中国外语学习者是否会将外语语音协同泛化到新语境？外语水平和认知资源如何影响外语语音协同的泛化程度？杨雨敏、蔡任栋、林洁绚的研究论文《外语水平和认知资源对语音协同泛化的影响》对上述问题进行了探究。

研究背景

语音协同是指在交际互动中，说话人的语言特征逐渐向对方趋同。泛化是指学习者的发音向目标语母语者的发音协同后，将协同的特征推广到未接触过，新的单词中。

如果说外语协同是学习的触发点，那么协同的泛化就是学习的推进器。以语音为例，外语语音学习包含了模仿和应用两个阶段：学习者首先需要模仿标准外语，其次是触类旁通地将模仿结果应用于新语境。我们称后者为外语语音协同的泛化(generalization)。然而在实际中，外语学习者往往在模仿语音时就感到困难，泛化则更是“可遇不可求”。这些困难可能源于外语学习者的个体差异。

根据样例记忆理论(the exemplar theory; Goldinger 1998)，语音信息会在记忆中留下可用于后续语音产出的具体样例。根据交际协同理论(Pickering & Garrod 2004, 2006)，语音信息被感知后，会启动后续产出，促成语音协同。从理论层面看，协同泛化是可能的。从实证层面看，虽然Kim（2012）发现英语学习者与母语者都会将接触过单词的语音特征，协同泛化到接触过的甚至是新的单词语境中。然而学术界目前仍缺乏足够的文献研究证明这种泛化究竟是特例还是普遍现象。

已有文献表明外语水平和认知资源可能会影响语音协同的程度，那么它们可能也会影响协同的泛化。根据已有文献，我们做出以下推测。首先，外语水平对协同和泛化可能有类似的预测作用。已有文献表明学习者的外语发音越不地道，协同程度越大(Kim 2012; 林洁绚等 2020)；相应地，我们预测外语发音越不地道，泛化程度越大。其次，实现语音协同泛化的前提之一是学习者对先前感知到的语音细节进行有效储存和提取，因此，实现泛化所需的认知资源可体现为语音记忆能力(phonological memory)。同时，语音记忆是支持语言学习的重要机制(Baddeley et al. 1998)，既然协同泛化预示着学习，那么语音记忆能力应当与泛化程度成正比。

因此，本文拟回答以下研究问题：

1) 中国外语学习者是否会将外语语音协同泛化到新语境？

2) 外语水平和认知资源如何影响外语语音协同的泛化程度？

研究方法

该研究采用单词识别任务测量外语语音协同的泛化程度，使用“前测—语音接触(exposure)—后测”的实验范式(Kim 2012; 林洁绚等 2020)，对比中国英语学习者在接触模范发音(英语母语者发音)前后的发音。学习者在前测和后测中都朗读两个词表——接触词表和泛化词表，但在语音接触阶段，他们仅听到模范发音人朗读的接触词表。如果被试在接触词表上的后测发音受模范发音影响，说明被试向模范发音协同；如果被试在泛化词表上的后测发音也受模范发音影响，说明协同泛化到了新单词语境(Nielsen 2011; Kim 2012)。考察的目标音为中国英语学习者存在发音困难的英语元音/ɪ/和/ɒ/(马林 2005; 卫乃兴、高霞 2005)，分析对象为目标音的声学特征。

研究结果

研究者对所有录音进行预处理，以获取目标元音的共振峰频率(formant)，主要分析决定元音音质的第一和第二共振峰(F1和F2)，按学界通行做法对纳入分析的F1、F2数值进行标准化(Thomas & Kendall 2007)。采用线性组合方法(linear combination; Cohen Priva & Sanker 2019)，考察模范发音能否解释被试的后测发音。

结果发现，在F1上，模范发音影响了被试对接触词表的后测发音，但模范发音不能解释被试对泛化词表的后测发音。这表明被试在F1上有向模范发音协同的趋势，但该协同趋势没有泛化到新语境。

相反，在F2上，模范发音对后测发音的主效应显著，说明存在语音协同。而且模范发音与词表没有显著交互，即模范发音对接触词表和泛化词表的影响相同。这说明被试在F2上向模范发音协同，且该协同泛化到了新语境。

