蔡文琦 張向陽 王小娟 楊劍峰

漢語復(fù)合詞語素意義與整詞語義整合加工的時間進程*

蔡文琦 張向陽 王小娟 楊劍峰

(陜西師范大學(xué)心理學(xué)院, 西安 710062)

研究表明語素意義會自動激活并影響整詞語義加工。但是, 漢語復(fù)合詞識別中語素意義何時被激活以及如何參與并影響復(fù)合詞語義整合的時間進程還缺乏清晰的認(rèn)識。研究采用事件相關(guān)電位(ERP)技術(shù), 構(gòu)建了三類雙字詞材料: 語素意義與詞義相關(guān)的透明復(fù)合詞(如熾熱)、語素意義與詞義不相關(guān)的不透明復(fù)合詞(如風(fēng)流)、以及作為控制條件的單語素詞匯(如伶俐), 對比考察雙字詞的首詞素和尾詞素語義參與復(fù)合詞語義加工的時間進程。結(jié)果發(fā)現(xiàn), 首字加工的早期(300～400 ms)和晚期(460～700 ms)都表現(xiàn)出語素效應(yīng), 即兩類復(fù)合詞要比單語素詞誘發(fā)更負的波幅。在尾字加工的早期階段(260～420 ms)不僅發(fā)現(xiàn)了語素效應(yīng), 還發(fā)現(xiàn)了語義透明度效應(yīng), 即不透明復(fù)合詞比透明復(fù)合詞誘發(fā)了更負的波幅。而在尾字加工的晚期(480～700 ms), 出現(xiàn)了反轉(zhuǎn)的語素效應(yīng), 即兩類復(fù)合詞比單語素詞誘發(fā)更正的波幅。結(jié)果表明了語素作為獨立表征單元, 在早期加工階段就得到了自動激活; 語義透明度在復(fù)合詞早期加工過程發(fā)揮了重要作用, 透明復(fù)合詞語素整合加工能夠順利獲取整詞語義, 而不透明復(fù)合詞語素整合加工則會阻礙整詞語義獲取。

語義整合, 復(fù)合詞, 語義透明度, ERP

1 引言

語義整合能夠幫助人們將簡單意義信息塊整合為更高水平的語義信息, 形成復(fù)雜且連貫的語義表達。語素(也稱詞素)作為承載形態(tài)和意義的最小語言單位, 是復(fù)合詞的重要組成部分。近年來, 復(fù)合詞內(nèi)部的語素整合加工成為了研究者廣泛關(guān)注的問題(Brooks & Cid de Garcia, 2015; Fiorentino et al., 2014; Flick et al., 2018; Lee et al., 2021; Leminen et al., 2019)。例如, 研究發(fā)現(xiàn), 復(fù)合詞相對于單語素詞需要更多的認(rèn)知加工(El Yagoubi et al., 2008; Ji et al., 2011; Rastle et al., 2004)、更復(fù)雜的加工進程(Coch et al., 2012; Fiorentino et al., 2014)以及更多的腦區(qū)激活(Brooks & Cid de Garcia, 2015; Flick et al., 2018; Hsu et al., 2019)。但是對于復(fù)合詞的語素意義參與激活并影響整詞語義通達的時間進程還不清楚。本研究采用事件相關(guān)電位(ERP)技術(shù), 對比考察漢語雙字詞的首字和尾字加工的時間進程差異, 深入揭示雙字詞語素意義整合加工進程。

復(fù)合詞由兩個及以上具有獨立意義的語素所構(gòu)成, 例如“微信”是由“微”和“信”兩個語素整合形成的。復(fù)合詞心理表征和加工機制一直是心理語言學(xué)研究廣泛關(guān)注的問題。混合表征模型認(rèn)為, 在心理詞典中既存在語素表征, 又存在整詞表征, 因此復(fù)合詞的識別是語素和整詞激活相互作用的結(jié)果(Libben et al., 2020; 彭聃齡等, 1999; Pollatsek et al.,2000; Taft, 2003, 2004)。例如, Taft (2003, 2004)提出,語素表征層以及整詞表征層處于不同層次, 在通達整詞之前都要經(jīng)過語素表征層, 該表征層又稱為詞條層。Taft和Nguyen-Hoan (2010)基于實證研究結(jié)果, 提出了詞條模型, 進一步明確提出了詞條層是介于形和義的抽象連接層, 能夠表征語素語義信息, 在詞匯識別的早期加工階段詞條層的語素形態(tài)及語義信息均得到激活, 并且能夠影響復(fù)合詞的語義通達加工。上述詞匯加工的認(rèn)知理論模型主要是基于行為結(jié)果的證據(jù)提出, 對于復(fù)合詞加工中語素如何分解和整合等加工過程還需要結(jié)合神經(jīng)科學(xué)技術(shù)手段細致深入地研究。

研究者對比了英語單語素詞和復(fù)合詞的加工(Fiorentino & Poeppel, 2007; Gagné & Spalding, 2016; Ji et al., 2011), 結(jié)果發(fā)現(xiàn)了被試在兩種詞匯條件之間存在行為反應(yīng)差異, 例如, 單語素詞的書寫速度快于復(fù)合詞的書寫速度(Gagné & Spalding, 2016), 表現(xiàn)出語素效應(yīng), 從而研究者認(rèn)為復(fù)合詞具有與單語素詞不同的加工機制。具體來說, 被試在加工復(fù)合詞時, 語素信息可能得到分解激活, 而單語素詞僅包含一個語素, 例如玻璃, 因此無法進行分解, 只能通過整詞路徑獲取詞匯語義(Fiorentino & Poeppel, 2007; Gagné & Spalding, 2016; Ji et al., 2011)。進一步的ERP研究(Fiorentino et al., 2014)發(fā)現(xiàn), 在較為早期時間窗內(nèi)(275～400 ms), 英語復(fù)合詞就比單語素詞誘發(fā)了更負的波幅, 腦區(qū)分布在中線及右后部腦區(qū)。早期語素效應(yīng)表明了被試在早期就能夠意識到兩類詞匯的差異, 從而可能激活不同的加工通路。復(fù)合詞能夠進行語素分解, 并激活了語素意義信息, 進而嘗試進行整合加工過程。該解釋得到了腦磁圖(MEG)研究的支持(Hsu et al., 2019), 該研究發(fā)現(xiàn)漢語復(fù)合詞比漢語單語素詞需要額外的腦區(qū)激活, 更多激活了左側(cè)顳葉前部及顳葉后部腦區(qū)。

更多的研究表明, 復(fù)合詞的語素意義可能獨立于整詞加工而被自動激活。例如, Zhou等人(1999)操縱了啟動詞與目標(biāo)詞之間的語素、詞形、語義關(guān)系, 結(jié)果發(fā)現(xiàn)語素啟動(如華麗?華貴)效應(yīng)大于字形啟動(如華僑?華貴)、詞義啟動(如醫(yī)生?護士)效應(yīng)。Zou等人(2019)在聽覺詞匯決策任務(wù)中發(fā)現(xiàn)共享語素條件(如火山?火箭)在前部腦區(qū)產(chǎn)生較大N400, 而共享詞義條件(如車輪?車胎)在中后腦區(qū)產(chǎn)生較小N400, 從而表明漢語語素意義和整詞義在神經(jīng)上的加工分離。還有研究進一步發(fā)現(xiàn)了在復(fù)合詞識別加工的早期階段, 語素意義就得到了自動激活(Tsang & Chen, 2014; Wu et al., 2020; 趙思敏等, 2017)。例如, 趙思敏等人(2017)發(fā)現(xiàn)了當(dāng)啟動詞和目標(biāo)詞共享語素同形同義時, 同時引發(fā)了N250和N400的變化, 結(jié)果說明了語素意義能夠被自動分解并影響到目標(biāo)詞的早期語義通達。

語素意義在復(fù)合詞加工早期就會得到自動激活, 但語素意義影響整詞語義通達的加工機制還不清楚。為探討此問題, 研究者(Brooks & Cid de Garcia, 2015; Ji et al., 2011)對比了兩類復(fù)合詞的加工: 整詞語義與語素意義相關(guān)的透明復(fù)合詞(如熾熱)、以及整詞語義與語素意義不相關(guān)的不透明復(fù)合詞(如風(fēng)流)。以往研究者分別結(jié)合啟動范式(El-Bialy et al., 2013; Tsang & Chen, 2014)、語素間隔范式(Frisson et al., 2008; Ji et al., 2011)、詞匯判斷任務(wù)范式(Lee et al., 2021), 行為結(jié)果均發(fā)現(xiàn)了被試加工不透明復(fù)合詞比透明復(fù)合詞反應(yīng)時間更長、錯誤率更高, 表現(xiàn)出復(fù)合詞加工的語義透明度效應(yīng)。意義計算觀點認(rèn)為, 透明與不透明復(fù)合詞加工都需要語素的自動分解, 它們的加工差異可能在于語素意義與整詞語義的整合階段。具體來說, 透明復(fù)合詞的語素語義與整合計算得到的整詞意義一致, 從而促進了整詞語義的通達; 而不透明復(fù)合詞的語素語義與整合獲得的意義存在競爭沖突, 從而阻礙了整詞語義通達(El-Bialy et al., 2013; Ji et al., 2011; Tsang & Chen, 2014)。

