內隱統計學習及其對二語習得研究的啟示

李更春 史鵬程

摘 要：內隱統計學習是近年來心理學領域提出的一個新概念，廣義上指的是個體從環境中發現規律的過程。文章討論了內隱統計學習概念提出的背景、內隱統計學習的機制以及二語習得研究中對內隱統計學習能力的測量方法。在此基礎上，文章對基于內隱統計學習的二語習得研究進行了展望。具體來說，未來研究需要對不同模態下的內隱統計學習及其認知神經機制、內隱統計學習能力的測量，以及內隱統計學習能力與二語外顯和內隱知識的關系等進行研究。

關鍵詞：內隱學習；統計學習；內隱統計學習；二語習得

中圖分類號：B842.3文獻標識碼：Ａ 文章編號：１００９ — ２２３４（２０23）１２ — ０135 — ０5

內隱統計學習（implicit statistical learning）是近年來提出的一個新概念。國際知名期刊Topics in Cognitive Science于2019年推出一期?？?，系統介紹了內隱統計學習。然而，通過文獻檢索，筆者發現目前國內少有文獻介紹這一概念及相關研究。本文旨在對內隱統計學習這一概念及其運作機制作一扼要介紹，并對基于內隱統計學習的二語習得研究進行展望，以期推動相關研究的進一步發展。

一、內隱統計學習概念的提出

在討論內隱統計學習這一概念之前，有必要扼要介紹內隱學習和統計學習的概念及相關研究，以期從整體上把握二者的緣起、發展脈絡和主要研究內容。

（一）內隱學習及相關研究

內隱學習（implicit learning）一詞最早由Arthur Reber于1967年提出，用以描述被試者對字母串構造規則的學習［1］。廣義上，它是指個體從環境中內隱地習得復雜結構和規則的過程［2］。自Reber提出這一概念50多年來，內隱學習得到了大量的研究。此類研究往往運用Reber開發的人工語法學習范式（artificial grammar learning paradigm），但也有一些研究采用了其他實驗范式，如復雜系統控制范式、序列反應時范式、半人工語言學習范式等。此類研究主要聚焦于考察成人被試是否可以在沒有學習意圖（即沒有明確的學習目的）和無意識（即不知道自己正在學習什么）的附帶接觸條件下學會刺激的底層規則（underlying regularities），因此，一般涉及到對學習過程或結果的意識狀態的測量，運用多種主觀測量法或客觀測量法，例如追述口頭報告（retrospective verbal report）、信心評級（confidence ratings）、來源歸因（source attribution）以及加工分離范式

（process dissociation procedure）等。近些年來，在語言習得領域，有越來越多的研究者運用半人工語言學

習范式（semi-artificial language learning paradigm），考察了詞匯的形義連接（form-meaning connections）和語義趨向（semantic preferences）的內隱學習。相較于人工語法學習范式和序列反應時范式，此類研究中涉及的學習過程與自然語言習得過程更為接近，更能揭示自然語言習得的本質和規律。

（二）統計學習及相關研究

統計學習是上世紀末開始出現的一個研究領域。它是指個體在環境的連續刺激流中逐漸發現其統計規律的過程［3］。統計學習研究可追溯到Saffran等人1996年的一項開創性研究，該研究表明，8個月大的嬰兒能夠利用音節之間的轉換概率（transitional probabilities）來檢測某人工語言中的單詞邊

