认知控制在口语词汇生成过程中对词汇获取的影响：来自跨任务适应的证据

《Acta Psychologica》：The influence of cognitive control on lexical access during spoken word production: Evidence from cross-task adaptation

　　王雪斌 | 张青芳
中国人民大学心理学系，北京，中国

摘要
以往的研究已经证实了认知控制与口语生成之间存在密切的关联，但认知控制在词汇获取模型中的理论地位仍然不够明确。本研究旨在探讨领域通用的认知控制机制是否会对口语生成产生即时、逐次的影响。通过结合跨任务冲突适应范式（即在两个不同任务之间进行比较），我们将“托兰克任务”（Flanker task）与“图片-词汇干扰任务”（Picture-Word Interference, PWI task）结合起来，以检验在非语言任务中激活认知控制是否会影响后续的词汇处理过程。在“托兰克任务”中，通过一致性和不一致性的任务来操控认知控制的需求；而在“图片-词汇干扰任务”中，分别使用语义相关的干扰项（实验1）和音韵相关的干扰项（实验2），针对词汇库的检索和音韵编码环节进行测试。在两个实验中都观察到了可靠的跨任务冲突适应效应（Cross-Task Conflict Adaptation effect, CAE）。在一致性任务之后出现了典型的语义干扰效应和音韵促进效应，而在不一致性任务之后这些效应显著减弱或消失，这表明先前的认知控制激活会减弱词汇获取过程中的竞争性和促进性机制。实验3在任务之间增加了1000毫秒的间隔，结果发现跨任务的调节作用消失，从而证明认知控制对口语生成的影响具有时间限制。这些发现为领域通用认知控制动态调节词汇获取多个阶段提供了有力证据，涵盖了词汇库检索和音韵编码过程。这些发现通过引入领域通用认知控制机制，扩展了现有的词汇竞争模型和反应排除假说。

1. 引言
理解与生成语言是人类最复杂的认知技能之一。这些过程涉及多种表征形式，包括语义、句法、音韵和语音信息，这些信息会经历持续的激活、选择和整合（Federmeier等人，2020）。尽管这些表征是语言特定的，但调控其使用的机制——如抑制竞争性元素、组织和规划语言行为，以及在不同时间点选择、维持和更新信息——则依赖于领域通用的能力（Elman等人，1996；Federmeier等人，2020）。语言理解和生成涉及在多个表征领域之间持续监控和解决冲突，包括语义冲突（Blott等人，2021）和句法冲突（Hsu & Novick，2016）。假设领域通用的认知控制机制通过调节同时激活的表征之间的竞争、抑制与任务无关的替代方案，并偏向于与任务相关的概念性和词汇性表征来支持这些过程（May & Scofield，2024；Ness等人，2025）。

根据Levelt等人（1999）的观点，说话包括概念化、词汇库检索、词形编码和发音过程。说话者在检索词汇库时可以访问语义相关的词汇及其语法信息，在音韵编码过程中激活音段和韵律信息（Dell & Jacobs，2015）。发音一个词所需的时间通常很快，平均约为600毫秒（Indefrey，2011；Indefrey & Levelt，2004）。研究表明，在词汇库检索和音韵编码过程中，说话者会激活目标词以及语义或音韵相关的词（Damian & Martin，1999；Dell & Jacobs，2015）。为了有效流畅地交流，说话者必须巧妙地选择目标词同时抑制竞争性替代方案（Shao等人，2015）。尽管已经广泛研究了语义或音韵相关词之间的共同激活对口语生成的影响（Dell，1986；Levelt等人，1999），但领域通用认知控制在调节这些过程中的作用仍相对较少被探索（Shao等人，2015）。认知控制通常被定义为一组调节机制，通过增强与目标相关的表征来监控和解决信息冲突，同时抑制与任务无关的替代方案（例如，Botvinick等人，2001；Ness等人，2025）。本研究旨在探讨认知控制如何在中国口语生成过程中即时影响词汇库检索和音韵编码。

近期的研究强调了认知控制在不同群体中的关键作用，如存在认知挑战的老年人（Wu等人，2020；Yang & Zhang，2019）、患有特定语言障碍的儿童（Spaulding，2010）以及健康的年轻人（Shao等人，2015）。尽管单语者拥有丰富的语言经验，但口语生成并非完全自动化。这是因为口语生成的复杂性和灵活性需要认知资源来成功完成。Ferreira和Pashler（2002）通过结合图片命名和声调辨别的语义双任务范式发现，即使在生成孤立词汇时，说话者也需要领域通用的认知过程来整合多种信息来源。说话者利用抑制机制来抑制无关信息、减少语言流畅性问题（Engelhardt等人，2010），并从竞争选项中选择回应（de Zubicaray等人，2002）。