近年來, 認(rèn)知神經(jīng)科學(xué)研究嘗試通過對比兩類復(fù)合詞的神經(jīng)加工差異, 來揭示語素意義整合加工的神經(jīng)機制。遺憾的是, 現(xiàn)有拼音文字研究并沒有清晰地揭示兩類復(fù)合詞在神經(jīng)層面上的加工差異。例如, 一項MEG研究發(fā)現(xiàn), 英語透明復(fù)合詞及不透明復(fù)合詞不存在加工時間進程上的差異(Brooks & Cid de Garcia, 2015)。使用功能性磁共振成像(fMRI)技術(shù)的研究也發(fā)現(xiàn), 被試在加工波斯語透明復(fù)合詞與不透明復(fù)合詞時沒有表現(xiàn)出腦區(qū)激活的差異(Momenian et al., 2021)。有研究者提出, 拼音文字屬于表音文字, 語素形?義的映射關(guān)系較弱, 因此在復(fù)合詞加工中, 語素更多激活了正字法結(jié)構(gòu)信息, 語素意義/意義關(guān)系信息對整詞語義加工的貢獻較小, 從而在拼音文字研究中難以發(fā)現(xiàn)兩類復(fù)合詞的加工差異(Koester & Schiller, 2008, 2011)。

漢語獨特的構(gòu)詞特點能夠為考察復(fù)合詞的語素整合提供新的可能。漢字是表義文字系統(tǒng), 絕大多數(shù)漢字即為一個獨立的語素, 超過80%的漢語詞匯為雙字復(fù)合詞(Huang et al., 2011; Zhou et al., 1999)。而且, 漢字屬于方塊字, 漢字之間的明顯分界使得語素更易被分解, 從而影響整詞的語義通達加工(Tsang & Chen, 2013; Wu et al., 2017)。英語復(fù)合詞大都是偏正式結(jié)構(gòu), 而漢語復(fù)合詞則包含了并列式、偏正式等多種構(gòu)詞結(jié)構(gòu)(Kuo & Anderson, 2006; Liu & McBride-Chang, 2010)。在加工并列式透明復(fù)合詞時, 首、尾語素意義都可以得到激活, 當(dāng)語素意義/語義特征信息與整詞高度相關(guān), 語素意義與整合計算得到的意義一致, 就會促進整詞語義通達, 反之可能干擾或阻礙整詞語義的通達。

有研究者嘗試考察了語義透明度效應(yīng)的神經(jīng)加工機制。結(jié)合fMRI技術(shù), 研究通過語義透明度效應(yīng)考察語素整合加工的腦機制。如Lee等人(2021)的研究發(fā)現(xiàn)不透明復(fù)合詞比透明復(fù)合詞更多激活了左側(cè)前額皮層, 該腦區(qū)可能反映復(fù)合詞語素意義在線整合加工。但是, 也有研究者認(rèn)為左側(cè)前額皮層可能負責(zé)了語素分解過程(Gao et al., 2022; Zou et al., 2016)。另外, 還有研究認(rèn)為大腦顳葉腦區(qū)(例如, 顳葉前部、顳中回后部)以及頂下腦區(qū)(例如, 角回)都可能參與了語素語義的整合加工(Boylan et al., 2017; Flick et al., 2018)。上述相關(guān)腦區(qū)的參與激活反映了復(fù)合詞的語素整合可能涉及了語素分解、語素義表征通達以及語素義整合等復(fù)雜的加工過程。

使用高時間分辨率的ERP技術(shù)能夠更精細地揭示復(fù)合詞的語素整合加工過程。遺憾的是, 這方面的研究相對較少, 還沒有清晰的研究結(jié)論。例如, 在一項聽覺詞匯的ERP研究中, Tsang, Zou和Tse (2022)并沒有發(fā)現(xiàn)透明和不透明復(fù)合詞的神經(jīng)加工差異。而在視覺詞匯的ERP研究中, Tsang和Zou (2022)發(fā)現(xiàn)了首、尾語素的透明度效應(yīng), 表明語素意義可能被自動激活并影響整詞的語義加工, 但是該研究無法直接探討語素語義與復(fù)合詞語義的整合機制。一方面, 研究中使用混合線性模型從多變量的角度綜合考察了復(fù)合詞和語素水平的多個因素的影響, 通過標(biāo)注方法確定的語素透明度效應(yīng)反映了相對于所有語素表義的平均水平的高低差異, 并沒有明確地與不透明語素進行比較。另一方面, 研究者在操縱首/尾語素與復(fù)合詞的語義透明度時, 并沒有同時考察另一個語素的語義透明度作用。上述方法限制導(dǎo)致了研究者無法直接探討兩個語素意義自動激活后如何整合并影響復(fù)合詞的語義通達。

因此, 本研究克服前人研究的不足, 同時操縱兩個詞素的透明度, 考察漢語復(fù)合詞的詞素整合加工過程。實驗對比了三類雙字詞: 透明復(fù)合詞、不透明復(fù)合詞與單語素詞, 同時考察語素效應(yīng)以及語義透明度效應(yīng)。結(jié)合高時間分辨率的ERP技術(shù), 分別考察首字和尾字誘發(fā)的ERP波幅, 深入揭示漢語復(fù)合詞加工中詞素意義的自動激活和整合及其影響整詞語義通達的時間進程。本研究預(yù)期: (1) 被試在加工首字時可能表現(xiàn)出語素效應(yīng)。前人的研究發(fā)現(xiàn)(Wu et al., 2020; 趙思敏等, 2017), 語素意義在詞匯識別早期就得到了自動激活, 本研究預(yù)期語素效應(yīng)也將在首字加工早期加工階段就表現(xiàn)出ERP波幅的差異; (2) 被試在加工尾字時不僅會顯示出語素效應(yīng)顯著, 還會出現(xiàn)語義透明度效應(yīng), 即透明復(fù)合詞與不透明復(fù)合詞之間存在波幅差異。具體會表現(xiàn)在尾字加工的早期階段, 詞素意義就得到激活, 隨即首、尾詞素的意義進行整合加工。透明復(fù)合詞的兩個詞素語義相近且與整詞語義相關(guān), 詞素整合加工受到意義一致的促進作用, 從而快速通達復(fù)合詞語義表征。反之, 不透明復(fù)合詞的語義通達中存在語義不一致的沖突, 從而干擾或阻礙整詞語義的通達。而在尾詞素的加工后期階段, 由于語義透明度是一種加工屬性(El-Bialy et al., 2013; Ji et al., 2011; Momenian et al., 2021), 可能在完成復(fù)合詞的語義整合加工后消失, 從而在尾字加工后期不再表現(xiàn)出透明和不透明復(fù)合詞的加工差異。

2 方法

2.1 被試

一方面基于G-Power軟件進行樣本量的計算, 評估一個中等大小的單因素三水平交互作用的效應(yīng)量(= 0.30, Cohen, 1992), α設(shè)置為0.05, 統(tǒng)計檢驗力為0.95(Faul et al., 2009), 計算得到的樣本量為31人。另一方面, 結(jié)合以往關(guān)于復(fù)合詞加工研究中的樣本量(吳建設(shè)等, 2020; Wu et al., 2020), 實驗樣本量為25～35人, 本研究設(shè)計中確定了35名被試以確保足夠的統(tǒng)計效力。實驗實際招募到在校大學(xué)生34名(19名女生), 平均年齡20.62 ± 1.04歲(19～24歲)。所有被試均為右利手, 視力或者矯正視力正常, 身體健康, 既往無神經(jīng)精神系統(tǒng)疾患及遺傳疾病。所有被試在實驗之前都詳細閱讀了《被試知情同意書》, 并簽字同意。實驗結(jié)束后獲得適量報酬。

2.2 設(shè)計與材料

實驗采用單因素三水平(透明復(fù)合詞、不透明復(fù)合詞和單語素詞)被試內(nèi)實驗設(shè)計, 每個條件包含30個漢語雙音節(jié)詞匯, 共90個刺激材料。透明復(fù)合詞指兩個詞素的意義與復(fù)合詞語義相同或者相近, 如“熾熱”; 不透明復(fù)合詞指兩個詞素的意義與復(fù)合詞語義不同, 如“風(fēng)流”; 單語素詞則只具有一個整詞語素, 如“伶俐”。此外, 還加入30個假詞作為填充材料, 不納入分析; 假詞由兩個單字組成,但是整詞不能構(gòu)成詞匯語義, 如“倉擋”。

