Integrating pragmatic reasoning in an efficiency-based theory of utterance choice

Abstract

This thesis explores new methods of accounting for discourse-level linguistic phenomena, using computational modeling. When communicating, efficient speakers frequently choose to either omit, or otherwise reduce the length of their utterances wherever possible. Frameworks such as Uniform Information Density (UID) have argued that speakers preferentially reduce or omit those elements that are more predictable in context, and easier to recover. However, these frameworks have nothing to say about the effects of a linguistic choice on how a message is interpreted. I run 3 experiments which show that while UID posits no specific consequences to being "overinformative" (including more information in an utterance than is necessary), in fact overinformativeness can trigger pragmatic inferences which alter comprehenders' background beliefs about the world. In this case, I show that the Rational Speech Act (RSA) model, which models back-and-forth pragmatic reasoning between speakers and comprehenders, predicts both efficiency-based utterance choices, as well as any consequent change in perceived meaning. I also provide evidence that it's critical to model communication as a lossy process (which UID assumes), which allows the RSA model to account for phenomena that it otherwise is not able to. I further show that while UID predicts increased use of pronouns when referring to more contextually predictable referents, existing research does not unequivocally support this. I run 2 experiments which fail to show evidence that speakers use reduced expressions for predictable elements. In contrast to UID and similar frameworks, the RSA model can straightforwardly predict the results that have been observed to date. In the end, I argue that the RSA model is a highly attractive alternative for modeling speaker utterance choice at the discourse level. When it reflects communication as a lossy process, it is able to predict the same predictability-driven utterance reduction that UID does. However, by additionally modeling back-and-forth pragmatic reasoning, it successfully models utterance choice phenomena that simpler frameworks cannot account for.

Diese Arbeit erforscht neue Methoden, linguistische Phänomene auf Gesprächsebene per Computermodellierung zu erfassen. Effiziente Sprecher:innen entscheiden sich bei der Kommunikation häufig dazu, wenn immer es möglich ist, Äußerungen entweder ganz auszulassen oder aber ihre Länge zu reduzieren. Modelle wie Uniform Information Density (UID) argumentieren, dass Sprecher:innen vorzugsweise diejenigen Elemente auslassen, die im jeweiligen Kontext vorhersagbarer und einfacher wiederherzustellen sind. Allerdings sagen diese Modelle nichts über die Auswirkungen einer linguistischen Entscheidung bezüglich der Interpretation einer Nachricht aus. Ich führe drei Experimente durch, die zeigen, dass wenngleich UID keine spezifischen Auswirkungen von "Überinformation" (einer Äußerung mehr Information als nötig geben) postuliert, Überinformationen doch pragmatische Schlussfolgerungen, die das gedankliche Weltmodell der Versteher:innen ändern können, auslöst. Für diesen Fall zeige ich, dass das Rational-Speech-Act-Modell (RSA), welches pragmatische Hin-und-Her-Schlussfolgerungen zwischen Sprecher:innen und Versteher:innen modelliert, sowohl effizienzbasierte Äußerungsauswahl als auch jegliche resultierende Verständnisänderung vorhersagt. Ich liefere auch Anhaltspunkte dafür, dass es entscheidend ist, Kommunikation als verlustbehafteten Prozess zu modellieren (wovon UID ausgeht), was es dem RSA-Modell erlaubt, Phänomene einzubeziehen, wozu es sonst nicht in der Lage wäre. Weiterhin zeige ich, dass obschon UID beim Bezug auf kontextuell vorhersagbarere Bezugswörter eine erhöhte Nutzung von Pronomen vorhersagt, dies von existierender Forschung nicht einstimmig gestützt wird. Ich führe zwei Experimente durch, die keine Anhaltspunkte dafür, dass Sprecher:innen reduzierte Ausdrücke für vorhersagbare Elemente verwenden, finden. Im Gegensatz zu UID und ähnlichen Modellen kann dass RSA-Modell direkt die bislang beobachteten Resultate vorhersagen. Schließlich lege ich dar, warum das RSA-Modell eine höchst attraktive Alternative zur Modellierung von Sprachäußerungsentscheidungen auf Gesprächsebene ist. Wenn es Kommunikation als einen verlustbehafteten Prozess widerspiegelt, kann es dieselbe vorhersagebasierte Äußerungsreduktion vorhersagen wie auch UID. Modelliert man jedoch zusätzlich pragmatische Hin-und-Her-Schlussfolgerungen, modelliert RSA erfolgreich Phänomene bei Äußerungsentscheidungen, die einfachere Modelle nicht abbilden können.