内隐统计学习及其对二语习得研究的启示

李更春 史鹏程

摘 要：内隐统计学习是近年来心理学领域提出的一个新概念，广义上指的是个体从环境中发现规律的过程。文章讨论了内隐统计学习概念提出的背景、内隐统计学习的机制以及二语习得研究中对内隐统计学习能力的测量方法。在此基础上，文章对基于内隐统计学习的二语习得研究进行了展望。具体来说，未来研究需要对不同模态下的内隐统计学习及其认知神经机制、内隐统计学习能力的测量，以及内隐统计学习能力与二语外显和内隐知识的关系等进行研究。

关键词：内隐学习；统计学习；内隐统计学习；二语习得

中图分类号：B842.3文献标识码：Ａ 文章编号：１００９ — ２２３４（２０23）１２ — ０135 — ０5

内隐统计学习（implicit statistical learning）是近年来提出的一个新概念。国际知名期刊Topics in Cognitive Science于2019年推出一期专刊，系统介绍了内隐统计学习。然而，通过文献检索，笔者发现目前国内少有文献介绍这一概念及相关研究。本文旨在对内隐统计学习这一概念及其运作机制作一扼要介绍，并对基于内隐统计学习的二语习得研究进行展望，以期推动相关研究的进一步发展。

一、内隐统计学习概念的提出

在讨论内隐统计学习这一概念之前，有必要扼要介绍内隐学习和统计学习的概念及相关研究，以期从整体上把握二者的缘起、发展脉络和主要研究内容。

（一）内隐学习及相关研究

内隐学习（implicit learning）一词最早由Arthur Reber于1967年提出，用以描述被试者对字母串构造规则的学习［1］。广义上，它是指个体从环境中内隐地习得复杂结构和规则的过程［2］。自Reber提出这一概念50多年来，内隐学习得到了大量的研究。此类研究往往运用Reber开发的人工语法学习范式（artificial grammar learning paradigm），但也有一些研究采用了其他实验范式，如复杂系统控制范式、序列反应时范式、半人工语言学习范式等。此类研究主要聚焦于考察成人被试是否可以在没有学习意图（即没有明确的学习目的）和无意识（即不知道自己正在学习什么）的附带接触条件下学会刺激的底层规则（underlying regularities），因此，一般涉及到对学习过程或结果的意识状态的测量，运用多种主观测量法或客观测量法，例如追述口头报告（retrospective verbal report）、信心评级（confidence ratings）、来源归因（source attribution）以及加工分离范式

（process dissociation procedure）等。近些年来，在语言习得领域，有越来越多的研究者运用半人工语言学

习范式（semi-artificial language learning paradigm），考察了词汇的形义连接（form-meaning connections）和语义趋向（semantic preferences）的内隐学习。相较于人工语法学习范式和序列反应时范式，此类研究中涉及的学习过程与自然语言习得过程更为接近，更能揭示自然语言习得的本质和规律。

（二）统计学习及相关研究

统计学习是上世纪末开始出现的一个研究领域。它是指个体在环境的连续刺激流中逐渐发现其统计规律的过程［3］。统计学习研究可追溯到Saffran等人1996年的一项开创性研究，该研究表明，8个月大的婴儿能够利用音节之间的转换概率（transitional probabilities）来检测某人工语言中的单词边

界［4］。在过去的二十多年里，统计学习亦得到广泛的研究。研究表明，统计学习是一种跨认知范畴的基本认知能力，它是人们在认识周围环境的结构时自发启动的认知机制，具有自发性（spontaneity）和无意识性（unawareness），存在于视觉、听觉、触觉等不同模态下，既可作用于语言材料，又可作用于其他类型的信息，例如以婴儿、儿童和成人为被试的语音流切分研究、以婴儿或成人为被试的视觉几何图形统计学习研究，以及以成人为被试的视觉动作影片统计学习研究均发现，统计学习机制除了能处理语言类型的材料外，也能处理其他类型材料中隐含的各层次统计分布信息［5］。此类研究聚焦于考察被试利用分布信息（distributional information）来检测连续刺激流中的复现单位的能力，使用的是Saffran等人［4］开创的“嵌入模式范式”（embedded pattern paradigm）。就统计学习与语言的关系来说，已有研究主要涉及语音感知、语音词汇识别、词汇的形义匹配、相邻和非相邻依存关系的学习，儿童或成人的統计学习表现及其与语音感知能力、词汇知识和词汇量、句法加工能力的相关性，以及双语者相对于单语者可能存在的统计学习优势等。