先前的研究提供了有趣的关联证据，表明用母语命名物体的健康成年人受到认知控制的影响（Crowther & Martin，2014；Trude & Nozari，2017）。具体来说，Shao等人（2013）通过相关性分析研究了说话者在口语生成过程中是否激活了认知控制。他们发现参与者的干扰效应与口语生成过程中最慢片段在delta图上的斜率之间存在显著的正相关，表明认知控制的参与（也参见Shao, Roelofs和Meyer，2012；Shao, Roelofs, Martin和Meyer，2015）。相关性分析表明，说话者之间的个体差异可能源于两个不同的来源：认知控制能力的稳定特质性变化以及认知控制对后续语言生成的短暂状态依赖性影响。这引出了一个关键问题：认知控制是对口语生成产生全局影响，还是选择性地调节特定处理阶段，如词汇库检索和音韵编码。图片-词汇干扰（PWI）任务为语言生成模型提供了宝贵的见解。在这个范式中，参与者在命名目标图像的同时忽略同时显示的干扰词。如果干扰词与目标词在语义上相关（例如，将“狗”干扰词用于“猫”），会导致比无关干扰词（例如，“桌子”）更长的命名延迟。相反，音韵相似的干扰词（例如，将“钥匙”干扰词用于“猕猴桃”）会加速命名速度（Lupker，1979）。这些现象分别被称为语义干扰效应（SIE）和音韵促进效应（PFE）。

SIE通常归因于词汇选择中的竞争过程，当多个语义相关的词表征在词汇库检索过程中同时被激活时发生（Roelofs，2018）。另一种解释认为这种效应源于反应排除的困难，因为语义相关的干扰词在反应缓冲区中更难被抑制（Finkbeiner & Caramazza，2006）。尽管理论前提不同，这两种解释都认为说话者必须解决来自替代方案的竞争——无论是在词汇库检索过程中还是在发音阶段——才能成功生成目标词。多项研究指出，认知控制在PWI任务（Sikora等人，2016）和阻断命名任务（Shao等人，2015）中的表现与SIE相关。这些研究表明，认知控制在口语生成中的词汇库检索阶段对于解决竞争至关重要（Korko等人，2021）。

PFE涉及在音韵编码过程中激活音韵相关的词汇表征（Abdel Rahman & Melinger，2009；Roelofs，2018）。根据WEAVER++模型（Word-form Encoding by Activation and Verification），目标词和干扰词之间的共享音段会在扩散激活网络中增强目标词的音韵激活，从而导致促进作用（Levelt等人，1999）。相反，干扰词中的不共享音素会引起竞争，必须在目标词的音韵编码过程中解决（Bürki，2017）。阻断循环命名研究表明，当目标词之间在不同位置出现段重叠时，会出现音韵干扰效应（Breining等人，2016），表明在音韵编码过程中需要控制机制来处理竞争（Nozari等人，2016）。涉及老年人的研究表明，认知控制缺陷可能会增加“舌尖现象”（Peng & Mao，2018），暗示认知控制在口语生成中的音韵编码中的作用（Ouyang等人，2020）。然而，认知控制在健康年轻人音韵编码中的具体贡献在实证上仍较少被探索。

WEAVER++模型（Levelt等人，1999）认为概念化涉及语言和非语言任务共有的中央处理机制，而词汇库检索、词形编码和发音等过程依赖于语言特有的专门机制。因此，语言生成的不同阶段可能涉及不同的认知机制，有些阶段（如概念准备和词汇选择）需要更多领域通用的认知控制机制，包括注意力的参与，而其他阶段（如词形编码和发音）则需要较少。Garrod和Pickering（2007）以及Roelofs（2008）认为语言生成的初始阶段需要大量注意力资源，而后期阶段则更侧重于专门的语言过程。然而，Laganaro等人（2019）表明，即使是词形编码也需要注意力控制，这表明整个语言生成过程都涉及领域通用的认知控制。这引发了这样一个问题：不同阶段中领域通用认知控制的参与程度是否会有所变化，因为注意力和抑制在这些过程中的作用仍然复杂且尚未确定。

