为人类记忆的模型来克服这种建模限制。我们通过单词小世界项目中N=6003个概念的单词联想（研究1）和N=497个概念的记忆回忆模式（研究2）。在每项研究中，我们将单词关联表示为成对网络或超图。通过将心理语言学规范和网络中心性测量与机器学习相结合，我们定量研究了在成对网络上使用超图模型预测9岁以下儿童基于测试的习得年龄规范（研究1）或30个月以下幼儿的规范学习（研究2，基于儿童数据）是否有任何益处。我们发现，从相同的数据中，认知超图比成对网络捕获更多的信息：在预测幼儿、儿童和青少年的习得年龄趋势方面，认知超图示比成对网络强大得多。我们的研究展示了将人工智能和高阶交互相结合的新方法如何帮助我们理解认知发展。