Amazon.com hatte ursprünglich eine zweistufige Architektur. Um zu skalieren, migrierten sie zu einer serviceorientierten Architektur, die aus Hunderten von Backend-Diensten bestand. Mehrere Anwendungen rufen diese Dienste auf, einschließlich der Anwendungen, die die Amazon.com Website und die Webdienst-API implementieren. Die Amazon.com Website-Anwendung ruft 100-150 Dienste auf, um die Daten zu erhalten, die zum Erstellen einer Webseite verwendet wurden. Eine D-Score-Analyse ergab, dass für einzelne Teilnehmer alternative Grammatiken erworben wurden (Abb. 2). Von den 20 Teilnehmern zeigten 7 Antworten, die auf dem Lernen von AnBn basierten. Vier Teilnehmer zeigten Reaktionsmuster basierend auf der Grammatik (AnBn)+(BnAn) und akzeptierten Zeichenfolgen, in denen Block B Block A voranging. Ein Teilnehmer basiert auf Antworten auf A+B+, wobei Verstöße bei der Zählung akzeptiert werden. Zwei Teilnehmer zeigten Antworten basierend auf (A+B+)+(B+A+), indem sie nur Verstöße gegen die Blockkonsistenz ablehnten.

Die übrigen sechs Aufführungen erfüllten nicht die Kriterien, um über dem Zufall zu liegen. Es wäre falsch, die hier gemeldeten Chancen-Scores generell dem Fehlen jeglicher Mustererkennung zuzuschreiben. Die Auswirkungen des lexikalischen Verhaltens wurden nicht untersucht, d. h. die Teilnehmer, die ihre Entscheidungen auf der Grundlage des Aussehens oder fehlens bestimmter Silbe oder Formen treffen. Einige Teilnehmer berichteten von einem solchen Verhalten (und wurden in den Selbstberichtsanalysen unter “vertraute Einheiten” gruppiert). Eine weitere Erklärung ist, dass einige Teilnehmer eigenwillige syntaktische Regeln angewendet haben, die in der Vorlagenanalyse nicht in Betracht gezogen werden. Letztlich kann die Analyse von AGL-Daten bestimmte Verhaltensweisen in der Testphase nur ausschließen. Die ausgewählten Vorlagen stellen Verhaltensweisen dar, von denen erwartet wurde, dass sie am wahrscheinlichsten sind.

Bei ausreichend großen Stichprobengrößen können Regressionsmodelle (Visser et al., 2009) bei der Identifizierung von Verhaltensvorlagen hilfreich sein. Da die Vorlagenanalyse für kleine Teilnehmerproben oder sogar Einzelfälle konzipiert wurde, wurde keine solche Analyse durchgeführt. AGL ist ein Paradigma, das verwendet wird, um die syntaktische Verarbeitung über verschiedene Altersgruppen, Patientenpopulationen und Arten hinweg zu untersuchen. Ziel dieser Studie war es, neue Methoden zu entwickeln, um zu beschreiben, wie die Teilnehmer syntaktisch strukturierte Reize verarbeiten. In zwei Experimenten wurde das Erlernen der nicht-finitischen Grammatik AnBn zunächst untersucht, indem man sich die Gruppendaten ansah, dann durch die Untersuchung individueller Verhaltensmuster. Die Gruppendaten legten nahe, dass Experimente sowohl in auditiven als auch in visuellen Modalitäten die Ergebnisse früherer Studien replizierten (de Vries et al., 2008; Fitch & Hauser, 2004), da die Teilnehmer in der Testphase ähnliche Genauigkeitsstufen erreichten. Das Verhalten der Teilnehmer wurde dann mit einer Vorlagenanalyse untersucht, bei der unterschiedliche Perspektiven verwendet wurden, um die Daten für jede Person zu betrachten.