界［4］。在過去的二十多年里，統計學習亦得到廣泛的研究。研究表明，統計學習是一種跨認知范疇的基本認知能力，它是人們在認識周圍環境的結構時自發啟動的認知機制，具有自發性（spontaneity）和無意識性（unawareness），存在于視覺、聽覺、觸覺等不同模態下，既可作用于語言材料，又可作用于其他類型的信息，例如以嬰兒、兒童和成人為被試的語音流切分研究、以嬰兒或成人為被試的視覺幾何圖形統計學習研究，以及以成人為被試的視覺動作影片統計學習研究均發現，統計學習機制除了能處理語言類型的材料外，也能處理其他類型材料中隱含的各層次統計分布信息［5］。此類研究聚焦于考察被試利用分布信息（distributional information）來檢測連續刺激流中的復現單位的能力，使用的是Saffran等人［4］開創的“嵌入模式范式”（embedded pattern paradigm）。就統計學習與語言的關系來說，已有研究主要涉及語音感知、語音詞匯識別、詞匯的形義匹配、相鄰和非相鄰依存關系的學習，兒童或成人的統計學習表現及其與語音感知能力、詞匯知識和詞匯量、句法加工能力的相關性，以及雙語者相對于單語者可能存在的統計學習優勢等。

（三）內隱學習與統計學習的異同

在以往的文獻中，內隱學習和統計學習研究往往并行發展而無交集，其研究成果通常在不同的期刊上發表，在不同的會議上交流，且偏好對學習者行為的不同闡釋［6］。Christiansen指出，在學習的機制上，統計學習研究強調統計運算（statistical computations），而內隱學習研究則強調組塊形成（chunk formation）；在研究問題上，統計學習研究往往考察人們能夠學到什么（即在什么條件下能夠學得什么樣的關系），而內隱學習研究則關注這種知識以何種形式表征（如抽象規則、范例、組塊）以及多大程度上能被意識到，因此，內隱學習研究中常采用對意識狀態的測量方法，而在統計學習研究中則沒有；在研究對象上，內隱學習研究主要以成人為研究對象，統計學習研究受到嬰兒研究傳統的重要影響，主要以嬰幼兒和兒童為研究對象，以成人為被試以及對比兒童、青少年和成人統計學習表現的研究則較少；在實驗方法上，內隱學習研究經常使用人工語法學習范式或序列學習任務，兩項任務考察的均為學習者對序列生成規則的敏感性，統計學習研究則聚焦于被試者利用分布信息以檢測感官輸入（sensory input）中復現單位的能力，使用基于Saffran等人［4］開創的實驗范式，考察學習者對轉換概率的敏感性。

然而，盡管存在這些差異，兩類文獻也有一些相通之處，例如二者研究的均為人們內隱地發現其環境中的模式的能力，考察的都是相同領域一般性的附帶學習過程（domain-general incidental learning process），都對分布式學習在語言習得中的作用感興趣，均對語言學習作出一些重要的發展預測。其中，兒童語言習得被視為自然環境下分布式學習的最佳代表，也是兩類研究的傳統驅動力和需要解釋的謎題［6］。有鑒于此，Conway和Christiansen正式提出“內隱統計學習”這一概念［7］。然而，這一概念的提出并沒有很快引起學界的廣泛關注，相關的研究比較零散，直至2019年國際知名期刊Topics in Cognitive Science推出一期?？?，系統探究內隱統計學習的理論框架、神經基礎、學習機制、研究范式等一系列問題。

二、內隱統計學習機制的初步探索

根據Frost等人的觀點，內隱統計學習是指個體從環境中發現規律的能力［8］。研究發現，內隱統計學習能力較強的學習者，能夠更好地劃分單詞邊界、發現人工語言中的規律［9］。這些研究促使學者們思索，內隱學習和統計學習是否具有相同的學習機制？這一學習機制具有哪些特征？

（一）觀點一：內隱統計學習受領域一般性加工原則的支配

傳統上，內隱統計學習往往被視為一種一元化構念（unified construct）。學者們認為，不同模態下（如視覺、聽覺和觸覺）的統計學習相互關聯，并且有一種共同的學習機制控制著不同模態輸入中的模式抽?。╬attern extraction）。然而，Godfroid和Kim注意到，近年來越來越多的研究表明，內隱統計學習在不同模態和刺激下可能有著不同的運作方式，但仍需遵循領域一般性的計算原則（domain-general computational principles）［9］。該觀點認為，內隱統計學習受到模態和刺激類型的制約（modality- and stimulus-constrained），但這種模態特異性信息仍受領域一般性加工原則的支配，調用相同的腦區。Kirkham等人在其研究中也談到了領域一般性學習機制的問題［10］。

