Effet de Fréquence des Mots

Lisez les mots "chaise" et "urne." Tous deux sont courts, tous deux sont des noms, tous deux désignent un objet près duquel vous pourriez vous asseoir. Pourtant, votre cerveau identifie "chaise" comme un mot plus rapidement qu'il n'identifie "urne." Les psychologues appellent cet écart l'effet de fréquence des mots : plus un mot apparaît souvent dans la langue qui nous entoure, plus nous le reconnaissons vite et avec précision.

Qu'est-ce que l'Effet de Fréquence des Mots

Essayez par vous-même : "table" et "treillis." Tous deux sont des noms, tous deux ont deux syllabes, tous deux sont des objets concrets. L'un d'eux sera presque instantanément identifié comme un vrai mot. L'autre prendra un peu plus de temps. La seule réelle différence entre eux est la fréquence à laquelle vous avez rencontré chacun, et cette différence seule suffit à changer votre temps de réaction.

Fréquence : le nombre brut d'occurrences d'un mot dans un véritable corpus de texte ou de discours, ce qui représente de manière mesurable à quel point un mot se sent "commun".

Baayen et ses collègues l'appellent "un fort prédicteur dans la plupart des tâches de traitement lexical" (Heitmeier, Chuang, Axen & Baayen, 2023). Ce pouvoir prédictif est bien établi. Ce qui est moins clair, c'est pourquoi cela se produit.

Comment Fonctionne l'Effet de Fréquence des Mots

Lorsque vous rencontrez un mot, votre cerveau doit récupérer tout ce qui est stocké à son sujet : son orthographe, son son, son sens. La fréquence des mots change la durée de cette récupération : les mots à haute fréquence reviennent vite, les mots à basse fréquence reviennent plus lentement. Trois comptes expliquent pourquoi, dans trois vocabulaires différents.

Le Modèle Logogen

La version classique est le Modèle Logogen de Morton. Chaque mot que vous connaissez a son propre logogen, une unité de reconnaissance qui se déclenche une fois qu'une quantité suffisante de preuves pour ce mot s'accumule. La fréquence détermine la quantité de preuves nécessaire : le logogen d'un mot à haute fréquence a un seuil plus bas, donc il se déclenche plus tôt. Le logogen d'un mot à basse fréquence a besoin de plus de preuves, donc il se déclenche plus tard (Lim, 2016).

Le Modèle d'Activation Interactive

Le Modèle d'Activation Interactive de McClelland et Rumelhart intègre cela dans un système hiérarchisé : les caractéristiques visuelles alimentent les lettres, les lettres alimentent les unités de mots entiers. Au lieu d'un seuil fixe, la fréquence détermine le niveau d'activation au repos de chaque unité de mot. L'unité d'un mot à haute fréquence commence plus près du déclenchement. L'unité d'un mot à basse fréquence commence plus loin (Lim, 2016).

Le Compte d'Apprentissage Discriminatif

Un compte plus récent et computationnel le présente différemment : comme un problème de prédiction, et non une course d'activation. Un système entraîné sur la langue que vous avez effectivement rencontrée fait une erreur de prédiction plus petite pour les mots qu'il a vus plus souvent. Mots à haute fréquence : erreur plus petite, reconnaissance plus rapide. Mots à basse fréquence : erreur plus grande, reconnaissance plus lente (Heitmeier, Chuang, Axen & Baayen, 2023).

Toutes les théories ci-dessus ont une chose en commun : l'exposition détermine la rapidité avec laquelle un mot franchit la barre que le modèle mesure. Ce sur quoi les trois s'accordent, et ce qui est important pour la conception de l'étude, c'est que le compte brut de fréquence lui-même est un prédicteur médiocre. La valeur transformée log ou rang suit le temps de réaction de beaucoup plus près (Heitmeier, Chuang, Axen & Baayen, 2023). Vous verrez exactement à quoi ressemble cette valeur transformée par rapport à un véritable mot dans la section suivante.

Comment la Fréquence des Mots est Mesurée

Les prédicteurs ont besoin d'un nombre derrière eux. Alors, d'où vient ce nombre ?

Une méthode principale que les chercheurs ont utilisée pendant des décennies pour mesurer la fréquence des mots consistait à compter les occurrences à travers les matériaux imprimés : lecteurs, manuels scolaires, la Bible, les classiques anglais, des magazines populaires, même un ensemble de 120 livres pour enfants (Thorndike & Lorge, 1944).

Mais les gens ne parlent pas comme les livres. Alors pourquoi utiliser des livres comme principale base pour représenter la fréquence du langage ? Marc Brysbaert et Boris New ont reconstruit le comptage standard des mots en anglais américain à partir de zéro, 51 millions de mots extraits des sous-titres de films et de télévision à la place (Brysbaert & New, 2009).