透明復(fù)合詞和不透明復(fù)合詞的劃分采用7點評分(7 = 詞素意義與復(fù)合詞語義相關(guān)度非常高; 1 = 詞素意義與復(fù)合詞語義相關(guān)度非常低), 把對首詞素、尾詞素的得分進行求和作為整詞的語義透明度(Brooks & Cid de Garcia, 2015)。15名不參與正式實驗的大學(xué)生對雙字復(fù)合詞的語義透明度進行評定。總得分 > 7的為透明詞, 總得分 ≦ 7的為不透明詞, 透明詞和不透明詞的透明度評分存在顯著差異((58)= 20.73,< 0.001)。本實驗選取首、尾詞素的透明度評分均 ≧ 3.5的詞匯確定為并列式透明復(fù)合詞, 并且首、尾詞素的透明度評分不存在顯著差異((58)= ?0.44,0.660)。有行為研究結(jié)果顯示, 詞頻會影響到復(fù)合詞的語義透明度效應(yīng)。低頻復(fù)合詞下的語義透明度效應(yīng)大于高頻復(fù)合詞下的語義透明度效應(yīng)(Tsai, 1994)。實驗材料全部采用低頻材料(平均頻率為3.24/百萬次)。而且, 透明復(fù)合詞、不透明復(fù)合詞和單語素詞都匹配了詞頻((2, 58) = 1.65,= 0.209)、首字部件數(shù)((2, 58) = 1.06,= 0.354)、尾字部件數(shù)((2, 58) = 0.17,= 0.845)、整詞部件數(shù)((2, 58) = 1.36,0.266), 首字筆畫數(shù)((2, 58) = 0.45,0.643)、尾字筆畫數(shù)((2, 58) = 0.16,0.856)和整詞筆畫數(shù)((2, 58) = 0.64,0.533)。詳細的材料屬性匹配見表1。

表1 實驗材料的相關(guān)屬性信息

注：括號中的數(shù)值為標(biāo)準(zhǔn)差。詞頻來自《現(xiàn)代漢語通用詞表》(2003)。

2.3 實驗程序

實驗在專門的ERP實驗室進行。實驗過程中, 被試坐在安靜的實驗間, 距離電腦屏幕約60 cm。每個試次中, 首先在屏幕中央呈現(xiàn)500 ms的“+”注視符, 接著呈現(xiàn)第一個漢字800 ms, 之后是空屏200 ms, 最后呈現(xiàn)第二個漢字, 這時要求被試快速并準(zhǔn)確地判斷前后呈現(xiàn)的兩個漢字是否能夠構(gòu)成真詞。當(dāng)被試判定為真詞則不作任何按鍵反應(yīng), 第二個漢字一直呈現(xiàn)800 ms后消失; 當(dāng)被試判定為假詞做出按“F”鍵反應(yīng)后, 第二個漢字立即消失。隨后呈現(xiàn)空屏?xí)r間2200 ms, 之后進入下一實驗試次。為了獲得可靠的腦電信號, 120個刺激材料分別呈現(xiàn)兩次。實驗共分為6個部分, 每個部分包括40個試次, 其中透明復(fù)合詞、不透明復(fù)合詞、單語素詞以及假詞條件各10個試次, 每個部分的持續(xù)時間大約為3分鐘, 被試完成全部實驗程序需要大約18分鐘。刺激的呈現(xiàn)和數(shù)據(jù)收集通過E-prime 3.0實現(xiàn)。

2.4 ERP數(shù)據(jù)記錄

采用國際10-20系統(tǒng)擴展的64導(dǎo)電極帽, 以NeuroScan系統(tǒng)記錄EEG信號。電極M1和M2分別置于左側(cè)和右側(cè)乳突, 同時記錄雙眼外側(cè)的水平眼電(HEOG)和左眼上下眶的垂直眼電(VEOG)。在線記錄的濾波帶通為0.1～100 Hz, 采樣頻率為1000 Hz。每個電極點與頭皮之間的阻抗都小于5 KΩ。數(shù)據(jù)鎖時在每個漢字呈現(xiàn)的起始時間, 以便清晰地記錄每個漢字誘發(fā)的神經(jīng)反應(yīng)。

2.5 數(shù)據(jù)分析

34名被試全部完成實驗任務(wù), 2名被試由于偽跡太多, 在最終數(shù)據(jù)分析中被剔除, 參與數(shù)據(jù)分析的有效被試為32名。實驗中的行為按鍵反應(yīng)是為了確保被試能夠保持注意并認(rèn)真完成任務(wù), 只需要被試對25%的試次(假詞條件)作出反應(yīng), 三種真詞條件(透明復(fù)合詞、不透明復(fù)合詞和單語素詞)不作任何反應(yīng), 本研究對每種真詞條件下的平均錯誤試次進行統(tǒng)計并對三種條件的錯誤率進行單因素(透明復(fù)合詞、不透明復(fù)合詞和單語素詞)重復(fù)測量方差分析, 當(dāng)球形假設(shè)不成立時, 方差分析結(jié)果采用Greenhouse-Geisser法進行校正, 結(jié)果報告矯正后的值以及原始自由度。采用Bonferroni方法進行事后多重比較校正。

在MATLAB環(huán)境下使用EEGLAB對數(shù)據(jù)進行預(yù)處理。在預(yù)處理中, 選擇雙側(cè)乳突的平均作為重新參考電極, 首先對每個被試的數(shù)據(jù)進行0.1～30 Hz的濾波, 之后將波幅超過±75 μV的波移除, 再使用獨立成分分析(ICA)識別眼動和其他可能的偽跡并加以移除(Lo et al., 2019; Maurer et al., 2011; 張瑞等, 2021)。ERP數(shù)據(jù)分別選取首字、尾字刺激呈現(xiàn)點之前100 ms到之后700 ms的時間窗口, 分別把首字、尾字刺激點?100～0 ms 作為基線校正, 把首字、尾字刺激呈現(xiàn)后的700 ms 作為分析時程。隨后將同一條件的腦電波進行疊加平均。

參考前人文獻(Bemis & Pylkk?nen, 2011; Kim &Pylkk?nen, 2019; 張瑞等, 2021), 經(jīng)過預(yù)處理之后,在每個電極點上對首字和尾字分別進行方差分析以確定數(shù)據(jù)分析的時間窗。首先, 計算每種條件下首字、尾字的總體平均ERPs, 以20 ms時間窗為步長計算平均波幅, 再對每個時間窗內(nèi)的平均波幅的所有被試數(shù)據(jù)做單因素(透明、不透明復(fù)合詞和單語素詞)重復(fù)測量方差分析。然后, 在?100～700 ms范圍內(nèi)至少有3個步長(連續(xù)60 ms)的方差分析結(jié)果顯著(< 0.05)則被確定為數(shù)據(jù)分析的時間窗。據(jù)此, 在首字誘發(fā)的ERP波幅上識別出條件差異顯著的兩個時間窗: 300～400 ms和460～700 ms; 在尾字加工上識別出兩個時間窗: 260～420 ms和480～ 700 ms。最后, 選取3 (半球: 左/中線/右) × 3 (分區(qū): 前/中央/后)共9個代表性電極點(左: F3, C3, P3; 中: Fz, Cz, Pz; 右: F4, C4, P4)做進一步的數(shù)據(jù)分析(Beyersmann et al., 2014; Zou et al., 2019)。在考察首字和尾字誘發(fā)的波幅條件差異時, 以每個時間窗的平均波幅為因變量, 進行3 (詞匯類型: 透明復(fù)合詞/不透明復(fù)合詞/單語素詞) × 3 (半球: 左/中線/右) × 3 (分區(qū): 前/中央/后)的重復(fù)測量方差分析, 當(dāng)球形假設(shè)不成立時, 方差分析結(jié)果采用Greenhouse- Geisser法進行校正, 結(jié)果報告校正后的值以及原始自由度。采用Bonferroni 方法進行事后多重比較校正。

3 結(jié)果

3.1 行為結(jié)果

所有32名被試都能成功地完成真假詞判斷任務(wù), 被試在三種真字條件下錯誤地作出按鍵反應(yīng)的平均試次僅為1.41次(2.34%)。其中, 在透明復(fù)合詞條件下的平均錯誤試次為1.53次(2.55%), 在不透明復(fù)合詞條件下的平均錯誤試次相對最高, 為2.31次(3.85%), 而在單語素詞條件下的平均錯誤試次僅為0.38次(0.63%)。對三種條件的錯誤率進行單因素重復(fù)測量的方差分析, 結(jié)果發(fā)現(xiàn)詞匯類型的主效應(yīng)顯著((2, 62) = 12.98,< 0.001, η2= 0.295), 被試在單語素詞條件下的錯誤率要顯著低于透明復(fù)合詞((31) = ?3.97,= 0.001, Cohen’s= ?0.826)和不透明復(fù)合詞((31) = ?3.96,= 0.001, Cohen’s= ?0.919), 在透明復(fù)合詞條件下的錯誤反應(yīng)也要略低于不透明復(fù)合詞條件((31) = ?2.31,= 0.083, Cohen’s= ?0.500)。