（二）觀點二：內隱統計學習是基于統計的組塊化過程

雖然有些學者認為，內隱統計學習中存在一種領域一般性的學習機制，控制著人們對不同模態（視覺、聽覺和觸覺）和不同刺激類型（如近距離和遠距離結構）的模式抽取，遵循相同的領域一般性的計算原則，甚至在學習過程中激活相同的腦區，然而，Christiansen指出內隱統計學習任務并非探尋某種專門的統計學習機制，被試在此類任務中的反應依賴于學習和記憶的基本系統（basic systems of learning and memory），所涉及的具體神經網絡隨任務要求的不同而變化。內隱統計學習反映的是大腦對輸入所體現的真實世界統計信息（real-world statistics）的敏感性，而這種敏感性受到學習和記憶基本過程的調節，即組塊化（chunking）［6］。Christiansen進而援引斯McCauley和Christiansen一項研究［11］表明，這種組塊化過程似乎很大程度上是基于統計的（至少在語言方面如此），進而指出內隱統計學習可以解釋為基于統計的組塊化過程（statistically-based chunking）。實際上，已有一些行為實驗和計算模型的結果強調了組塊在內隱統計學習中的潛在作用。就行為實驗來說，Knowlton和Squire的研究發現，組塊的強度（chunk strength），即二元和三元子序列的相對頻率，影響被試在人工語法學習任務中區分合法和不合法測試項的能力［12］。Slone和Johnson在其研究中也觀察到了組塊策略的效應［13］。就計算模型來說，純粹基于組塊的計算模型PARSER［14］能夠有效模擬Saffran等人［4］內隱統計學習研究的數據。McCauley和Christiansen于2011年開發了一種名為Chunk-Based Learner的計算模型，該模型能夠使用統計信息來識別多詞語塊，進而促進語言的處理［15］。

（三）二語習得中內隱統計學習的測量

研究者認為，母語習得本質上取決于內隱學習，內隱學習首先可能產生內隱知識，而內隱知識運用時自動化程度高，且準確流利，是二語語言能力的重要因素和二語習得的終極目標［16］；統計學習與語言有著密切的聯系，統計學習能力與兒童和成人的語音感知能力，以及詞匯知識和詞匯量、句法加工能力等密切相關。因此，在以往的二語習得研究中，研究者往往通過不同的方法來考察內隱學習、統計學習以及相關的程序性記憶等問題［9］，例如學者們通過指向語音編碼能力的LLAMA D測試、序列反應時任務和交替序列反應時任務來測量內隱學習能力，通過語音流（或聲調流、圖片流）切分范式、跨情境統計學習任務考察統計學習能力，通過交替序列反應時任務、倫敦塔（Tower of London）和天氣預報任務（Weather Prediction Task）來測量程序性記憶。

Godfroid和Kim認為，雖然在二語研究中內隱統計學習能力測量方法的使用呈上升之勢，但有必要從理論和心理測量（psychometrics）角度對其加以更加有力的論證［9］。實際上，內隱統計學習能力可能并非一元化構念，因此，有必要為特定測量方法的使用提供理論上的依據，并考察其結構效度（construct validity），同時應考慮輸入模態對內隱統計學習能力的影響，例如就內隱學習能力的測量來說，Granena的一項探索性因素分析發現，序列反應時任務與LLAMA D分屬不同的因子，表明兩項測量方法并非測量同一構念［17］。在總結以往測量方法的基礎上，Godfroid和Kim通過交替序列反應時、聽覺統計學習、視覺統計學習和倫敦塔等任務測量被試的內隱統計學習能力［9］。據筆者所知，這是目前系統測量內隱統計學習能力并探討其對二語內隱和外顯知識預測效度的唯一研究。

