心理动词论元连接：乌兹别克语儿童与大型语言模型的对比研究

本研究是锡耶纳大学硕士论文项目，聚焦乌兹别克语心理动词的论元连接能力，对比4-5岁母语儿童与大型语言模型（LLM）的表现，旨在探索人类语言习得机制与机器语言理解的边界。研究成果开源于GitHub（作者Madina-Kh，发布时间2026-06-01）。

心理动词（如“害怕”“喜欢”）的论元结构跨语言复杂，乌兹别克语作为突厥语系黏着语，格标记系统为论元连接研究提供独特视角。本研究创新性地将儿童语言习得（关键期4-5岁）与LLM表现对比，探索两者在复杂句法理解上的异同。

实验招募乌兹别克斯坦幼儿园4-5岁单语儿童（经语言能力筛查），使用动画短片+新造心理动词作为刺激材料，让儿童描述场景以测试论元映射；LLM则通过相同刺激的提示词进行零样本/少样本评估，分析流程与儿童数据一致。

儿童表现出“体验者优先”原则（倾向将体验者映射为主语，规则泛化能力强）；LLM虽能生成语法正确句子，但依赖训练数据中的频率模式，低频率论元配置下表现显著下降。两者差异体现人类规则学习与机器数据驱动学习的本质区别。

研究为语言学（突厥语心理动词数据）、心理学（儿童句法发展）、AI（LLM句法能力评估基准）提供跨学科参考。未来可扩展至更多语言，或深入LLM在其他句法现象的表现，构建更全面的机器语言能力评估框架。

项目GitHub仓库包含去标识化儿童实验数据、R/Python分析代码、实验动画/指令、LLM提示模板，支持其他研究者复制验证及扩展研究，体现开放科学实践。