会话中指称协调的认知机制：语言惯例与语言先例的选择博弈

本研究探讨了会话双方在多次指称同一实体时如何选择表达方式，揭示了当社区共享的语言惯例(Linguistic conventions)缺失时，对话者会建立临时性的语言先例(Linguistic precedents)作为协调策略。通过涉及日常物品的指称沟通任务，研究发现：对于命名确定性低(高name uncertainty)的物体，对话双方倾向于重复使用先前建立的特定表达(相似度比跨对话组高18.7%)；而高确定性物体则依赖社区惯例(组间相似度达92%)。该成果为理解人类语言协调的动态机制提供了量化证据，对认知语言学与对话分析领域具有重要理论意义。

　　

在日常生活中，人们如何确保对方能准确理解自己所指的事物？这个看似简单的问题背后，隐藏着复杂的认知协调机制。当你说"把那个蓝色的马克杯递给我"时，为何不担心对方误认为是旁边的玻璃杯？经典理论认为，人类依赖语言社区建立的共享惯例(Linguistic conventions)来解决这类指称协调问题。但更有趣的现象发生在面对陌生或难以命名的物体时——比如描述抽象艺术图案，对话双方会迅速建立临时"暗号"，并在后续对话中坚持使用，这种现象被称为语言先例(Linguistic precedents)。这两种机制究竟如何动态协调，成为理解人类语言认知的关键谜题。

来自宾夕法尼亚大学的研究团队通过精巧的实验设计，在《Journal of Memory and Language》发表的研究给出了答案。研究者采用改良版指称沟通任务(referential communication task)，让44对参与者通过描述16张日常物品照片完成协作任务。创新之处在于量化了每个物体的命名不确定性(name uncertainty)——通过计算所有参与者首次描述该物体时用词的熵值(entropy)，建立了从高确定性(如"马克杯")到低确定性(如"装饰摆件")的连续谱系。通过对比同一对话组内与跨组的表达相似度，结合句法框架分析，揭示了惯例与先例的选择规律。

主要技术方法包括：(1)双版本实验设计(手册版与配置版)确保结果普适性；(2)基于信息熵的命名不确定性量化模型；(3)跨组词项相似度的多层次比较；(4)指称表达的句法分类(定指/不定指/光杆名词)；(5)贝叶斯统计框架下的混合效应模型分析。

【研究结果】
命名不确定性的量化基准
通过分析所有参与者对同一物体的首次描述用词分布，计算得出各物体的熵值(H index)。结果显示日常物品的命名不确定性呈现连续分布，从高度共识的"剪刀"(熵值0.2)到低共识的"装饰品"(熵值3.1)，证实了Lachman(1973)的词汇编码性(lexical codability)理论。

表达相似度的双路径模式
对于低不确定性物体(熵值<1.5)，同一对话组两次描述的用词相似度(89%)与随机跨组配对相似度(87%)无显著差异，表明依赖社区惯例；而高不确定性物体(熵值>2.5)的组内相似度(68%)显著高于跨组(49%)，证实先例效应。贝叶斯分析显示熵值每增加1单位，组内相似度优势提升21.3%。

句法选择的认知标记
第二次提及时，低不确定性物体更多使用光杆名词(bare nominals，占比41%)，暗示高度确定的共享基础；高不确定性物体则倾向定指短语(definite NPs，占比63%)，反映对先例的显性标记。这种句法选择梯度与命名不确定性呈显著负相关(r=-0.72)。

【结论与意义】
该研究通过实证数据验证了核心假设：语言先例是社区惯例缺失时的临时补偿机制，而非默认选择。这一发现解决了Brennan和Clark(1996)提出的"概念契约"理论中的矛盾——为何熟悉物体的先例使用率仅约60%。研究证明，当命名不确定性超过临界阈值(熵值≈2.0)时，人类认知系统会自动切换至先例依赖模式。

方法论上，创新的熵值量化框架为语言协调研究提供了新工具，其跨文化适用性已在Leung等(2024)的后续研究中得到验证。实践层面，该成果对人工智能对话系统设计具有启示意义：在开发指称消解(reference resolution)算法时，需根据实体类型的命名共识度动态调整上下文依赖权重。正如研究者Dahan在讨论部分强调的，这项研究"架起了个体认知与社会语言实践的量化桥梁"，为理解人类独特的语言适应能力提供了新视角。