3.2 ERP結(jié)果

3.2.1 首字加工

在首字下, 透明復(fù)合詞、不透明復(fù)合詞和單語素詞條件保留的有效試次數(shù)相同, 都保留了97.91%的有效試次。對首字加工的兩個時間窗(300～400 ms, 460～700 ms), 分別對平均波幅進行3 (詞匯類型: 透明復(fù)合詞/不透明復(fù)合詞/單語素詞) × 3 (半球: 左/中線/右) × 3 (分區(qū): 前/中央/后)的重復(fù)測量方差分析。各電極點的波形圖及各效應(yīng)地形分布圖見圖1所示, 方差分析的統(tǒng)計結(jié)果在表2中詳細列出。另外, 分區(qū)、半球主效應(yīng)顯著情況下的事后檢驗分析結(jié)果以及分區(qū)×半球交互作用顯著情況下的簡單效應(yīng)分析后續(xù)統(tǒng)計結(jié)果詳見網(wǎng)絡(luò)版附表1、附表2。

(1) 300～400 ms時間窗

該時間窗內(nèi)平均波幅的重復(fù)測量方差分析結(jié)果顯示, 詞匯類型的主效應(yīng)顯著, 表現(xiàn)為透明和不透明復(fù)合詞都要比單語素詞誘發(fā)更負的波幅((31)= ?2.85,= 0.023, Cohen’s= ?0.505;(31)= ?2.50,= 0.055, Cohen’s= ?0.443), 但兩類復(fù)合詞之間差異不顯著,(31) = ?0.04,= 1.000。實驗結(jié)果沒有發(fā)現(xiàn)詞匯類型與分區(qū)或半球的交互作用。

首字誘發(fā)的平均波幅在頭皮分布上呈現(xiàn)出顯著的半球主效應(yīng), 表現(xiàn)為左側(cè)和中線要比右側(cè)電極點的波幅更負, 而左側(cè)與中線上電極點的波幅之間差異不顯著。而且, 半球效應(yīng)與分區(qū)之間表現(xiàn)出顯著的交互作用, 簡單效應(yīng)分析發(fā)現(xiàn)在中央腦區(qū)的半球效應(yīng)顯著((2, 62) = 10.99,< 0.001, η2= 0.262), 表現(xiàn)出左側(cè)與中線比右側(cè)電極誘發(fā)了更負的波幅, 而左側(cè)與中線上的電極波幅差異不顯著。而在前部腦區(qū)、后部腦區(qū)的半球效應(yīng)均未達到顯著((2, 62) = 3.05,= 0.054, η2= 0.090;(2, 62) = 1.38,= 0.260)。

(2) 460～700 ms時間窗

該時間窗的重復(fù)測試方差分析同樣發(fā)現(xiàn)了顯著的詞匯類型主效應(yīng), 即透明和不透明復(fù)合詞都要比單語素詞誘發(fā)更負的波幅((31)= ?4.35,< 0.001, Cohen’s= ?0.784;(31)= ?2.90,= 0.021, Cohen’s= ?0.512), 而兩類復(fù)合詞之間的差異不顯著,(31)= ?0.56,= 1.000。與早期結(jié)果不同的是, 該時間窗發(fā)現(xiàn)了顯著的詞匯類型與分區(qū)的交互作用, 表現(xiàn)為中央((2, 62) = 13.19,< 0.001, η2= 0.299)和后部((2, 62) = 10.78,< 0.001, η2= 0.258)電極都發(fā)現(xiàn)了顯著的詞匯類型效應(yīng), 但在前部電極上的詞匯類型效應(yīng)只達到邊緣顯著,(2, 62) = 2.41,= 0.098, η2= 0.072。三種詞匯類型在中央和后部電極上的差異模式相同, 都是透明復(fù)合詞要比單語素誘發(fā)更負的波幅(中央,(31) = ?5.15,< 0.001, Cohen’s= ?0.933; 后部,(31)= ?4.93,< 0.001, Cohen’s= ?0.893), 不透明復(fù)合詞也要比單語素詞誘發(fā)更負的波幅(中央,(31)= ?3.54,= 0.004, Cohen’s= ?0.627; 后部,(31)= ?3.38,= 0.006, Cohen’s= ?0.600), 而兩類復(fù)合詞之間的差異不顯著(中央,(31)= ?0.56,= 1.000; 后部,(31)= ?0.49,= 1.000)。

表2 首字誘發(fā)的平均波幅方差分析結(jié)果

晚期時間窗內(nèi)同樣發(fā)現(xiàn)了顯著的半球主效應(yīng), 但只有左側(cè)比中線電極的波幅更負, 而左側(cè)與右側(cè)、中線與右側(cè)電極之間的差異均不顯著。與早期時間窗口不同的是, 晚期時間窗口還發(fā)現(xiàn)了顯著的分區(qū)主效應(yīng), 即前部和后部腦區(qū)比中央腦區(qū)誘發(fā)了更負的波幅, 而前部與后部腦區(qū)差異不顯著。該時間窗內(nèi)還發(fā)現(xiàn)了半球與分區(qū)的顯著交互作用。晚期窗口的交互作用主要表現(xiàn)在中央((2, 62) = 7.21,= 0.002, η2= 0.189)和后部((2, 62) = 12.43,< 0.001, η2= 0.286)腦區(qū)的半球效應(yīng)都顯著。在中央腦區(qū), 左側(cè)和中線電極要比右側(cè)電極的平均波幅更負, 而左側(cè)與中線電極上的差異不顯著。在后部腦區(qū), 左側(cè)和右側(cè)腦區(qū)都要比中線腦區(qū)的波幅更負; 而左、右側(cè)腦區(qū)之間的差異不顯著。

3.2.2 尾字加工

在尾字下, 三種實驗條件保留的有效試次也完全相同, 都保留了98.43%的有效試次。在尾字加工的兩個時間窗(260～420 ms, 480～700 ms), 同樣進行3 (詞匯類型: 透明復(fù)合詞/不透明復(fù)合詞/單語素詞) × 3 (半球: 左/中線/右) × 3 (分區(qū): 前/中央/后) 的重復(fù)測量方差分析。各電極點的波形圖及各效應(yīng)地形分布圖見圖2所示, 方差分析的統(tǒng)計結(jié)果在表3中詳細列出。另外, 分區(qū)、半球主效應(yīng)顯著情況下的事后檢驗分析結(jié)果以及分區(qū)×半球交互作用顯著情況下的簡單效應(yīng)分析后續(xù)統(tǒng)計結(jié)果詳見網(wǎng)絡(luò)版附表3、附表4。

圖2 A. 尾字加工中不同詞匯條件誘發(fā)的平均波幅變化; B. 詞匯類型主效應(yīng)(上)、語素效應(yīng)(中)、語義透明度效應(yīng)(下)的地形分布圖。

表3 尾字誘發(fā)的平均波幅方差分析結(jié)果

(1) 260～420 ms時間窗

在尾字加工的早期同樣發(fā)現(xiàn)了顯著的詞匯類型主效應(yīng), 與首字的詞匯類型效應(yīng)相同, 都表現(xiàn)為透明和不透明這兩類復(fù)合詞要比單語素詞誘發(fā)更負的波幅((31)= ?3.72,= 0.002, Cohen’s= ?0.670;(31)= ?5.48,< 0.001, Cohen’s= ?0.971), 但兩類復(fù)合詞之間的差異不顯著,(31)= 1.61,= 0.353。

與首字加工不同的是, 尾字加工在早期窗口就發(fā)現(xiàn)了詞匯類型與分區(qū)的顯著交互作用, 而詞匯類型與半球的交互作用僅達到邊緣顯著。進一步的簡單效應(yīng)分析發(fā)現(xiàn), 詞匯類型效應(yīng)的顯著性差異在前部((2, 62) = 13.74,< 0.001, η2= 0.307)和中央((2, 62) = 22.75,< 0.001, η2= 0.423)腦區(qū)表現(xiàn)出相同的模式, 而在后部腦區(qū)的詞匯類型效應(yīng)表現(xiàn)出另一種顯著差異模式,(2, 62) = 10.80,< 0.001, η2= 0.258。在后部腦區(qū), 結(jié)果發(fā)現(xiàn)了語義透明度效應(yīng), 即不透明復(fù)合詞比透明復(fù)合詞誘發(fā)了更負的波幅((31)= ?2.72,= 0.032, Cohen’s= ?0.514), 不透明復(fù)合詞也比單語素詞誘發(fā)了更負的波幅((31)= ?4.63,< 0.001, Cohen’s= ?0.824), 但透明復(fù)合詞與單語素詞之間差異未達到顯著((31) = ?2.11,= 0.128)。不同的是, 在前部和中央電極上, 兩類復(fù)合詞之間的差異并不顯著((31) = ?0.02,= 1.000;(31) = 1.95,= 0.180), 沒有發(fā)現(xiàn)語義透明度效應(yīng), 而透明、不透明復(fù)合詞都要比單語素詞誘發(fā)更負的波幅(前部,(31) = ?3.93,= 0.001, Cohen’s= ?0.670;(31)= ?4.25,= 0.001, Cohen’s= ?0.754; 中央,(31)= ?4.28,= 0.001, Cohen’s= ?0.774;(31)= ?6.49,< 0.001, Cohen’s= ?1.149)。