Le pari a porté ses fruits. Testée contre 31 201 mots réels, leur mesure basée sur les sous-titres, SUBTLEX-US, a expliqué 62,3 % de la variance dans la rapidité avec laquelle les gens les reconnaissaient. Les anciennes normes, basées sur une prose anglaise éditée publiée en 1961 (Francis & Kučera, 1964), n'ont réussi qu'à 57,7 % (Brysbaert & New, 2009).

Une poignée d'entrées réelles de cet ensemble de données SUBTLEX-US montre la dispersion (Brysbaert & New, 2009), allant des mots qui apparaissent une fois dans 51 millions de mots à "le", qui apparaît dans chacun des 8 388 films et émissions du corpus :

Nouvelles mesures de fréquence basées sur la base de données SUBTLEXUS, nom de fichier Fichier Excel compressé 2007 avec tous les 74,286 mots du corpus

• FREQcount : le nombre brut de fois où le mot apparaît dans l'ensemble du corpus SUBTLEX-US de 51 millions de mots.
• SUBTLWF : fréquence des mots par million de mots (FREQcount divisé par 51), la mesure standardisée qui rend les mots de corpus de tailles différentes comparables.
• SUBTLCD : diversité contextuelle, le pourcentage des 8,388 films et épisodes de télévision du corpus qui contiennent le mot au moins une fois. Un mot peut être fréquent mais concentré dans quelques contextes, ou modérément fréquent mais répandu partout, c'est ce qui capture cette différence.
• Lg10WF : la fréquence transformée en log10. C'est la valeur qui prédit réellement le temps de réaction dans les expériences de décision lexicale, et non le compte brut, raison pour laquelle les chercheurs l'utilisent au lieu de FREQcount pour le modéliser.

C'est la variable, définie et mesurée. Là où elle apparaît réellement, dans des laboratoires de psycholinguistique, dans la façon dont les enfants apprennent à lire, chez les locuteurs bilingues, dans des publicités, c'est là que les choses deviennent intéressantes.

Exemples de l'effet de fréquence des mots dans la recherche

Marketing et persuasion

La fréquence des mots ne reste pas seulement dans le laboratoire, elle façonne la façon dont les gens réagissent au langage en général. Les mots faciles à traiter semblent tout simplement meilleurs, un phénomène que les chercheurs appellent fluidité de traitement, et la fréquence des mots est l'un de ses leviers les plus fiables (Bullock, Shulman & Huskey, 2021).

Brady Hodges, Zachary Estes et Caleb Warren ont testé cela directement sur des slogans de marque : en analysant plus de 800 exemples réels, en utilisant des analyses corrélationnelles, des expériences en laboratoire, le suivi oculaire et une étude de terrain, ils ont trouvé que les slogans construits à partir de mots courants sont plus aimés (Hodges, Estes & Warren, 2024). Les implications de cela sont que les slogans construits à partir de mots rares ont plus de chances d'être mieux mémorisés !

Les implications peuvent être appliquées à des décisions commerciales réelles. Une nouvelle marque, ou une marque qui lutte pour sa part de marché, ou qui se lance dans un territoire inconnu, bénéficie en fait d'un langage plus difficile à traiter, c'est ce qui fait que les gens se souviennent du nom plus tard. Pour une marque établie, les calculs s'inversent : être oubliable leur coûte à peine quoi que ce soit, les gens savent déjà qui ils sont, mais être peu apprécié fait des dégâts réels. C'est pourquoi le pari le plus sûr pour eux est le mot facile et aimable, même s'il est moins mémorable (Hodges, Estes & Warren, 2024).

Psycholinguistique et décision lexicale

Cela semble presque trop simple pour avoir de l'importance : regarder une chaîne de lettres, décider si c'est un vrai mot, appuyer sur un bouton, aussi vite que possible. Ce jugement qui semble trivial est là où l'effet de la fréquence des mots est le plus important, plus grand que la longueur des mots, la densité du voisinage, ou tout autre chose que les psycholinguistes blâment d'habitude pour des temps de réaction lents.

Heitmeier et ses collègues l'ont mesuré directement : la fréquence expliquait « de loin » la plus grande variance dans la rapidité des réponses des gens (Heitmeier, Chuang, Axen & Baayen, 2023).

Dans la vidéo ci-dessus, un exemple de la Tâche de Décision Lexicale Double peut être vu. Cette tâche présente au participant deux mots et le participant doit décider si les deux mots présentés sont en anglais ou si l'un d'eux ne l'est pas.

Développement de la lecture

Sarah Gerth et Julia Festman ont utilisé le suivi oculaire dans une étude avec 66 enfants germanophones en cinquième et sixième année, âgés de 10 à 12 ans, alors qu'ils lisaient des phrases ordinaires, pas des mots isolés sur un écran, de vraies phrases, lues comme un enfant lit réellement à l'école. Le résultat : les mots de basse fréquence retiennent leur regard 62 millisecondes de plus que les mots de haute fréquence, chez des lecteurs qui apprenaient encore activement à lire couramment (Gerth & Festman, 2021).

