儿童从分布线索到短语结构的句法习得

《Language Learning and Development》：Children’s acquisition of syntax from distributional cues to phrase structure

　　

语言的一个标志是其短语结构组织：词汇被分组为短语，而短语是句子的构建模块。在没有一致的物理线索提示短语结构的情况下，儿童如何学习词汇的分组？一种可能的机制是统计学习。词汇（或词类）以一致的序列形成短语（例如，限定词+名词），具有高过渡概率（Transitional Probability, TP），而不构成短语的词汇序列（例如，助动词+名词）共现的一致性较低，因此具有较低的过渡概率。成年人可以利用这种分布信息来学习短语结构。然而，这种学习所需的计算能力超出了先前在儿童身上所展示的水平。本研究探讨了儿童是否能够进行此类学习。5至10岁的儿童聆听了一种包含短语结构分布线索的小型语言，或是一种缺乏此类线索的控制语言。接触了短语结构语言的儿童在学习其语言的短语和句子结构方面表现出稳健的学习效果。控制条件下的儿童未能习得短语，也未能学会其语言的句子结构。结果表明，年幼的语言学习者具备复杂的计算能力，并表明分布学习是儿童获取关于句法的复杂且抽象信息的强大机制。

论文主体解读文章

研究背景与问题提出

语言的核心特征之一是其层级性的短语结构组织，即词汇组合成短语，短语再构成句子。理解句法结构的关键一步在于掌握词汇如何组成短语。然而，在自然的连续语音流中，并不存在始终如一的物理线索来标示短语边界。尽管韵律、功能词等概率性线索可能有所帮助，但它们并非决定性因素。因此，研究者假设，语言学习者可能具备一种额外的机制——直接从构成短语的元素分布中学习，正如语言学家通过分析词语的共同移动、删除或重复等分布规律来确定未知语言的短语结构一样。

此前的研究已证实，成年人和婴儿能够利用音节间的过渡概率（TP）来切分连续语音中的词汇。后续工作更将这种“统计学习”机制的应用范围扩展到了词序、词类、形态学等多个领域。然而，将统计学习应用于短语结构习得，其计算复杂性远超词汇切分任务。Thompson和Newport（2007）的研究虽已证明成年人能利用词类间的过渡概率模式（短语内TP高，短语边界TP低）来学习人工语言的短语和句子结构，但儿童是否具备同样强大的计算能力尚不清楚。由于儿童被认为是更重要的语言学习者，且过往研究显示其在处理复杂、无意义的人工语言时可能与成人存在差异，因此，检验儿童能否仅凭分布信息习得短语结构成为一个亟待解决的关键问题。

研究设计与结论

为解答上述问题，研究人员开展了一项实验研究。他们招募了20名5至10岁、以英语为母语的儿童，并将其随机分配到两个实验条件中：短语结构条件和控制条件。研究人员设计了两套微型人工语言。在短语结构语言中，词汇类别A与B、C与D总是作为一个单元（即短语）被移动、重复或删除，从而在其间产生了极高的过渡概率（TP=1.0），而在跨短语边界的类别间（如B到C）则产生较低的TP（TP=0.36）。相反，控制语言中允许移动、重复或删除多种不同的类别配对，导致所有类别间的过渡概率大致相等，因而缺乏区分短语的分布线索。两套语言在其他方面高度匹配，均使用相同的无意义词汇，并以单调方式呈现，排除了韵律等其他线索的影响。通过比较两组儿童在后续测试中的表现，研究人员旨在判断分布信息是否是儿童习得短语和句子结构的关键。

研究得出的核心结论是：儿童能够利用复杂的分布线索来习得短语结构和句子结构。具体而言，接触了短语结构语言的儿童成功学会了短语分组和基本句子结构，而接触了控制语言的儿童则未能做到这一点。这证明了儿童具备强大的统计学习能力，仅凭输入中的分布模式就能习得抽象的句法知识。

关键技术方法

1. 1.
   微型人工语言范式：研究人员设计了两套对比鲜明的微型语言。短语结构语言的短语由固定的词类对（AB和CD）构成，通过对其执行移动、重复或删除操作来生成复杂句子，从而在词类层面创造出高内聚、低耦合的过渡概率模式。控制语言则允许对多种词类对进行操作，消除了这种模式化的分布线索。
2. 2.
   被动聆听与注意力维持任务：儿童通过电脑游戏的形式被动聆听语言材料。为了确保儿童的注意力集中，游戏中嵌入了一个“1-back任务”，即要求儿童在听到连续两次重复的句子时点击屏幕上的外星人角色。
3. 3.
   二选一强制选择测试：学习阶段结束后，通过两种二选一强制选择任务评估儿童的学习效果。短语测试要求儿童从短语序列（AB/CD）和非短语序列（BC/DA）中选择“更好”的。句子测试则要求儿童从符合基本语序的句子（ABCD）和一个不符合语序的干扰项中选择“更好”的。

研究结果

1. 短语测试

• •
  结果发现：在第二次测试会话中，短语结构组的儿童选择短语序列（AB或CD）的比例显著高于机会水平（平均值=0.75, p<0.01），而控制组的表现则未显著高于机会水平（平均值=0.51, p=0.81）。
• •
  结论：短语结构组的儿童通过学习暴露材料中词类间的高过渡概率，成功识别出了哪些词类组合构成了语言中的“短语”。控制组儿童因缺乏相应的分布线索，未能形成短语表征。

2. 句子测试

• •
  结果发现：短语结构组的儿童选择正确的基本语序句子（ABCD）的比例显著高于机会水平（平均值=0.70, p<0.01），而控制组的表现则低于机会水平（平均值=0.46, p=0.27）。
• •
  结论：仅有短语结构组的儿童习得了语言的基本句子结构。这一结果至关重要，因为它排除了单纯依靠对ABCD序列熟悉度或一般序列学习的可能性。尽管控制组儿童听到了同样数量的ABCD句子，并且这些序列在该组中也具有相对较高的过渡概率，但他们并未学会偏好正确的语序。这表明，对短语结构的深层知识是驱动句子结构习得的关键。

讨论与结论总结

讨论部分首先强调了控制条件的价值。控制组在两项测试中的不佳表现，有力地证明了短语结构组的优异表现确实源于对特定分布线索（即短语内的峰值和短语边界的谷值）的学习，而非其他混淆因素（如声学线索或二元分组偏好）。

其次，讨论深入分析了儿童在实验中可能采用的计算策略。研究指出，本实验中的分布线索既存在于词与词之间，也存在于词类与词类之间。虽然理论上儿童可以通过跟踪大量词级统计量来完成学习，但更合理的推测是，他们首先利用分布信息形成了词类范畴，然后基于范畴间更为清晰和数量更少的统计量（如1.0 vs. 0.29）来推导短语和句子结构。研究人员引用了其团队另一项关于儿童形成词类范畴的研究（Schuler et al., 2026）来佐证这一可能性。

最后，研究结论部分总结了全文的核心发现：

总体而言，本实验的结果表明，儿童可以利用其语言输入中的分布信息来习得复杂语法的短语和句子结构。虽然在本研究中无法确定他们是通过词级还是范畴级的计算来实现这一点的，但无论通过哪种方法，儿童习得短语结构的能力此前都未被证实。这反映了年幼语言学习者具备复杂的计算能力，并表明只要输入足够丰富且结构恰当，分布学习就是儿童获取关于句法的复杂且抽象信息的强大机制。