三、對二語習得領域相關研究的思考

內隱統計學習是近年來提出的一個新概念，相關問題需要未來研究加以不斷探索，例如不同模態下內隱統計學習的機制是否存在不同？涉及的學習和記憶基本系統是否存在差異？如何對內隱統計學習能力進行信度和效度俱佳測量？內隱統計學習能力與二語內隱和外顯知識的關系如何？對這些問題的理論探索與實證研究不僅有利于完善內隱統計學習的理論框架，也有助于加深我們對二語習得過程本質的認識。

（一）內隱統計學習的模態差異

已有研究表明，內隱統計學習存在模態差異，例如，內隱統計學習在聽覺模態下優于視覺模態［18-19］，內隱統計學習任務中存在首因效應和近因效應的模態差異（即聽覺模態下表現出近因效應，而視覺模態下表現出首因效應）［19］，聽覺模態下實驗材料快速呈現時學習效果更佳，而視覺模態下慢速呈現則更好［20］，視覺和聽覺統計學習能力具有不同的發展軌跡等［21-22］。眾所周知，在二語習得中，視覺和聽覺輸入是學習者接觸二語的主要通道，但二者依賴的生物學功能、傳播的介質不同，在大腦的不同區域得到加工［23］。有鑒于此，在二語習得研究中，探討學習者在視覺和聽覺模態下的內隱統計學習能力、認知神經機制，以及二者對二語知識與能力的預測關系等問題具有重要的理論意義，有利于進一步認識二語習得過程的本質及其認知神經基礎，同時也有利于探明二語習得成效差異的認知心理因素。

（二）內隱統計學習的記憶依賴性

以往研究表明，內隱統計學習具有記憶依賴性。統計學習包括兩個過程，即提取和整合［24-25］。提取是指在記憶中保持統計上一致的組塊（statistically congruent clusters）的過程，整合是指從存儲的組塊中提取信息并加以組合的過程。最近的一個理論框架考慮了各種任務中的統計學習（包括單詞切分、范疇學習、人工語法學習、序列反應時任務），并認為統計學習產生于一組記憶過程，其中對刺激成分的儲存發揮著關鍵作用［26］。具體來說，該理論認為，人們將具體的范例存儲于記憶中，然后對這些范例中的信息加以整合，從而強化它們之間一致的特征，削弱它們之間不一致的特征，進而產生對統計規律的知識。從這一意義上來說，內隱統計學習能力與個體的記憶系統具有密切的聯系。對雙語者統計學習的研究亦表明，雙語者統計學習表現之所以更佳，可能是由于其言語短時記憶（verbal short-term memory）能力更強所致［27-28］。這些研究均表明，內隱統計學習依賴于學習和記憶基本系統。因此，在二語習得研究中，考察內隱統計學習能力與內隱記憶、程序性記憶、言語短語記憶等記憶系統的關系，對于進一步認識二語內隱統計學習的認知基礎具有重要的理論意義，同時也能為個體二語習得成效的差異提供認知心理學角度的闡釋。