（三）内隐学习与统计学习的异同

在以往的文献中，内隐学习和统计学习研究往往并行发展而无交集，其研究成果通常在不同的期刊上发表，在不同的会议上交流，且偏好对学习者行为的不同阐释［6］。Christiansen指出，在学习的机制上，统计学习研究强调统计运算（statistical computations），而内隐学习研究则强调组块形成（chunk formation）；在研究问题上，统计学习研究往往考察人们能够学到什么（即在什么条件下能够学得什么样的关系），而内隐学习研究则关注这种知识以何种形式表征（如抽象规则、范例、组块）以及多大程度上能被意识到，因此，内隐学习研究中常采用对意识状态的测量方法，而在统计学习研究中则没有；在研究对象上，内隐学习研究主要以成人为研究对象，统计学习研究受到婴儿研究传统的重要影响，主要以婴幼儿和儿童为研究对象，以成人为被试以及对比儿童、青少年和成人统计学习表现的研究则较少；在实验方法上，内隐学习研究经常使用人工语法学习范式或序列学习任务，两项任务考察的均为学习者对序列生成规则的敏感性，统计学习研究则聚焦于被试者利用分布信息以检测感官输入（sensory input）中复现单位的能力，使用基于Saffran等人［4］开创的实验范式，考察学习者对转换概率的敏感性。

然而，尽管存在这些差异，两类文献也有一些相通之处，例如二者研究的均为人们内隐地发现其环境中的模式的能力，考察的都是相同领域一般性的附带学习过程（domain-general incidental learning process），都对分布式学习在语言习得中的作用感兴趣，均对语言学习作出一些重要的发展预测。其中，儿童语言习得被视为自然环境下分布式学习的最佳代表，也是两类研究的传统驱动力和需要解释的谜题［6］。有鉴于此，Conway和Christiansen正式提出“内隐统计学习”这一概念［7］。然而，这一概念的提出并没有很快引起学界的广泛关注，相关的研究比较零散，直至2019年国际知名期刊Topics in Cognitive Science推出一期专刊，系统探究内隐统计学习的理论框架、神经基础、学习机制、研究范式等一系列问题。

二、内隐统计学习机制的初步探索

根据Frost等人的观点，内隐统计学习是指个体从环境中发现规律的能力［8］。研究发现，内隐统计学习能力较强的学习者，能够更好地划分单词边界、发现人工语言中的规律［9］。这些研究促使学者们思索，内隐学习和统计学习是否具有相同的学习机制？这一学习机制具有哪些特征？

（一）观点一：内隐统计学习受领域一般性加工原则的支配

传统上，内隐统计学习往往被视为一种一元化构念（unified construct）。学者们认为，不同模态下（如视觉、听觉和触觉）的统计学习相互关联，并且有一种共同的学习机制控制着不同模态输入中的模式抽取（pattern extraction）。然而，Godfroid和Kim注意到，近年来越来越多的研究表明，内隐统计学习在不同模态和刺激下可能有着不同的运作方式，但仍需遵循领域一般性的计算原则（domain-general computational principles）［9］。该观点认为，内隐统计学习受到模态和刺激类型的制约（modality- and stimulus-constrained），但这种模态特异性信息仍受领域一般性加工原则的支配，调用相同的脑区。Kirkham等人在其研究中也谈到了领域一般性学习机制的问题［10］。

（二）观点二：内隐统计学习是基于统计的组块化过程

虽然有些学者认为，内隐统计学习中存在一种领域一般性的学习机制，控制着人们对不同模态（视觉、听觉和触觉）和不同刺激类型（如近距离和远距离结构）的模式抽取，遵循相同的领域一般性的计算原则，甚至在学习过程中激活相同的脑区，然而，Christiansen指出内隐统计学习任务并非探寻某种专门的统计学习机制，被试在此类任务中的反应依赖于学习和记忆的基本系统（basic systems of learning and memory），所涉及的具体神经网络随任务要求的不同而变化。内隐统计学习反映的是大脑对输入所体现的真实世界统计信息（real-world statistics）的敏感性，而这种敏感性受到学习和记忆基本过程的调节，即组块化（chunking）［6］。Christiansen进而援引斯McCauley和Christiansen一项研究［11］表明，这种组块化过程似乎很大程度上是基于统计的（至少在语言方面如此），进而指出内隐统计学习可以解释为基于统计的组块化过程（statistically-based chunking）。实际上，已有一些行为实验和计算模型的结果强调了组块在内隐统计学习中的潜在作用。就行为实验来说，Knowlton和Squire的研究发现，组块的强度（chunk strength），即二元和三元子序列的相对频率，影响被试在人工语法学习任务中区分合法和不合法测试项的能力［12］。Slone和Johnson在其研究中也观察到了组块策略的效应［13］。就计算模型来说，纯粹基于组块的计算模型PARSER［14］能够有效模拟Saffran等人［4］内隐统计学习研究的数据。McCauley和Christiansen于2011年开发了一种名为Chunk-Based Learner的计算模型，该模型能够使用统计信息来识别多词语块，进而促进语言的处理［15］。