我们进一步分析外语水平和认知资源如何预测被试在F2上协同泛化。如图1所示，语音记忆越好，前测距离对于泛化程度的预测力越大。进一步的分析表明，语音记忆主要对前测距离大，即语音初始水平较低的被试起作用——对于低水平者，语音记忆越准确，协同泛化程度越高。

图1 前测距离和语音记忆在预测协同泛化程度时的交互作用

结论与启示

我们首次在中国英语学习者群体发现了外语语音协同泛化。针对研究问题一，该研究结果将样例记忆理论的解释力从协同本身拓展到协同泛化。中国英语学习者被试的元音发音在F2上向母语者协同，而且这种协同泛化到了未接触过的单词语境中，说明当说话人在新语境中使用目标音时，先前整合的语音样例仍然有所体现，它留下的情景痕迹具有一定的持久性，新整合的语音表征具有一定稳定性(Goldinger 1996)，这支持了外语语音协同泛化的普遍性假设。

另外，外语语音协同的泛化程度存在个体差异。外语的协同和泛化在不同声学维度上可能有不同表现。该研究发现被试仅在元音F2上协同及泛化，但在F1上仅出现协同趋势，没有泛化。这说明外语语音协同是泛化的基础，发生协同的语音特征不一定会泛化到新语境——该研究首次为这一理论猜想提供直接实证证据。

针对研究问题二，该研究明确了外语语音协同的泛化程度所存在的个体差异来源于学习者外语水平和认知资源的不同。外语学习者基线发音与模范发音差距越大，意味着他们在语音层面上的水平越低，语音表征相对不稳定，可能更容易受新接触的语音特征影响(Llompart & Reinisch 2019)。

语音记忆主要对低水平者的协同泛化有影响。这说明语音记忆在协同泛化中能对低语言能力进行补偿，较好的语音记忆也许能提高新目标音样例表征的稳定性，进而在随后产出中获得更高的激活权重。

协同的泛化程度受外语水平和认知资源的共同影响，说明协同泛化对外语学习者而言不完全是自动化的。语音协同是否为自动化加工，学界对此仍有争议。该研究为外语协同自动化降低假设提供了直接实证证据，并得出了更精确的理论假设：外语语音协同的泛化程度与语音记忆资源成正比，这一关系主要体现在低水平学习者上。未来的研究可以增加母语者对照组，直接比较母语、外语语音协同的底层机制是否有本质差异。

结语

该研究用实证方法证明了外语语音协同是实现泛化的基础，首次明确了协同泛化的个体差异来源：外语语言水平越低，学习者向模范发音协同泛化的程度越高；认知资源的作用主要体现在外语水平较低的学习者中，较好的语音记忆能力能使低水平者呈现更大程度的协同泛化。

研究结果对外语教学具有一定启示意义。首先，外语学习者在对模范发音进行听辨练习后所出现的协同泛化现象，其程度会随着外语水平的提升而降低。因此在教学过程中外语水平较高的学生可以使用语音记忆的方法进行学习，提高协同效率，外语水平较低的学生可以使用单词跟读训练，提高协同程度。其次，学习者发生协同泛化的特征是元音的第二共振峰而非第一共振峰，这说明单词听辨朗读训练可能更有利于促进元音发音在高频共振峰上的协同泛化。

原文出处：

杨雨敏, 蔡任栋, 林洁绚. (2022). 外语水平和认知资源对语音协同泛化的影响. 《现代外语》, 45(2). 220–231.

主要参考文献

1. Abel, J. & M. Babel. 2017. Cognitive load reduces perceived linguistic convergence between dyads. Language and Speech 60 (3): 479–502.

2. Babel, M. 2010. Dialect divergence and convergence in New Zealand English. Language in Society 39 (4): 437–456.

3. Baddeley, A. D., S. E. Gathercole & C. Papagno. 1998. The phonological loop as a language learning device. Psychological Review 105 (1): 158–173.

4. Cohen Priva, U. & C. Sanker. 2019. Limitations of difference-in-difference for measuring convergence. Laboratory Phonology 10 (1): 1–29.

5. Costa, A., M. J. Pickering & A. Sorace. 2008. Alignment in second language dialogue. Language and Cognitive Processes, 23 (4): 528–556.