在尾字加工的早期發(fā)現(xiàn)了顯著的半球主效應(yīng), 表現(xiàn)為左側(cè)電極比右側(cè)和中線電極誘發(fā)的波幅更負, 而右側(cè)與中線電極差異不顯著。結(jié)果也發(fā)現(xiàn)了顯著的分區(qū)主效應(yīng), 表現(xiàn)為前部分別比中央、后部腦區(qū)的波幅更負, 中央也比后部腦區(qū)的波幅更負。結(jié)果還發(fā)現(xiàn)了分區(qū)×半球的顯著交互作用, 進一步簡單效應(yīng)分析發(fā)現(xiàn), 在前部腦區(qū)發(fā)現(xiàn)的顯著半球效應(yīng)((2, 62) = 7.11,= 0.003, η2= 0.187)是因為左側(cè)比中線腦區(qū)的波幅更負, 而左側(cè)與右側(cè)、中線與右側(cè)腦區(qū)差異不顯著。在中央腦區(qū)發(fā)現(xiàn)的顯著半球效應(yīng)((2, 62) = 14.00,< 0.001, η2= 0.311)是因為左側(cè)比右側(cè)和中線腦區(qū)的波幅更負, 而中線與右側(cè)腦區(qū)差異不顯著。而在后部腦區(qū)發(fā)現(xiàn)的顯著半球效應(yīng)((2, 62) = 11.26,< 0.001, η2= 0.266)是因為, 左側(cè)比中線和右側(cè)腦區(qū)的波幅都更負, 但中線與右側(cè)腦區(qū)差異不顯著。

(2) 480～700 ms時間窗

在尾字加工的后期時間窗口, 重復(fù)測量方差分析結(jié)果同樣發(fā)現(xiàn)了顯著的詞匯類型主效應(yīng), 表現(xiàn)為透明復(fù)合詞和不透明復(fù)合詞都要比單語素詞誘發(fā)了更正的波幅((31)= 4.08,= 0.001, Cohen’s= 0.722;(31)= 4.31,< 0.001, Cohen’s= 0.769), 而兩類復(fù)合詞之間的差異不顯著,(31)= ?0.13,= 1.000。

結(jié)果還發(fā)現(xiàn)了詞匯類型×半球的交互作用顯著, 詞匯類型的簡單效應(yīng)在左側(cè)((2, 62) = 12.50,< 0.001, η2= 0.287)、中線((2, 62) = 14.62,< 0.001, η2= 0.320)以及右側(cè)((2, 62) = 12.92,< 0.001, η2= 0.294)電極點上都顯著, 它們都表現(xiàn)出兩類復(fù)合詞之間的差異不顯著(左側(cè),(31) = ?0.42,= 1.000; 中線,(31)= ?0.48,= 1.000; 右側(cè),(31)= 0.52,= 1.000), 而兩類復(fù)合詞都要比單語素詞誘發(fā)更正的波幅, 只是詞匯類型的差異量在不同半球上有所不同, 不透明復(fù)合詞與單語素詞在中線腦區(qū)((31)= 4.49,< 0.001, Cohen’s= 0.809)顯著性最大, 在右側(cè)((31) = 3.89,= 0.002, Cohen’s= 0.689)最小。

而且, 詞匯類型與大腦分區(qū)之間的交互作用也顯著。詞匯類型的簡單效應(yīng)顯著地表現(xiàn)在前部((2, 62) = 8.61,= 0.001, η2= 0.217)、中央((2, 62) = 11.66,< 0.001, η2= 0.273)和后部((2, 62) = 19.77,< 0.001, η2= 0.389)電極點上。三個分區(qū)上都發(fā)現(xiàn)兩類復(fù)合詞之間的差異不顯著(前部,(31)= ?1.44,= 0.481; 中央,(31)= 0.14,= 1.000; 后部,(31)= 0.80,= 1.000), 透明、不透明復(fù)合詞都比單語素詞誘發(fā)了更正的波幅, 只是差異量有所不同, 在后部腦區(qū)((31)= 5.20,< 0.001, Cohen’s= 0.922;(31)= 4.79,< 0.001, Cohen’s= 0.848)顯著性最大, 而在前部((31)= 2.64,= 0.039, Cohen’s= 0.469;(31) = 3.67,= 0.003, Cohen’s= 0.672)最小。

尾字加工誘發(fā)的平均波幅在頭皮分布上, 表現(xiàn)出顯著的半球和分區(qū)主效應(yīng)。在半球效應(yīng)上, 主要是左側(cè)比右側(cè)的波幅更負, 也比中線波幅更負, 右側(cè)比中線的波幅也要更負。顯著的分區(qū)主效應(yīng)主要表現(xiàn)為前部比中央和后部腦區(qū)的波幅更負, 而中央和后部電極的波幅差異不顯著。

4 討論

本研究采用ERP技術(shù), 探討了漢語復(fù)合詞加工中詞素意義整合的時間進程。結(jié)果發(fā)現(xiàn)在漢語雙字詞的首字加工中, 就表現(xiàn)出語素效應(yīng), 即兩類復(fù)合詞與單語素詞之間的加工差異。而且, 在尾字加工的早期階段就發(fā)現(xiàn)了兩類復(fù)合詞在后部電極點上的顯著差異, 表現(xiàn)出語義透明度效應(yīng), 而在尾字加工的晚期階段發(fā)現(xiàn)了反轉(zhuǎn)的語素效應(yīng)。研究結(jié)果揭示出漢語復(fù)合詞詞素意義的自動分解和整合加工的時間進程, 下面進行具體討論：

4.1 漢語復(fù)合詞識別加工中語素意義激活過程

本研究通過對比漢語復(fù)合詞與單語素詞的首字加工過程, 結(jié)果發(fā)現(xiàn)了兩類復(fù)合詞比單語素詞誘發(fā)了更負的波幅。這與以往研究發(fā)現(xiàn)相一致, 都表明了在多語素詞識別中語素會得到分解激活。例如, Lavric等人(2007)的一項ERP研究結(jié)果指出, 在早期時間窗口(140～260 ms)發(fā)現(xiàn)了語素相關(guān)?語義透明條件(如hunter?HUNT)下的神經(jīng)啟動效應(yīng)與無語素相關(guān)?字形相關(guān)條件(如brothel?BROTH)下的神經(jīng)啟動效應(yīng)存在顯著差異。該結(jié)果說明了語素在加工早期階段就得到了分解, 并且區(qū)別于單純字形加工。本研究也在首字加工早期階段, 表現(xiàn)出漢語復(fù)合詞與單語素詞之間的波幅差異。結(jié)果一方面說明了漢語語素也在早期加工階段得到分解激活, 并作為獨立表征單元加工, 而不僅僅是字形分析。另一方面, 首字發(fā)現(xiàn)的語素效應(yīng)還可能是單純由單字加工差異導(dǎo)致的, 需要在對首字更為精確地控制下才能排除這種可能, 比如字頻。來自漢語歧義語素的fMRI研究結(jié)果顯示, 同形異義條件在分布式腦網(wǎng)絡(luò)中產(chǎn)生了顯著的神經(jīng)啟動效應(yīng), 包括左側(cè)顳上回、右側(cè)枕下回等腦區(qū)(Zhao et al., 2021)。本研究結(jié)果也在全腦分布上表現(xiàn)出顯著的語素效應(yīng), 說明了語素加工并非由單一腦區(qū)負責(zé), 而是由眾多腦區(qū)共同負責(zé)加工。

首字加工晚期同樣也發(fā)現(xiàn)了語素效應(yīng), 但與早期電極分布模式不同的是, 晚期語素效應(yīng)表現(xiàn)在中、后腦區(qū)。這表明了漢語語素得到激活之后, 可能在中、后部腦區(qū)得到進一步的語素意義加工, 從而影響到復(fù)合詞語義通達的后續(xù)加工過程。此觀點也得到了其他研究證據(jù)的支持。比如, Wu等人(2017)利用ERP技術(shù)考察漢語語素加工的神經(jīng)加工過程, 結(jié)果發(fā)現(xiàn)了在早期加工階段, 全腦上表現(xiàn)出共享語素條件與基線條件的顯著波幅差異, 而在后期加工階段發(fā)現(xiàn)了中、后部腦區(qū)的電極分布模式。還有研究者結(jié)合fMRI技術(shù), 考察了德語復(fù)合詞神經(jīng)加工機制, 結(jié)果發(fā)現(xiàn)了真實存在的復(fù)合詞更多激活了大腦后部的角回腦區(qū)(Forgács et al., 2012), 該腦區(qū)被認(rèn)為是語義加工的重要腦區(qū)(Binder et al., 2009; Seghier, 2013)。一項法語的MEG研究結(jié)果顯示, 語素加工涉及左側(cè)顳下回、顳上回腦區(qū)的激活參與(Cavalli et al., 2016)。還有來自漢語歧義語素的fMRI研究結(jié)果顯示, 雙側(cè)顳中回參與了歧義語素的意義加工(Zhao et al., 2021)。通過以上跨語言研究證據(jù), 可以得出大腦中、后部腦區(qū)可能參與了語素意義加工。