Mais la fréquence s'est avérée n'être que la moitié de l'histoire. Certains des enfants étaient tout simplement des lecteurs plus rapides que d'autres, et la fréquence des mots à elle seule ne pouvait pas expliquer pourquoi.

La longueur des mots était le morceau manquant. Les jeunes lecteurs plus rapides avaient déjà pris une habitude que les plus lents n'avaient pas encore : percevoir un mot courant dans son ensemble d'un seul coup d'œil au lieu de travailler à travers lui lettre par lettre, un petit mais réel pas vers la façon dont les adultes lisent.

Un design basé sur cette étude, avec des mots critiques de haute et basse fréquence intégrés dans des phrases ordinaires, appariés sur la longueur des mots, avec des métriques de regard par mot enregistrées automatiquement, est démontré sur la page de Segmentation de Texte de Labvanced, construite avec l'Objet de Segmentation de Texte.

Reconnaissance de mots en langues bilingues et seconde langue

Voici un modèle que la plupart des gens ne remarquent jamais sur leur propre bilinguisme : l'effet de fréquence des mots frappe plus fort dans votre langue la plus faible. Jens Schmidtke l'a mesuré, les locuteurs bilingues montrent un effet de fréquence plus important que les locuteurs monolingues (Schmidtke, 2014).

Il est tentant de lire cela comme un traitement du langage différent chez les cerveaux bilingues. Pour cet effet spécifique, ils n'ont pas besoin d'être : divisez votre exposition entre deux langues et chacune d'elles obtient simplement moins de pratique que la langue d'un locuteur monolingue.

Devenez plus fluide, et l'écart se réduit. Un niveau de compétence plus élevé était directement lié à un effet de fréquence plus petit.

Questions fréquentes

Points clés

• Les mots courants sont reconnus plus rapidement et plus précisément que les rares, une découverte connue sous le nom d'effet de fréquence des mots.
• Il surpasse toutes les autres variables que testent les psycholinguistes, la longueur des mots, la densité du voisinage, comme prédicteur du temps de réaction.
• Utilisez la fréquence transformée logarithmiquement ou par rang, pas les comptes brut, la fréquence brute prédit à peine le comportement.
• Les locuteurs bilingues ressentent l'effet plus fortement que les locuteurs monolingues, car leur exposition à chaque langue est divisée.
• Dans les slogans de marque, les mots courants gagnent en appréciation et perdent en mémorabilité.
• La Tâche de Décision Lexicale Double de Labvanced est un paradigme prêt à l'emploi pour étudier cet effet, enregistrant les données de temps de réaction et de précision au niveau des essais.
• Pour la lecture de phrases continues plutôt que de mots isolés, l'Objet de Segmentation de Texte enregistre automatiquement les métriques de regard par mot, démontré avec une étude de lecture de fréquence des mots modélisée sur Gerth et Festman (2021).

Plus de concepts et effets de psychologie, expliqués.

Références

1. Brysbaert, M., & New, B. (2009). Moving beyond Kučera and Francis: A critical evaluation of current word frequency norms and the introduction of a new and improved word frequency measure for American English. Behavior Research Methods, 41(4), 977–990.
2. Bullock, O. M., Shulman, H. C., & Huskey, R. (2021). Narratives are persuasive because they are easier to understand: Examining processing fluency as a mechanism of narrative persuasion. Frontiers in Communication, 6, 719615.
3. Francis, W. N., & Kučera, H. (1964). A Standard Corpus of Present-Day Edited American English (the Brown Corpus). Brown University.
4. Gerth, S., & Festman, J. (2021). Reading development, word length and frequency effects: An eye-tracking study with slow and fast readers. Frontiers in Communication, 6, 743113.
5. Heitmeier, M., Chuang, Y.-Y., Axen, S. D., & Baayen, R. H. (2023). Frequency effects in linear discriminative learning. Frontiers in Human Neuroscience, 17, 1242720.
6. Hodges, B. T., Estes, Z., & Warren, C. (2024). Intel inside: The linguistic properties of effective slogans. Journal of Consumer Research, 50(5), 865–886.
7. Lim, S. W. H. (2016). The influence of orthographic neighborhood density and word frequency on visual word recognition: Insights from RT distributional analyses. Frontiers in Psychology, 7, 401.
8. Schmidtke, J. (2014). Second language experience modulates word retrieval effort in bilinguals: Evidence from pupillometry. Frontiers in Psychology, 5, 137.
9. Thorndike, E. L., & Lorge, I. (1944). The Teacher's Word Book of 30,000 Words. Teachers College, Columbia University.