（三）內隱統計學習的層級性

研究發現，統計學習具有層級性，其基本心理機制是組塊化。統計學習的層級性首先體現于組塊化的層級性。Christiansen指出，就語言學習來說，人們通過日常語言接觸學會將語言輸入快速壓縮并重新編碼成組塊，這些組塊隨即被傳遞到更高層次的語言表征，而后者本身也會參與相同的組塊傳遞過程，從而導致越來越大的、語言抽象水平更高的組塊形成。由于組塊化過程將低水平表征的信息重新編碼為越來越大的輸入片段，這一過程就使得語言輸入得以保持在越來越大的時間窗口。正是這種對低層次信息的反復組塊化，使得我們的認知系統能夠處理源源不斷的輸入信息［6］。就語言學習來說，統計學習的層級性還體現于不同的語言層級上，例如母語習得者可以通過追蹤不同音素的組合規律而學會音位結構規則；通過追蹤音節之間的轉換概率而學會識別單詞；通過內隱習得單詞之間的轉換概率而有效識別搭配和語塊；通過對已識別的搭配和語塊進行對比和分析，形成更為抽象的類聯接或構式知識；通過統計運算，分析不同詞類的排列組合規律，內隱習得短語結構規則，進而逐步抽象出語言的結構知識。因此，語言各層面，包括語音、詞匯、句法、語義等均可以成為內隱統計學習作用的對象，而內隱統計學習能力存在個體差異，且在個體的整個生命周期中不斷發生變化（如兒童、青少年、青年和老年時期的內隱統計學習能力不斷發生動態變化）［3］。因此，在二語習得研究中，有必要探討學習者內隱統計學習能力的個體差異及其對二語各層面知識和各維度能力的影響，并對學習者的內隱統計學習能力進行歷時的跟蹤研究或橫斷面研究，進而動態跟蹤隨著學習者年齡的增長其內隱統計學習能力變化的規律及其對二語各層面知識和各維度能力學習成效的動態影響。

四、結語

作為人類學習的一種基本認知機制，內隱統計學習深刻影響著我們對周圍環境結構的認知。在語言習得（尤其在兒童早期語言習得）過程中，內隱統計學習亦發揮著重要的基礎性作用。因此，重視對內隱統計學習及其認知神經機制的探究，可以為二語習得研究提供一個新的理論視角和解釋方案。具體來說，在未來的二語習得研究中，有必要深化對不同模態（如視覺、聽覺或視聽雙模態）下或不同刺激類型（如相鄰和非相鄰依存結構）的內隱統計學習研究，同時結合運用多種測量方法，對學習者的內隱統計學習能力進行信度、效度俱佳測量，并以此為基礎探討內隱統計學習對二語內隱和外顯知識或二語具體能力的預測效度。

〔參 考 文 獻〕

［1］Reber， A. S. Implicit learning of artificial grammars ［J］. Journal of Verbal Learning and Verbal Behavior， 1967，6：855-863.

［2］關守義，郭秀艷.內隱學習中的知識習得及其無意識性測量［J］.心理與行為研究，2016（02）：

191-201.

［3］徐貴平，范若琳，金花.統計學習的認知神經機制及其與語言的關系［J］.心理科學進展，2020

（09）：1525-1538.

［4］Saffran， J. R.， Aslin， R. N. & Newport， E. L. Statistical learning by 8-month-old infants［J］. Science

（New York， N.Y.）， 1996，274（5294）：1926-1928.

［5］王贊育，陳振宇.統計學習機制在語言習得中的角色及其對第二語教學的可能啟發［J］.華語文教學研究，2015，12（04）：11-44.

［6］Christiansen， M. H. Implicit statistical learning： A tale of two literatures［J］. Topics in Cognitive

Science， 2019，11：468-481.

［7］Conway， C. M. & Christiansen， M. H. Statistical learning within and between modalities： Pitting abstract against stimulus specific representations［J］.

Psychological Science， 2006， 17： 905-912.

［8］Frost， R.， Armstrong， B. C. & Christiansen， M. H. Statistical learning research： A critical review and possible new directions［J］. Psychological Bulletin，

2019， 145： 1128-1153.

［9］Godfroid， A. & K. M. Kim. The contributions of implicit-statistical learning aptitude to implicit second-language knowledge［J］. Studies in Second Language Acquisition， 2021，43：606-634.

［10］Kirkham， N. Z. Slemmer， J. A. & Johnson， S.

P. Visual statistical learning in infancy： Evidence for a domain general learning mechanism ［J］. Cognition， 2002， 83： B35-B42.