在尾字加工中也表現(xiàn)出了顯著的語素效應(yīng), 即兩類復(fù)合詞比單語素詞誘發(fā)了更負的波幅。這一結(jié)果與拼音文字的行為研究(Ji et al., 2011; Rastle et al., 2004)以及ERP/MEG研究發(fā)現(xiàn)相一致(Coch et al., 2012; Fiorentino & Poeppel, 2007), 也與漢語研究的行為結(jié)果相一致(Yen et al., 2008; Zhou & Marslen-Wilson, 1995)。例如, Coch等人(2012)的ERP研究結(jié)果顯示, 被試在閱讀英語復(fù)合詞時比英語單語素詞匯誘發(fā)了更負的N400波幅(Coch et al., 2012)。本研究結(jié)果在尾字加工早期表現(xiàn)出的語素效應(yīng), 可能說明了在漢語復(fù)合詞加工的早期階段, 詞素就得到了自動激活, 單語素詞則無法進行分解加工, 所以表現(xiàn)出了兩類復(fù)合詞與單語素詞的波幅差異。該觀點也得到了來自拼音文字的研究證據(jù)支持。例如, Fiorentino和Poeppel (2007)的研究發(fā)現(xiàn)復(fù)合詞在M350上的峰值潛伏期要顯著早于單語素詞, 復(fù)合詞比單語素詞更早的加工主要是詞素意義的自動激活。研究者認(rèn)為, 復(fù)合詞與單語素詞具有不同的加工通路, 復(fù)合詞需要先進行詞素分解加工, 而單語素詞僅一個語素, 無法進行分解加工, 只能進行整詞的語義通達加工(Coch et al., 2012; El Yagoubi et al., 2008)。

4.2 漢語語素意義影響復(fù)合詞語義整合過程

本研究重要的發(fā)現(xiàn)是在尾字加工的相對早期(260～420 ms)階段, 語義透明度效應(yīng)顯著, 表現(xiàn)為漢語不透明復(fù)合詞比透明復(fù)合詞誘發(fā)了更負的波幅。研究者認(rèn)為, 這兩類復(fù)合詞加工都需要語素的自動分解, 它們的加工差異主要體現(xiàn)在語素意義的整合階段(Brooks & Cid de Garcia, 2015)。有研究發(fā)現(xiàn)不透明復(fù)合詞的記憶效果要好于透明復(fù)合詞, 可能是因為不透明復(fù)合詞檢索到的整詞意義與構(gòu)成語素整合出來的意義之間不一致, 導(dǎo)致了更大程度的區(qū)別性(Han et al., 2014)。本研究在神經(jīng)生理層面發(fā)現(xiàn)了語義透明度效應(yīng), 這一結(jié)果與前人研究結(jié)果(Lee et al., 2021; Tsang & Zou, 2022)共同說明了在漢語復(fù)合詞加工中, 語義透明度能夠穩(wěn)健地調(diào)節(jié)詞匯語義通達過程。重要的是, 本研究在尾字加工早期階段, 就發(fā)現(xiàn)了不透明復(fù)合詞比透明復(fù)合詞激活了更負波幅, 這一結(jié)果為意義計算觀點(El-Bialy et al., 2013; Ji et al., 2011; Tsang & Chen, 2014)提供了直接的神經(jīng)生理證據(jù), 表明語素意義會被自動激活并計算出整合意義, 進一步影響到復(fù)合詞的整詞語義通達。具體來說, 本研究采用并列式透明復(fù)合詞, 其首、尾語素意義均與整詞相關(guān), 并且首語素與尾語素意義相近, 因此在首語素意義信息得到充分加工并能為后續(xù)加工提供語境信息的基礎(chǔ)之上, 尾語素在早期加工階段, 意義就得到了自動激活, 之后快速完成首、尾語素整合加工, 在線整合獲取的意義與存儲意義一致, 成功獲取到心理詞典中的詞匯表征, 進而促進了整詞語義獲取。而不透明復(fù)合詞中盡管語素意義得到了自動激活, 但語素整合獲得的意義可能與存儲意義存在沖突, 無法成功檢索到復(fù)合詞表征, 甚至阻礙整詞意義的獲取, 個體需要耗費更多認(rèn)知資源來對不透明復(fù)合詞進行加工, 因此不透明復(fù)合詞誘發(fā)了更負的波幅。

在尾字加工的后期階段, 透明復(fù)合詞與不透明復(fù)合詞之間不存在波幅差異, 語義透明度效應(yīng)消失。有研究者指出, 語義透明度作為一種加工屬性, 透明復(fù)合詞與不透明復(fù)合詞都能夠進行語素分解及整合加工, 兩類復(fù)合詞不存在表征差異(El-Bialy et al., 2013; Ji et al., 2011; Momenian et al., 2021)。因此, 在尾字加工后期, 語義透明度效應(yīng)消失, 說明了在尾字加工的后期階段, 兩類復(fù)合詞已經(jīng)完成了語素意義整合加工過程, 完成了復(fù)合詞整詞語義通達。但語素效應(yīng)在尾字加工的后期階段依然顯著, 且與首字加工及尾字加工早期模式不同, 具體表現(xiàn)為兩類復(fù)合詞分別比單語素詞誘發(fā)了更正的波幅。該階段顯示出來的語素效應(yīng)差異可能不是反映了復(fù)合詞語素意義的自動激活, 而是復(fù)合詞整詞語義進一步加工或者語素結(jié)構(gòu)再分析。這一觀點也得到了來自其他研究證據(jù)的支持。例如, 研究者使用MEG技術(shù), 對比了英語復(fù)合詞與單語素詞的神經(jīng)加工差異, 結(jié)果發(fā)現(xiàn)了在430～660 ms時間窗內(nèi), 透明復(fù)合詞比單語素詞更強地激活了顳上回后部, 研究者認(rèn)為這可能反映的是復(fù)合詞加工的延遲語義加工(Brooks & Cid de Garcia, 2015)。Kwon等人(2012)發(fā)現(xiàn)了大家族詞比小家族詞在500～700 ms時間窗內(nèi)誘發(fā)了更正的波幅(Kwon et al., 2012)。還有研究者結(jié)合啟動范式, 結(jié)果在450～500 ms發(fā)現(xiàn)了啟動類型主效應(yīng), 語素相關(guān)啟動條件比正字法相關(guān)啟動條件誘發(fā)了更正的波幅(Beyersmann et al., 2014)。因此, 在多語素詞加工的晚期階段可能會進行廣泛語義激活(Beyersmann et al., 2014; Brooks & Cid de Garcia, 2015)或者是語素結(jié)構(gòu)再分析(Kim et al., 2022; Kwon et al., 2012)。

4.3 本研究理論貢獻

本研究結(jié)合ERP技術(shù), 利用漢語復(fù)合詞的結(jié)構(gòu)優(yōu)勢, 深入探究了漢語復(fù)合詞語素意義與整詞語義整合加工過程, 為漢語復(fù)合詞的加工模型提供了神經(jīng)生理證據(jù)。研究結(jié)果為Taft的詞條模型提供了證據(jù)。該模型指出, 語素存在獨立表征詞條層, 并且在詞匯識別的早期加工階段語素形態(tài)及語義均發(fā)揮作用(Taft & Nguyen-Hoan, 2010)。本研究結(jié)果在首字加工早期就發(fā)現(xiàn)了語素效應(yīng), 說明語素在加工早期就得到了激活。詞條模型還提出每個語素可能對應(yīng)不同的詞條, 這些詞條涉及了語素語義表征, 因此首字后期表現(xiàn)出的語素效應(yīng)可能反映了對語素意義的進一步加工。

研究結(jié)果還為混合表征模型(Libben et al., 2020; Pollatsek et al., 2000)提供了神經(jīng)生理證據(jù)。該模型指出, 語素表征與整詞表征都存在于心理詞典之中, 復(fù)合詞的識別是語素和整詞激活相互作用的結(jié)果。本研究在尾字早期階段表現(xiàn)出的語素效應(yīng), 說明了兩類復(fù)合詞識別過程中, 語素表征都會得到自動分解激活, 而單語素詞則無法進行語素分解, 只能通過整詞表征加工來獲得詞義。尾字加工早期出現(xiàn)的語義透明度效應(yīng)說明了透明復(fù)合詞可以通過語素整合過程從而順利獲取詞義, 而不透明復(fù)合詞語素整合加工則會阻礙整詞語義獲取, 轉(zhuǎn)而直接進行了整詞表征加工, 完成了語義通達。

4.4 局限與展望

本研究還存在兩方面的問題需要深入探討:

一方面, 我們發(fā)現(xiàn)了實驗效應(yīng)隨著時間進程在頭皮電極分布模式上的變化, 但受限于ERP技術(shù), 對此發(fā)現(xiàn)的解釋還需要結(jié)合高空間分辨率的fMRI進一步探討。本研究發(fā)現(xiàn)了透明度效應(yīng)的后部電極分布, 該結(jié)果可能反映了大腦后部區(qū)域?qū)?fù)合詞語義整合加工的敏感性。與本研究結(jié)果一致的是, Bai等人(2008)在一項聽覺復(fù)合詞的研究中, 操縱了復(fù)合詞語素意義一致性, 結(jié)果發(fā)現(xiàn)尾語素加工的語義不一致效應(yīng)誘發(fā)的ERP波幅差異主要體現(xiàn)在后部腦區(qū)電極點, 研究者認(rèn)為后部電極分布可能反映了復(fù)合詞語素意義的整合加工(Bai et al., 2008)。但是, 與本研究結(jié)果不一致的是, Lee等人(2021)發(fā)現(xiàn)漢語復(fù)合詞的語義透明度效應(yīng)主要表現(xiàn)在左側(cè)前額皮層。最新的一項漢語復(fù)合詞研究利用功能性近紅外光譜技術(shù)(fNIRS)同時結(jié)合EEG技術(shù), 探究了漢語復(fù)合詞加工的神經(jīng)加工過程; 結(jié)果則是發(fā)現(xiàn)了左側(cè)前額皮層, 尤其是額下回負責(zé)了語素解析加工, 而顳葉腦區(qū)則是負責(zé)了語義分析過程(Gao et al., 2022)。復(fù)合詞的語素整合加工的腦機制究竟如何, 還需要結(jié)合fMRI以及經(jīng)顱磁刺激(TMS)等技術(shù), 展開深入地研究。

另一方面, 本研究在連續(xù)呈現(xiàn)刺激方式下深入探討了漢語復(fù)合詞內(nèi)部語素語義與整詞語義整合加工。連續(xù)呈現(xiàn)刺激方式在短語語義整合加工(Bemis & Pylkk?nen, 2011; Zhang & Pylkk?nen, 2015; Ziegler & Pylkk?nen, 2016)研究中得到了應(yīng)用, 能夠很好探究語義整合加工的大腦機制。以往研究者通過對比啟動詞與目標(biāo)詞之間共享語素條件與無關(guān)條件產(chǎn)生的語素啟動效應(yīng), 考察了漢語語素在復(fù)合詞加工中的激活變化(Wu et al., 2020; 趙思敏等, 2017)。盡管結(jié)果發(fā)現(xiàn)在不同時間窗內(nèi)語素影響了整詞語義通達, 但是對于語素分解及整合過程并未得到細致地分離, 尤其是語素如何參與并影響復(fù)合詞語義整合過程。本研究將連續(xù)呈現(xiàn)刺激方式與ERP技術(shù)相結(jié)合, 結(jié)果分別在首、尾字的加工過程中發(fā)現(xiàn)語素效應(yīng)和語義透明度效應(yīng), 說明了漢語復(fù)合詞的語素整合存在著語素分解、語素義通達以及語素義整合等復(fù)雜的加工過程。值得注意的是, 相比于同時呈現(xiàn), 連續(xù)呈現(xiàn)方式可能加大了語素表征與整詞表征加工之間的競爭。同時, 需要承認(rèn)一點, 本研究的刺激呈現(xiàn)時間為800 ms, 首字和尾字都得到了充分加工, 這不僅使得語素意義表征得到了充分激活, 同時可能擴散激活更多的語義信息, 進而影響到整合加工。未來的研究可以通過對比不同的刺激呈現(xiàn)方式或者結(jié)合詞匯歧義性等語言學(xué)屬性來進一步展開研究, 對復(fù)合詞加工過程背后的神經(jīng)機制進行更加細致和深入地探討。

5 結(jié)論

本研究結(jié)合漢語復(fù)合詞的構(gòu)詞特點, 針對前人研究的不足, 采用ERP技術(shù)深入揭示了漢語復(fù)合詞語素整合加工的時間進程。通過同時操縱和考察首、尾語素的語義透明度效應(yīng)發(fā)生的時間進程, 結(jié)果發(fā)現(xiàn)復(fù)合詞語素會被自動分解, 在首字階段就能識別出復(fù)合詞與單語素詞的差異。首語素意義會被自動激活并影響尾語素的加工, 從而在尾字加工早期就表現(xiàn)出語素意義整合的語義透明度效應(yīng)。研究結(jié)果為復(fù)合詞的語素整合加工過程提供了神經(jīng)生理證據(jù)。

Bai, C., Bornkessel-Schlesewsky, I., Wang, L. M., Hung, Y., C, Schlesewsky, M., & Burkhardt, P. (2008). Semantic composition engenders an N400: Evidence from Chinese compounds.(6), 695?699.

Bemis, D. K., & Pylkk?nen, L. (2011). Simple composition: A magnetoencephalography investigation into the comprehension of minimal linguistic phrases.(8), 2801?2814.

Beyersmann, E., Iakimova, G., Ziegler, J. C., & Colé, P. (2014). Semantic processing during morphological priming: An ERP study., 45?55.

Binder, J. R., Desai, R. H., Graves, W. W., & Conant, L. L. (2009). Where is the semantic system? a critical review and meta-analysis of 120 functional neuroimaging studies.(12), 2767?2796.

Boylan, C., Trueswell, J. C., & Thompson-Schill, S. L. (2017). Relational vs. attributive interpretation of nominal compounds differentially engages angular gyrus and anterior temporal lobe.8?21.

Brooks, T. L., & Cid de Garcia, D. (2015). Evidence for morphological composition in compound words using MEG., 215.

Cavalli, E., Colé, P., Badier, J.-M., Zielinski, C., Chanoine, V., & Ziegler, J. C. (2016). Spatiotemporal dynamics of morphological processing in visual word recognition.(8), 1228?1242.

Chinese Linguistic Data Consortium. (2003).. Beijing, China: Tsinghua University, State Key Laboratory of Intelligent Technology and Systems, and Chinese Academy of Sciences, Institute of Automation.

Coch, D., Bares, J., & Landers, A. (2012). ERPs and morphological processing: The N400 and semantic composition.(2), 355?370.

Cohen, J. (1992). A power primer.,(1), 155?159.

El-Bialy, R., Gagné, C. L., & Spalding, T. L. (2013). Processing of English compounds is sensitive to the constituents’ semantic transparency.(1), 75?95.

El Yagoubi, R., Chiarelli, V., Mondini, S., Perrone, G., Danieli, M., & Semenza, C. (2008). Neural correlates of Italian nominal compounds and potential impact of headedness effect: An ERP study.(4), 559?581.

Faul, F., Erdfelder, E., Buchner, A., & Lang, A. G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses.,(4), 1149?1160.

Flick, G., Oseki, Y., Kaczmarek, A. R., Al Kaabi, M., Marantz, A., & Pylkk?nen, L. (2018). Building words and phrases in the left temporal lobe.213?236

Fiorentino, R., Naito-Billen, Y., Bost, J., & Fund-Reznicek, E. (2014). Electrophysiological evidence for the morpheme- based combinatoric processing of English compounds.(1?2), 123?146.

Fiorentino, R., & Poeppel, D. (2007). Processing of compound words: An MEG study.(1), 18?19.

Forgács, B., Bohrn, I., Baudewig, J., Hofmann, M. J., Pléh, C., & Jacobs, A. M. (2012). Neural correlates of combinatorial semantic processing of literal and figurative noun noun compound words.(3), 1432?1442.

Frisson, S., Niswander-Klement, E., & Pollatsek, A. (2008). The role of semantic transparency in the processing of English compound words.(1), 87?107.

Gagné, C. L., & Spalding, T. L. (2016). Effects of morphology and semantic transparency on typing latencies in English compound and pseudocompound words.(9), 1489?1495.

Gao, F., Wang, R., Armada-da-Silva, P., Wang, M., Lu, H., Leong, C., & Yuan, Z. (2022). How the brain encodes morphological constraints during Chinese word reading: An EEG-fNIRS study.184?196.

Han, Y.-J., Huang, S., Lee, C.-Y., Kuo, W.-J., & Cheng, S. (2014). The modulation of semantic transparency on the recognition memory for two-character Chinese words.(8), 1315–1324.

Huang, H. W., Lee, C. Y., Tsai, J. L., & Tzeng, O. J. (2011). Sublexical ambiguity effect in reading Chinese disyllabic compounds.(2), 77?87.

Hsu, C.-H., Pylkk?nen, L., & Lee, C.-Y. (2019). Effects of morphological complexity in left temporal cortex: An MEG study of reading Chinese disyllabic words., 168?177.

Ji, H., Gagné, C. L., & Spalding, T. L. (2011). Benefits and costs of lexical decomposition and semantic integration during the processing of transparent and opaque English compounds.(4), 406?430.

Kim, J., Kang, J., Kim, J., & Nam, K. (2022). Temporal dynamics of form and meaning in morphologically complex word processing: An ERP study on Korean inflected verbs., 101098.

Kim, S., & Pylkk?nen, L. (2019). Composition of event concepts: Evidence for distinct roles for the left and right anterior temporal lobes., 18?27.

Koester, D., & Schiller, N. O. (2008). Morphological priming in overt language production: Electrophysiological evidence from Dutch.(4), 1622?1630.

Koester, D., & Schiller, N. O. (2011). The functional neuroanatomy of morphology in language production.(2), 732?741.

Kuo, L., & Anderson, R. C. (2006). Morphological awareness and learning to read: A cross-language perspective., 161?180.

