《Brain Sciences》：Perception of Vowel Segments by Children and Adults: A Preliminary Study of Segment Duration
编辑推荐：
摘要专业翻译
背景/目的：儿童对音位的感知与成人存在差异。本研究旨在考察儿童对元音的感知是否因对元音音段（稳态段或过渡段）的侧重不同、协同发音（coarticulation）程度不同，或做出元音感知判断所需的信息量不同而区别于成人。方法：采用组间横断面设计（b
摘要专业翻译
背景/目的：儿童对音位的感知与成人存在差异。本研究旨在考察儿童对元音的感知是否因对元音音段（稳态段或过渡段）的侧重不同、协同发音（coarticulation）程度不同，或做出元音感知判断所需的信息量不同而区别于成人。方法：采用组间横断面设计（between-group cross-sectional design）。研究对象包括24名4至9岁儿童及17名成人（18至53岁）。刺激材料为三个自然产出的音节（/bɑ/、/bi/和/bu/），以完整形式或在声场中分割为仅含共振峰过渡段（formant transition）或元音静态共振峰中心（static formant center）的形式呈现。参与者通过选择电脑屏幕上对应的图片来标识所听到的元音。结果：儿童数据表明，除完整过渡段条件外，儿童在整音节及所有分割音段条件下的元音识别准确率均持续低于成人。结论：相较于成人，儿童更依赖声学变化或对比来实现元音感知，但需要更充分的声学变化才能达到成人的表现水平。
论文解读
一、研究背景与问题
元音感知对于准确的词汇和句子识别至关重要，也是学龄前儿童词汇通达的关键环节。早期研究曾以“简单目标模型”（simple target model）为理论基础，认为元音是通过理想的静态目标共振峰模式来识别的，且该模式独立于周围语音环境。然而，后续研究发现，语音环境和协同发音的影响使得元音难以维持一致的静态共振峰模式，听者从元音稳态部分前后的共振峰过渡中识别元音的准确率与从稳态部分本身识别时相当。因此，元音的感知身份同时受到共振峰轨迹与模式、语音环境及时长的影响，这些信息在时间维度上被整合以确定元音身份。
尽管正常听力的儿童能够利用共振峰过渡和元音稳态共振峰模式来识别元音，但已有研究表明，即使是11岁的儿童，其音位感知的内在规则和操作可能仍未完全发展至成人水平。针对儿童与成人元音感知差异，学界提出了至少三种发展性解释：其一，儿童对元音音段（稳态段或共振峰过渡段）的侧重不同；其二，儿童对协同发音程度的依赖不同；其三，儿童识别特定元音需要比成人更多的声学信息。已有研究发现，儿童似乎更关注较大的语音单位，动态线索（如过渡段）因其将语音片段联结在一起而尤为显著；随着发展，儿童才会逐渐聚焦于更小的语音单位或更小的音位片段。此外，儿童在3至7岁期间的协同发音程度显著高于成人，这可能使儿童在感知上更偏好过渡段所携带的信息。还有一种解释认为，由于持续的成熟过程，儿童需要更多的特定线索（无论在幅度还是时长方面）才能完成正确的元音编码和识别。
为检验上述解释，一种有效途径是对语音进行声学操控，推断各假说的预测结果，再与实际结果进行比对。元音时长即是一种可行的声学操控手段。已知成人听者仅凭一个声门周期即可准确判断元音身份，但儿童是否同样能对较短元音或较短元音音段做出快速识别，尚不清楚。
二、研究设计与方法
本研究采用组间横断面设计。研究对象包括24名4至9岁（平均6岁，9名男性）的单语美国英语儿童参与者，无学习、认知或语言缺陷史，以及17名18至53岁（平均27岁，2名男性）的成人参与者。所有参与者在500、1000、2000和4000 Hz频率处的听力阈值均达到25 dB HL或更优。研究经田纳西大学健康科学中心机构审查委员会批准。
