《Bilingualism: Language and Cognition》：A meta-analysis of Stroop task studies on bilinguals’ emotional word processing
编辑推荐：
本研究对双语者的情绪Stroop干扰效应进行了元分析。该领域文献在习得年龄（age of acquisition, AoA）、情绪效价（emotional valence）与L2熟练度等方面呈现不一致的研究结果。遵循PRISMA 2020指南，研究人员对六个电
本研究对双语者的情绪Stroop干扰效应进行了元分析。该领域文献在习得年龄（age of acquisition, AoA）、情绪效价（emotional valence）与L2熟练度等方面呈现不一致的研究结果。遵循PRISMA 2020指南，研究人员对六个电子数据库进行系统检索，最终纳入10项研究（12个独立效应量，N = 450）。随机效应元分析得出不显著的合并效应量，且伴随极端的异质性。混合效应调节变量模型将L2习得年龄识别为关键边界条件：早期习得双语者表现出可靠的干扰效应，而晚期习得双语者则未呈现该效应。熟练度评估方法与效价纳入标准均不显著，提示表面性的方法学差异并不能解释该文献的变异性。由于情绪标签词（emotion-label）研究的近乎缺失，正式的刺激类型分析无法进行。上述发现表明，双语者的情绪Stroop干扰效应以神经发育时机为条件，支持语言–情绪网络整合的神经发育模型。研究结果强调，未来原始研究需要采用标准化范式并纳入更多样化的双语样本。
双语者情绪Stroop效应的元分析解读
一、研究背景与问题提出
双语者在日常语言使用中需同时管理两套语言系统，而情绪词在这两套系统中的情感联结深度与自动化程度可能存在差异。已有行为与神经影像研究表明，第一语言（L1）通常比第二语言（L2）承载更强的情感共鸣，L2情绪词引发的边缘系统激活较少。情绪Stroop范式为考察这一交叉领域提供了标准化平台，通过测量被试在颜色识别任务中对情绪显著性刺激的注意捕获来量化干扰效应。然而，该范式在双语人群中的应用结果高度不一致：部分研究报告稳健的干扰效应，另一些则发现无效甚至反转效应。
这种异质性引出一个关键问题：双语者情绪Stroop干扰效应在何种条件下能够可靠出现？以往综述虽已识别出理论与方法学层面的变异来源，包括调节变量的操作化不一致与人群取样狭窄，但尚无定量综合检验神经发育时机、效价结构与熟练度操作化等边界条件能否划分所观察到的方差。三个理论框架对此提出竞争性预测：适应性控制假说（ACH）强调语言使用情境对认知控制的不同要求；神经发育模型强调L2习得时机对情绪表征整合程度的影响；熟练度模型则引入与二者不同的时间维度，认为L2熟练度提升会缩小L1–L2情绪差距。原始文献尚未系统检验何种边界条件占主导地位。
二、研究设计与方法
研究人员遵循PRISMA 2020指南，在PubMed、EBSCOhost、ProQuest、Google Scholar、CNKI与万方数据六个电子数据库中系统检索2007至2026年间发表的相关文献，并补充检索Web of Science核心合集作为验证。纳入标准要求研究涉及日常使用两种语言的双语或多语被试、采用需要手动按键反应的标准情绪Stroop范式、报告可提取效应量的统计资料、进行L1–L2被试内直接比较，并使用情绪效价词作为刺激。排除禁忌词作为唯一情绪类别的研究、非标准Stroop变体、无法提取试验水平均数与标准差的研究及综述类文献。最终纳入10项研究共12个独立效应量，样本总量为450人。
数据提取采用结构化编码协议，涵盖文献信息、被试特征、双语经验变量（L2习得年龄、语言优势、L2熟练度及评估方法）、任务参数（设计方式、反应模态、刺激语言、效价类别、刺激类型）及统计结果。习得年龄以12岁为分界点划分为早期与晚期。两名编码员独立完成全部编码，Cohen's κ介于0.74至1.00之间，平均0.95，信度良好至完美。效应量指标为Hedges' g，即情绪条件与中性条件颜色识别表现的标准化均数差，以L2减去L1计算，正值表示L2中干扰更大。分析采用随机效应模型与限制最大似然估计，调节变量分析采用混合效应元回归，异质性以I2与τ2量化。
三、研究结果
3.1 总体效应量：12个效应量的随机效应元分析得出不显著的合并估计，Hedges' g = ?0.14，95% CI [?0.48, 0.21]，p = .435。效应量分布呈现极端异质性，I2 = 91.91%，τ2 = 0.33，Q(11) = 52.93，p < .001。95%预测区间从?1.27延伸至0.99，涵盖实质性干扰与实质性促进，凸显识别调节变量的重要性。
3.2 调节变量分析：习得年龄成为唯一显著的间研究调节变量。在9个可编码习得时机的效应量中，混合效应元回归显示AoA类别的整体效应显著，Q(1) = 4.97，p = .026，解释了63.10%的间研究异质性（R2 = .63），残余异质性降至I2 = 27.52%。早期双语者呈现小幅度正向干扰效应，g = 0.20，95% CI [0.01, 0.39]，p = .039；晚期双语者效应显著衰减，β = ?0.30，95% CI [?0.56, ?0.04]，p = .026。熟练度评估方法的对比不显著，Q(1) = 0.89，p = .346，未解释任何异质性。效价纳入标准的对比同样不显著，Q(1) = 0.48，p = .490。刺激类型因分布严重偏斜（8个效应量使用纯情绪负载词，3个使用混合刺激，仅1个使用情绪标签词）而无法进行正式亚组分析。
3.3 发表偏倚与敏感性分析：漏斗图目视检查呈现明显不对称，Egger回归检验显著（z = ?3.71，p = .0002），剪补法估计右侧缺失研究为零，表明不对称由极端负向离群值驱动而非小样本正向研究被抑制。留一法敏感性分析识别出Jiao等（2017）听力熟练亚组（g = ?3.06）为不成比例的影响点，剔除后合并估计趋近于零（g = 0.004，95% CI [?0.13, 0.14]，p = .956），异质性降至I2 = 49.17%。
四、讨论与结论
习得年龄的显著调节作用支持神经发育模型：儿童期双语习得促进语言–情绪神经网络的整合，使情绪词在两种语言中均更具注意显著性，从而增强Stroop干扰；晚期习得者则保留更分离的语言–情绪表征，跨语言干扰减弱。效价纳入标准的不显著结果提示，效价效应可能主要在被试内层面运作而非作为间研究设计特征。熟练度评估方法的不显著结果与评估工具异质性可能引入的噪音有关，领域需采用统一熟练度测评工具。情绪标签词研究的近乎缺失使刺激类型假说无法检验，这一失衡本身构成该领域的重要特征。总体零效应在剔除离群值后依然稳健，表明文献变异性源于真实的人群差异而非方法学噪音。研究结论强调，双语者情绪Stroop干扰既非固定特质亦非方法学伪影，而是神经发育历史、语言经验与实验设计交互作用所产生的情境性属性。这一条件性理解对教育实践与临床评估具有启示意义：教育者应认识到教学材料的情感显著性可能与学习者语言历史交互影响注意投入；临床工作者需考虑早期与晚期双语者在情绪反应模式上的系统性差异。