（三）二语习得中内隐统计学习的测量

研究者认为，母语习得本质上取决于内隐学习，内隐学习首先可能产生内隐知识，而内隐知识运用时自动化程度高，且准确流利，是二语语言能力的重要因素和二语习得的终极目标［16］；统计学习与语言有着密切的联系，统计学习能力与儿童和成人的语音感知能力，以及词汇知识和词汇量、句法加工能力等密切相关。因此，在以往的二語习得研究中，研究者往往通过不同的方法来考察内隐学习、统计学习以及相关的程序性记忆等问题［9］，例如学者们通过指向语音编码能力的LLAMA D测试、序列反应时任务和交替序列反应时任务来测量内隐学习能力，通过语音流（或声调流、图片流）切分范式、跨情境统计学习任务考察统计学习能力，通过交替序列反应时任务、伦敦塔（Tower of London）和天气预报任务（Weather Prediction Task）来测量程序性记忆。

Godfroid和Kim认为，虽然在二语研究中内隐统计学习能力测量方法的使用呈上升之势，但有必要从理论和心理测量（psychometrics）角度对其加以更加有力的论证［9］。实际上，内隐统计学习能力可能并非一元化构念，因此，有必要为特定测量方法的使用提供理论上的依据，并考察其结构效度（construct validity），同时应考虑输入模态对内隐统计学习能力的影响，例如就内隐学习能力的测量来说，Granena的一项探索性因素分析发现，序列反应时任务与LLAMA D分属不同的因子，表明两项测量方法并非测量同一构念［17］。在总结以往测量方法的基础上，Godfroid和Kim通过交替序列反应时、听觉统计学习、视觉统计学习和伦敦塔等任务测量被试的内隐统计学习能力［9］。据笔者所知，这是目前系统测量内隐统计学习能力并探讨其对二语内隐和外显知识预测效度的唯一研究。

三、对二语习得领域相关研究的思考

内隐统计学习是近年来提出的一个新概念，相关问题需要未来研究加以不断探索，例如不同模态下内隐统计学习的机制是否存在不同？涉及的学习和记忆基本系统是否存在差异？如何对内隐统计学习能力进行信度和效度俱佳测量？内隐统计学习能力与二语内隐和外显知识的关系如何？对这些问题的理论探索与实证研究不仅有利于完善内隐统计学习的理论框架，也有助于加深我们对二语习得过程本质的认识。

（一）内隐统计学习的模态差异

已有研究表明，内隐统计学习存在模态差异，例如，内隐统计学习在听觉模态下优于视觉模态［18-19］，内隐统计学习任务中存在首因效应和近因效应的模态差异（即听觉模态下表现出近因效应，而视觉模态下表现出首因效应）［19］，听觉模态下实验材料快速呈现时学习效果更佳，而视觉模态下慢速呈现则更好［20］，视觉和听觉统计学习能力具有不同的发展轨迹等［21-22］。众所周知，在二语习得中，视觉和听觉输入是学习者接触二语的主要通道，但二者依赖的生物学功能、传播的介质不同，在大脑的不同区域得到加工［23］。有鉴于此，在二语习得研究中，探讨学习者在视觉和听觉模态下的内隐统计学习能力、认知神经机制，以及二者对二语知识与能力的预测关系等问题具有重要的理论意义，有利于进一步认识二语习得过程的本质及其认知神经基础，同时也有利于探明二语习得成效差异的认知心理因素。