6. Goldinger, S. 1998. Echoes of echoes? An episodic theory of lexical access. Psychological Review 105(2): 251–279.

7. Kim, D. & M. Clayards. 2019. Individual differences in the relation between perception and production and the mechanisms of phonetic imitation. Language, Cognition and Neuroscience 34(6): 729–786.

8. Kim, M. 2012. Phonetic Accommodation after Auditory Exposure to Native and Nonnative Speech. Ph. D. dissertation, Northwestern University.

9. Kisler, T., U. D. Reichel & F. Schiel. 2017. Multilingual processing of speech via web services. Computer Speech and Language 45: 326–347.

10. Lewandowski, N. & M. Jilka. 2019. Phonetic convergence, language talent, personality and attention. Frontiers in Communication 4: 1–19.

11. Lin, Jiexuan (林洁绚), Chen, Xiaocong (陈小聪), Cai, Rengdong (蔡任栋) & Yan, Hengbin (严恒斌). 2020. Phonetic convergence in foreign language production and the modulating factors. Foreign Language Teaching and Research 52(2): 237–248. [2020, 外语产出中的语音协同及影响因素. 《外语教学与研究》第2期: 237–248.]

12. Liu, Yan (刘艳) & Ni, Chuanbin (倪传斌). 2018. Instant aligning and delayed facilitating effects in audiovisual⁃based speaking continuation tasks. Modern Foreign Languages 41(6): 793–804. [2018, 视听续说的即时协同与延时促学效应.《现代外语》第6期: 793–804.]

13. Llompart, M. & E. Reinisch. 2019. Robustness of phonolexical representations relates to phonetic flexibility for difficult second language sound contrasts. Bilingualism: Language and Cognition 22(5): 1085–1100.

14. Ma, Lin (马林). 2005. An experimental study of English front vowel production by Chinese students. Modern Foreign Languages 28(3): 259–264. [2005, 中国学生英语前元音发音的实验研究.《现代外语》第3期: 259–264.]

15. Nielsen, K. 2011. Specificity and abstractness of VOT imitation. Journal of Phonetics 39: 132–142.

16. O’Brien, I., N. Segalowitz, J. O. E. Collentine & B. Freed. 2006. Phonological memory and lexical, narrative, and grammatical skills in second language oral production by adult learners. Applied Psycholinguistics 27: 377–402.

17. Pickering, M. J. & S. Garrod. 2004. Toward a mechanistic psychology of dialogue. Behavioral and Brain Sciences 27: 169–225.

18. Pickering, M. J. & S. Garrod. 2006. Alignment as the basis for successful communication. Research on Language and Computation 4: 203–228.

19. Pierrehumbert, J. 2002. Word-specific phonetics. In C. Gussenhoven & N. Warner (eds.). Laboratory Phonology, VII. Berlin: Mouton de Gruyter, 101–139.

20. Thomas, E. & T. Kendall. 2007. NORM: The vowel normalization and plotting suite. http://ncslaap.lib.ncsu.edu/tools/norm/.

21. Wang, Chuming (王初明). 2008. Interactions in language learning. Journal of Foreign Languages 31(6): 53–60. [2008, 语言学习与交互.《外国语》第6期: 53–60.]

22. Wei, Naixing (卫乃兴) & Gao, Xia (高霞). 2005. A preliminary study on the phonetic errors in the COLSEC Corpus. In Yang Huizhong & Wei Naixing (eds.). Construction and Data Analysis of a Chinese Learner Spoken English Corpus. Shanghai: Shanghai Foreign Language Education Press, 48–58. [2005, COLSEC语料库中的语音错误初始研究。见杨惠中、卫乃兴编,《中国学习者英语口语语料库建设与研究》.上海:上海外语教育出版社, 48–58.]

23. Xia, Saihui (夏赛辉) & Wang, Peng (汪朋). 2018. Alignment of L2 multisyllabic stress patterns. Modern Foreign Languages (6): 805–816. [2018, 二语多音节词重音协同研究.《现代外语》第6期: 805–816.]

24. Yu, A. C. L., C. Abrego-Collier & M. Sonderegger. 2013. Phonetic imitation from an individual-difference perspective: Subjective attitude, personality and “Autistic” traits. PLoS ONE 8(9): 1–13.