Kwon, Y., Nam, K., & Lee, Y. (2012). ERP index of the morphological family size effect during word recognition.(14), 3385?3391.

Lavric, A., Clapp, A., & Rastle, K. (2007). ERP evidence of morphological analysis from orthography: A masked priming study.(5), 866?877.

Lee, H.-J., Cheng, S., Lee, C.-Y., & Kuo, W.-J. (2021). The neural basis of compound word processing revealed by varying semantic transparency and morphemic neighborhood size.104985.

Leminen, A., Smolka, E., Du?abeitia, J. A., Pliatsikas, C. (2019). Morphological processing in the brain: The good (inflection), the bad (derivation) and the ugly (compounding)., 4?44.

Libben, G., Gagné, C. L., & Dressler, W. U. (2020). The representation and processing of compounds words. In V. Pirrelli, I. Plag & W. Dressler (Eds.),(pp. 336?352). Berlin, Boston: De Gruyter Mouton.

Liu, P. D., & Mcbride-Chang, C. (2010). Morphological processing of Chinese compounds from a grammatical view.(4), 605?617.

Lo, J. C. M., McBride, C., Ho, C. S., & Maurer, U. (2019). Event-related potentials during Chinese single-character and two-character word reading in children.103589.

Maurer, U., Schulz, E., Brem, S., der Mark, S. van, Bucher, K., Martin, E., & Brandeis, D. (2011). The development of print tuning in children with dyslexia: Evidence from longitudinal ERP data supported by fMRI.(3), 714?722.

Momenian, M., Radman, N., Rafipoor, H., Barzegar, M., & Weekes, B. (2021). Compound words are decomposed regardless of semantic transparency and grammatical class: An fMRI study in Persian.103120.

Peng, D., Ding, G., Wang, C., Taft, M., & Zhu, X. (1999). The processing of Chinese reversible words——the role of morphemes in lexical access.(1), 36?46.

[彭聃齡, 丁國盛, 王春茂, Marcus Taft, 朱曉平. (1999). 漢語逆序詞的加工——詞素在詞加工中的作用.(1), 36?46.]

Pollatsek, A., Hy?n?, J., & Bertram, R. (2000). The role of morphological constituents in reading Finnish compound words.(2), 820?833.

Rastle, K., Davis, M. H., & New, B. (2004). The broth in my brother’s brothel: Morpho-orthographic segmentation in visual word recognition(6), 1090?1098.

Seghier, M. L. (2013). The angular gyrus: Multiple functions and multiple subdivisions.(1), 43?61.

Taft, M. (2003). Morphological representation as a correlation between form and meaning. In E. Assink & D. Sandra (Eds.),(pp. 113?137). Amsterdam: Kluwer.

Taft, M. (2004). Morphological decomposition and the reverse base frequency effect.(4), 745?765.

Taft, M., & Nguyen-Hoan, M. (2010). A sticky stick? The locus of morphological representation in the lexicon.(2), 277?296.

Tsai, C.-H. (1994).(Unpublished master's thesis). National Chung Cheng University, Taiwan, China.

Tsang, Y.-K., & Chen, H.-C. (2013). Early morphological processing is sensitive to morphemic meanings: Evidence from processing ambiguous morphemes.(3), 223?239.

Tsang, Y.-K., & Chen, H.-C. (2014). Activation of morphemic meanings in processing opaque words.(5), 1281?1286.

Tsang, Y. -K., & Zou, Y. (2022). An ERP megastudy of Chinese word recognition.(11), e14111.

Tsang, Y.-K., Zou, Y., & Tse, C.-Y. (2022). Semantic transparency in Chinese compound word processing: Evidence from mismatch negativity.216?223.

Wu, J., Chang, J., Qiu, Y., & Joseph, D. (2020). The temporal process of visual word recognition of Chinese compound: Behavioral and ERP evidences based on homographic morphemes.(2), 113?127.

[吳建設(shè), 常嘉寶, 邱寅晨, Joseph, D. (2020). 漢語復(fù)合詞視覺識別的時間進程: 基于同形語素的行為與ERP證據(jù).(2), 113?127.]

Wu, Y., Duan, R., Zhao, S., & Tsang, Y.-K. (2020). Processing ambiguous morphemes in Chinese compound word recognition: Behavioral and ERP evidence.249?260.

Wu, Y., Tsang, Y.-K., Wong, A. W.-K., & Chen, H.-C. (2017). The processing of homographic morphemes in Chinese: An ERP study.(1), 102?116.

Yen, M.-H., Tsai, J.-L., Tzeng, O. J.-L., & Huang, D. L. (2008). Eye movements and parafoveal word processing in reading Chinese.(5), 1033?1045.

Zhang, L., & Pylkk?nen, L. (2015). The interplay of composition and concept specificity in the left anterior temporal lobe: An MEG study., 228?240.

Zhang, R., Wang Z., Wang X., & Yang J. (2021). N170 adaptation effect of the sub-lexical phonological and semantic processing in Chinese character reading.(8), 807?820.

[張瑞, 王振華, 王小娟, 楊劍峰. (2021). 漢字識別中亞詞匯語音和語義信息在N170上的神經(jīng)適應(yīng).(8), 807?820.]

Zhao, S., Wu, Y., LI, T., & Guo, Q. (2017). Morpho-semantic processing in Chinese word recognition: An ERP study.(3), 296?306.

[趙思敏, 吳巖, 李天虹, 郭慶童. (2017). 詞匯識別中歧義詞素語義加工：ERP研究.(3), 296?306.]

Zhao, S., Wu, Y., Tsang, Y.-K., Sui, X., & Zhu, Z. (2021). Morpho-semantic analysis of ambiguous morphemes in Chinese compound word recognition: An fMRI study., 107862.

Zhou, X. L., & Marslen-Wilson, W. (1995). Morphological structure in the Chinese mental lexicon.(6), 545?600

Zhou, X. L., Marslen-Wilson, W., Taft, M., & Shu, H. (1999). Morphology, orthography, and phonology in reading Chinese compound words.(5-6), 525?565.

Ziegler, J., & Pylkk?nen, L. (2016). Scalar adjectives and the temporal unfolding of semantic composition: An MEG investigation., 161?171.

Zou, L., Packard, J. L., Xia, Z., Liu, Y., & Shu, H. (2016). Neural correlates of morphological processing: Evidence from Chinese., 714.

Zou, L., Packard, J. L., Xia, Z., Liu, Y., & Shu, H. (2019). Morphological and whole-word semantic processing are distinct: Event related potentials evidence from spoken word recognition in Chinese., 133.

Time course of the integration of the morpho-semantics and the meaning of two-character Chinese compound words

CAI Wenqi, ZHANG Xiangyang, WANG Xiaojuan, YANG Jianfeng

(School of Psychology, Shaanxi Normal University, Xi’an 710062, China)

Previous studies have shown that morpho-semantic information can be activated automatically and influence the access of word meaning in compound word recognition. However, the time course underlying the morpho-semantic activation and its subsequent integration is not clear yet. In particular, little is known about how morpho-semantic information involves in word semantic integration processing.

The present study examined the time course of morpho-semantic information of the first and the second characters who participated in whole-word semantic integration processing using event-related potential (ERP) technology. We selected three types of two-character words: transparent, opaque compound words, and monomorphemic words. For the transparent words (e.g., 熾熱), both two characters’ meanings (both 熾 and 熱 mean hot) were identical or similar to the word meaning (熾熱 means hot). As for the opaque words (e.g., 風(fēng)流), the meaning of the first character (風(fēng)means wind), the second character (流 means flow), and the compound word (風(fēng)流 means amorousness) were completely different. The monomorphemic words (e.g., 伶俐) were materials as the control condition with two characters that cannot be split into two morphemes. Participants were instructed to complete a visual lexical decision task.

ERP results showed that the first character processing revealed the morphological effect in the early (300～400 ms) and the late (460～700 ms) time window, in which two types of compound words induced more negative amplitude than the monomorphemic words. During the second character processing, a significant semantic transparency effect was observed in the early stage (260～420 ms), that the opaque words evoked more negative-going waveform than the transparent ones. Whereas at the late phase (480～700 ms), a reversed morphological effect emerged that the two types of compound words evoked more positive amplitude than the monomorphemic words.

The present study shed light on the time course of morpho-semantic integration in Chinese compound word recognition. The results indicated that the morpho-semantic processing began at the early stage of processing the first character. The transparent morpho-semantic of the first character influences the second character’s morpho-semantic activation and subsequently facilitates the semantic access of the compound words.

semantic integration, compound word, semantic transparency, ERP

2022-06-15

* 國家自然科學(xué)基金(31671167), 中央高?；究蒲袠I(yè)務(wù)費專項資金(GK202101010, 2021TS098), 北京師范大學(xué)中國基礎(chǔ)教育質(zhì)量監(jiān)測協(xié)同創(chuàng)新中心研究生自主課題(BJZK-2021A3-21011)資助。

王小娟, E-mail: wangxj@snnu.edu.cn; 楊劍峰, E-mail: yangjf@snnu.edu.cn

B842