（二）内隐统计学习的记忆依赖性

以往研究表明，内隐统计学习具有记忆依赖性。统计学习包括两个过程，即提取和整合［24-25］。提取是指在记忆中保持统计上一致的组块（statistically congruent clusters）的过程，整合是指从存储的组块中提取信息并加以组合的过程。最近的一个理论框架考虑了各种任务中的统计学习（包括单词切分、范畴学习、人工语法学习、序列反应时任务），并认为统计学习产生于一组记忆过程，其中对刺激成分的储存发挥着关键作用［26］。具体来说，该理论认为，人们将具体的范例存储于记忆中，然后对这些范例中的信息加以整合，从而强化它们之间一致的特征，削弱它们之间不一致的特征，进而产生对统计规律的知识。从这一意义上来说，内隐统计学习能力与个体的记忆系统具有密切的联系。对双语者统计学习的研究亦表明，双语者统计学习表现之所以更佳，可能是由于其言语短时记忆（verbal short-term memory）能力更強所致［27-28］。这些研究均表明，内隐统计学习依赖于学习和记忆基本系统。因此，在二语习得研究中，考察内隐统计学习能力与内隐记忆、程序性记忆、言语短语记忆等记忆系统的关系，对于进一步认识二语内隐统计学习的认知基础具有重要的理论意义，同时也能为个体二语习得成效的差异提供认知心理学角度的阐释。

（三）内隐统计学习的层级性

研究发现，统计学习具有层级性，其基本心理机制是组块化。统计学习的层级性首先体现于组块化的层级性。Christiansen指出，就语言学习来说，人们通过日常语言接触学会将语言输入快速压缩并重新编码成组块，这些组块随即被传递到更高层次的语言表征，而后者本身也会参与相同的组块传递过程，从而导致越来越大的、语言抽象水平更高的组块形成。由于组块化过程将低水平表征的信息重新编码为越来越大的输入片段，这一过程就使得语言输入得以保持在越来越大的时间窗口。正是这种对低层次信息的反复组块化，使得我们的认知系统能够处理源源不断的输入信息［6］。就语言学习来说，统计学习的层级性还体现于不同的语言层级上，例如母语习得者可以通过追踪不同音素的组合规律而学会音位结构规则；通过追踪音节之间的转换概率而学会识别单词；通过内隐习得单词之间的转换概率而有效识别搭配和语块；通过对已识别的搭配和语块进行对比和分析，形成更为抽象的类联接或构式知识；通过统计运算，分析不同词类的排列组合规律，内隐习得短语结构规则，进而逐步抽象出语言的结构知识。因此，语言各层面，包括语音、词汇、句法、语义等均可以成为内隐统计学习作用的对象，而内隐统计学习能力存在个体差异，且在个体的整个生命周期中不断发生变化（如儿童、青少年、青年和老年时期的内隐统计学习能力不断发生动态变化）［3］。因此，在二语习得研究中，有必要探讨学习者内隐统计学习能力的个体差异及其对二语各层面知识和各维度能力的影响，并对学习者的内隐统计学习能力进行历时的跟踪研究或横断面研究，进而动态跟踪随着学习者年龄的增长其内隐统计学习能力变化的规律及其对二语各层面知识和各维度能力学习成效的动态影响。

四、结语

作为人类学习的一种基本认知机制，内隐统计学习深刻影响着我们对周围环境结构的认知。在语言习得（尤其在儿童早期语言习得）过程中，内隐统计学习亦发挥着重要的基础性作用。因此，重视对内隐统计学习及其认知神经机制的探究，可以为二语习得研究提供一个新的理论视角和解释方案。具体来说，在未来的二语习得研究中，有必要深化对不同模态（如视觉、听觉或视听双模态）下或不同刺激类型（如相邻和非相邻依存结构）的内隐统计学习研究，同时结合运用多种测量方法，对学习者的内隐统计学习能力进行信度、效度俱佳测量，并以此为基础探讨内隐统计学习对二语内隐和外显知识或二语具体能力的预测效度。

〔参 考 文 献〕

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

［2］关守义，郭秀艳.内隐学习中的知识习得及其无意识性测量［J］.心理与行为研究，2016（02）：

191-201.

［3］徐贵平，范若琳，金花.统计学习的认知神经机制及其与语言的关系［J］.心理科学进展，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，陈振宇.统计学习机制在语言习得中的角色及其对第二语教学的可能启发［J］.华语文教学研究，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.二语隐性知识测量研究［J］.现代外语，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.语言输入模態影响其习得过程［N］.中国社会科学报.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.

〔责任编辑：丁 冬〕