刺激材料为一名男性单语英语发音人录制的三个/b/辅音语境下的元音音节（/bi/、/bɑ/、/bu/），选择唇音辅音语境的原因在于其具有更大程度的舌部协同发音。录音在隔音室内完成，采样率为12.5 kHz。使用Adobe Audition 1.5软件将音节在零交叉点处分割为五个音段：初始过渡段、初始过渡段的一半、元音、元音的一半和元音的四分之一，加上完整音节共形成每个元音六个刺激条件。各音段时长分别为：/bi/整音节352 ms、过渡段68 ms、半过渡段37 ms、元音中心118 ms、半元音中心54 ms、四分之一元音中心26 ms；/bɑ/相应为359、89、40、171、86、43 ms；/bu/相应为401、114、63、137、68、44 ms。每个音节及其相关音段配以卡通图片：/bi/配大黄蜂、/bɑ/配绵羊、/bu/配幽灵，图片在电脑屏幕上位置固定。
实验程序为先进行练习试验，仅呈现三个完整音节，参与者需达到至少80%的总体准确率方可进入正式测试。正式测试中每个刺激在每个区块中呈现一次，共五个区块，区块内刺激随机排序。刺激以约65 dB SPL在声场中呈现。成人和8至9岁儿童自行操作鼠标选择答案，年幼参与者通过口头告知或指向屏幕的方式作答。
三、研究结果
3.1 总体结果：以每个刺激的正确识别次数为因变量，采用具有二项概率分布和logit连接函数的广义估计方程（Generalized Estimating Equations, GEE）模型进行分析。模型包含组别、元音类型和音段的主效应以及组别×元音和组别×音段的交互作用。结果显示，组别×音段交互作用显著，而元音主效应及组别×元音交互作用均不显著。
3.2 事后对比结果：事后对比显示，成人在整音节（p = 0.034）、半过渡段（p < 0.001）、元音中心（p = 0.015）、半元音中心（p = 0.001）和四分之一元音中心（p < 0.001）条件下的正确率均显著高于儿童；但在完整过渡段条件下，两组之间无显著差异（p = 0.110）。
四、讨论与结论
4.1 讨论：研究结果表明，对成人而言，元音识别任务较为容易，元音类型、时长或音段类型均未产生显著影响。儿童在完整过渡段条件下的表现与成人相似，但在过渡段时长缩短、元音中心或完整音节条件下，准确率持续低于成人。由于所有元音环境下均呈现一致结果，这为儿童在元音感知中比成人更依赖声学变化或对比提供了证据。儿童与成人元音识别差异可能涉及外周编码或敏锐度锐化，也可能涉及注意等执行认知功能。由于本研究使用的元音均为角元音（corner vowels），即英语中声学模式最为极端的元音，因此结果不太可能由更广泛的听觉敏锐度差异所解释。过渡段从完整到一半的时长中点约在50至80 ms范围，儿童需要至少该时长或更长的过渡段才能达到与成人相当的元音判断水平。
值得注意的是，儿童在完整过渡段条件下表现与成人相当，却在完整音节条件下表现更差。这一发现与儿童更关注较大语音单位、动态线索突出的观点一致。完整音节中包含相对静态的部分，可能对儿童而言动态性不足。研究未发现元音语境（即协同发音程度）对儿童元音识别的显著预测作用，这与早期研究发现一致——高程度的协同发音并未转化为更高的感知准确率。研究还指出，回应方式（成人和年长儿童自行选择、年幼儿童口头或指向作答）可能对结果产生一定影响，图片位置固定可能造成一定反应偏差，但区块内刺激的随机排序有望将影响降至最低。
4.2 结论翻译：这项初步研究提供了证据表明，儿童更依赖元音音段的声学变化/对比，且这影响了他们相较于成人的元音感知表现。儿童似乎也需要比成人更充分的声学变化/对比才能准确识别元音。未来研究需进一步阐明儿童元音感知所依赖的发展过程和具体信息。
