近日，中國科學(xué)院心理研究所馮臣助理研究員、屈青青研究員及合作者在Nature旗下的Scientific Data發(fā)表漢語(yǔ)語(yǔ)言產(chǎn)生數據庫——A dataset of behavioral measures on Chinese word production in picture naming。

說(shuō)話(huà)，看似毫不費力，但其實(shí)是人類(lèi)最復雜的認知活動(dòng)之一。過(guò)去幾十年，研究者們試圖澄清言語(yǔ)表達（又稱(chēng)為“語(yǔ)言產(chǎn)生”）背后的認知架構和動(dòng)態(tài)加工過(guò)程。世界上大約有7000種語(yǔ)言，不同語(yǔ)言的詞匯、語(yǔ)音、字形系統大相徑庭?，F有的實(shí)證研究與理論框架主要基于印歐語(yǔ)系。與印歐語(yǔ)言不同，漢語(yǔ)有獨特之處：漢語(yǔ)屬于漢藏語(yǔ)系，是一種聲調語(yǔ)言，同一個(gè)音節的不同音調表示不同的詞匯與意義，大多數印歐語(yǔ)言則不使用聲調來(lái)區分詞義。其次，印歐語(yǔ)言采用字母拼寫(xiě)系統，而漢語(yǔ)采用非字母書(shū)寫(xiě)系統。另外，漢語(yǔ)的語(yǔ)音與字形的對應關(guān)系較為復雜，例如，聲音/shu/可以對應“書(shū)”、“梳”、“樹(shù)”或“薯”等多個(gè)不同的字形）。漢語(yǔ)研究對回答跨語(yǔ)言普遍性和特異性具有獨特價(jià)值和貢獻。的確，一些研究已經(jīng)表明，音位是印歐語(yǔ)言語(yǔ)音編碼的主要加工單元，而音節是漢語(yǔ)語(yǔ)音編碼的主要加工單元（O’Seaghdha et al., 2010）。

然而，目前大部分關(guān)于語(yǔ)言產(chǎn)生的研究側重于印歐語(yǔ)言，而對于漢語(yǔ)這一非印歐語(yǔ)言的研究則相對有限。此外，這些研究主要關(guān)注于口語(yǔ)產(chǎn)生過(guò)程，對于書(shū)寫(xiě)等字形產(chǎn)生的關(guān)注則明顯不足。同時(shí)，許多研究依賴(lài)于較小的樣本量和有限的實(shí)驗刺激，這可能導致統計效力不足和研究結果的可重復性問(wèn)題。構建漢語(yǔ)語(yǔ)言產(chǎn)生數據庫的需求與日俱增。

此次發(fā)表的漢語(yǔ)語(yǔ)言產(chǎn)生數據庫記錄了667名被試在7種不同語(yǔ)言產(chǎn)生任務(wù)中的約20萬(wàn)個(gè)試次的反應時(shí)間，以及實(shí)驗材料的多個(gè)語(yǔ)言學(xué)變量(如：詞頻、字頻、音節頻率、習得年齡等)。該數據庫為研究漢語(yǔ)口語(yǔ)和書(shū)寫(xiě)產(chǎn)生的語(yǔ)言加工提供了豐富數據資源，為探索漢語(yǔ)產(chǎn)生的普遍性與特異性提供了數據基礎。此外，該數據庫對于開(kāi)發(fā)漢語(yǔ)語(yǔ)言產(chǎn)生的人工智能模型具有獨特價(jià)值與貢獻，有望推動(dòng)語(yǔ)言認知科學(xué)與人工智能領(lǐng)域的交叉與共同進(jìn)步。

圖1.(a) 數據庫所包含詞匯的詞頻分布；(b)不同實(shí)驗任務(wù)下的反應時(shí)分布特征（右，單位：秒）

注：圖a中，左側為該數據庫中包含詞匯的詞頻分布，右側為CLDC詞匯庫（Chinese Linguistic Data Consortium，現代漢語(yǔ)通用詞表）中的詞頻分布。在數據庫中，詞頻的分布與大型詞匯庫相似，顯示出廣泛的分布范圍。圖b展示了不同實(shí)驗任務(wù)和范式的反應時(shí)間（以秒為單位），平均反應時(shí)間介于450毫秒至1500毫秒之間。使用相同實(shí)驗范式的實(shí)驗呈現出相似的反應時(shí)間分布，而不同范式的實(shí)驗反應時(shí)間分布則顯示出較大的差異。實(shí)驗材料較少的實(shí)驗，如cyclic blocking paradigm，其反應時(shí)間更快且分布更集中；而實(shí)驗材料較多的實(shí)驗，如simple picture naming，其反應時(shí)間較慢且分布更廣。

該數據庫發(fā)表在Scientific Data。第一作者為心理所馮臣助理研究員，通訊作者為屈青青研究員。該數據庫已共享在OSF repository（https://doi.org/10.17605/OSF.IO/6GTZH），并通過(guò)心理科學(xué)數據銀行發(fā)布。

該研究得到了國家自然科學(xué)基金（No. 32171058, No. 31771212 and No. 62061136001），北京市科技新星項目、中國科協(xié)青年人才托舉項目（YESS20200138）、中國科學(xué)院青年創(chuàng )新促進(jìn)會(huì )項目，中國科學(xué)院心理研究所“揭榜掛帥”項目以及中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室的支持（Y5CX052003）。

論文信息：

Feng, C., Damian, M.F. & Qu, Q.* (2024). A dataset of behavioral measures on Chinese word production in picture naming.?Scientific Data,?11, 185. https://doi.org/10.1038/s41597-024-03022-8