［11］McCauley， S. M. & Christiansen， M. H. Individual differences in chunking ability predict on-line sentence processing［A］. In D. C. Noelle & R. Dale （eds.）， Proceedings of the 37th Annual Conference of the Cognitive Science Society［C］. Austin， TX： Cognitive Science Society， 2015： 1553-1558.

［12］Knowlton， B. J. & Squire， L. R. The information acquired during artificial grammar learning［J］. Journal of Experimental Psychology： Learning， Memory， and Cognition， 1994， 20： 79-91.

［13］Slone， L. & Johnson， S. P. Statistical and chunking processes in adults visual sequence learning ［A］. In D. C. Noelle & R. Dale （eds.）， Proceedings of the 37th Annual Conference of the Cognitive Science Society［C］.Austin， TX： Cognitive Science Society， 2015：2218-2223.

［14］Perruchet， P. & Vinter， A. PARSER： A model for word segmentation［J］. Journal of Memory and

Language， 1998， 39： 246-263.

［15］McCauley， S. M. & Christiansen， M. H. Learn

ing simple statistics for language comprehension and production： The CAPPUCCINO model［A］. In L. Carlson， C. H？觟lscher & T. Shipley （eds.）， Proceedings of the 33rd Annual Conference of the Cognitive Science Society［C］. Austin， TX： Cognitive Science Society， 2011：1619-1624.

［16］李更春.二語隱性知識測量研究［J］.現代外語，2021（06）：839-848.

［17］Granena， G. Cognitive aptitudes and L2 spe

aking proficiency： Links between LAMA and HI-LAB ［J］. Studies in Second Language Acquisition， 2019， 41：313-336.

［18］Conway， C. M. & Christiansen， M. H. Modality-constrained statistical learning of tactile， visual， and auditory sequences［J］. Journal of Experimental

Psychology： Learning， Memory， and Cognition， 2005，31（1）：24-39.

［19］Conway， C. M. & Christiansen， M. H. Seeing and hearing in space and time： Effects of modality and presentation rate on implicit statistical learning ［J］. European Journal of Cognitive Psychology， 2009，

21：561-580.

［20］Emberson， L. L.， Conway， C. M. & Chris

tiansen， M. H. Timing is everything： Changes in presentation timing have opposite effects on auditory and visual implicit statistical learning ［J］. Quarterly Journal of Experimental Psychology， 2011， 64： 1021-1040.

［21］Raviv， L. & Arnon， I. The developmental trajectory of childrens auditory and visual statistical learning abilities： Modality-based differences in the effect of age［J］. Developmental Science， 2018，21（4）：e12593.

［22］Shufaniya， A. & Arnon， I. Statistical learning is not age-invariant during childhood： Performance improves with age across modality［J］. Cognitive Science， 2018，42（3）：3100-3115.

［23］李更春.語言輸入模態影響其習得過程［N］.中國社會科學報.2020-06-03.

［24］Erickson， L.C. & Thiessen， E. D. Statistical learning of language： Theory， validity， and predictions of a statistical learning account of language acquisition ［J］. Developmental Review， 2015， 37： 66-408.

［25］Verhagen， J. & de Bree， E. Effects of bilingua

lism on statistical learning in preschoolers ［J］. Linguistic Approaches to Bilingualism， 2020，11（05）： 611-639.

［26］Thiessen， E. D. Whats statistical about learning？ Insights from modelling statistical learning as a set of memory processes［J］. Philosophical Transactions of the Royal Society B， 2017，372（1711）： 20160056.

［27］Bartolotti， J.， Marian， V.， Schroeder， S. R. & Shook， A. Bilingualism and inhibitory control influence statistical learning of novel word forms［J］. Frontiers in Psychology， 2011，2（324）：1-10.

［28］Wang， T. & Saffran， J. R. Statistical learning of a tonal language： The influence of bilingualism and previous linguistic experience［J］. Frontiers in Psychology， 2014，5（953）：1-9.

〔責任編輯：丁 冬〕