冲突适应效应（CAE），也称为一致性序列效应（Congruency Sequence Effect），为探索认知控制的波动如何优化语言处理性能提供了有价值的框架（Ness等人，2025）。这一现象已在多种任务中被广泛记录（Braem等人，2014；Duthoo等人，2014；Egner，2007；Kerns等人，2004；Lee等人，2025），包括托兰克任务（Clayson & Larson，2011；Davelaar & Stevens，2009；Kim & Cho，2014；Purmann等人，2011；Ullsperger等人，2005）。这一效应最初由Gratton等人（1992）通过实证记录，他们最初将其归因于参与者对任务序列的预期。然而，冲突监控理论（Botvinick，Braver，Barch，Carter和Cohen，2001；Botvinick，Cohen和Carter，2004）提供了一个机制性的解释，将这种效应重新概念化为认知控制的动态调整。根据这一理论，在一个任务中遇到的冲突会触发下一个任务（n+1）中控制水平的增加，冲突程度越高，后续的控制越强。这种调整过程导致不一致性任务后的干扰效应减弱（Dudschig，2022；Gratton等人，1992；Wendt & Luna-Rodriguez，2009）。冲突监控理论认为，认知控制根据最新的信息处理冲突动态调整，从而增强对相关刺激的关注并减少无关刺激的干扰（Botvinick等人，2001）。这一适应过程反映了支持各种任务中冲突解决的领域通用认知控制系统，其基础是共享的神经和认知系统（Yuan等人，2021）。

关于认知控制在语言理解中的作用的研究越来越多地采用了跨任务冲突适应范式（Ovans等人，2022）。该范式通常涉及两个任务的顺序结合，其中一个任务涉及语言处理（如语义、句法或音韵处理），另一个任务则在非语言背景下调用领域通用控制（如托兰克任务或斯特鲁普任务（Stroop task））。例如，研究人员将斯特鲁普任务与使用句法模糊句子的口语理解任务交错进行（Hsu & Novick，2016）。研究发现，在遇到不一致的斯特鲁普项目后，听者会短暂地考虑模糊句子中的错误目标，但很快会重新定向到正确目标，这一点通过他们的目光移动得到了证实。在后续研究中，研究人员用托兰克任务替换了斯特鲁普任务，以避免斯特鲁普任务中固有的语义处理混淆（Hsu等人，2021）。他们发现了跨任务的CAE，证明了认知控制对句法修正的影响。Thothathiri等人（2018）同样将斯特鲁普任务与涉及主题角色分配的理解任务交错进行，发现先前的认知控制参与提高了解决句法-语义冲突的能力。这些研究共同表明，在一个任务中激活认知控制可以立即影响后续句子理解任务的性能。

此外，关于口语生成的研究也通过PWI任务探索了CAE（Shitova等人，2017）。例如，Freund和Nozari（2018）将启动-探测任务与PWI任务交错进行，观察到PWI任务内的CAE，但未发现启动-探测任务对PWI任务的跨任务CAE。他们的发现支持了CAE的学习模型，表明个体通过每次任务增强控制中心与任务特定单元之间的联系。这种学习促进了同一任务中后续高冲突试验的表现，但不会在不同任务之间迁移（Freund & Nozari, 2018; Verguts & Notebaert, 2008）。然而，Jiao等人（2020）发现从双语产生到Flanker任务的跨任务认知控制调节（CAE）现象，支持了CAE在口语产生中的激活解释。这一发现为控制网络中领域通用组件的短暂激活提供了证据，这种组件机制使得CAE能够在口语产生任务之间迁移（Jiang & Egner, 2014）。这些发现之间的差异突显了关于口语产生中冲突适应机制的持续学术讨论。虽然一些证据指向特定任务的学习效应，但其他研究则表明领域通用激活也可能影响口语产生。重要的是，Freund和Nozari（2018）关注的是学习解释，但他们使用的是在PWI任务中的一致性vs不一致性干扰词，而不是典型的语义相关vs不相关的干扰词操作，这引发了关于认知控制具体影响口语产生哪个阶段的疑问。此外，他们相对较长的任务间隔（1000毫秒）可能会减弱潜在的跨任务CAE效应（Weissman等人，2015），这可能解释了他们在口语产生中未能观察到该效应的原因。

基于早期研究，我们的目标是利用跨任务适应范式来探索认知控制如何立即影响口语产生过程中的词元检索和音系编码。具体来说，我们将Flanker任务和PWI任务交错进行。Flanker任务通过呈现一致性和不一致性试验来引发不同程度的冲突，这些试验需要认知控制来消除干扰并选择正确的反应。同时，PWI任务包含语义或音系相关的干扰词，用于探测词汇访问，包括词元检索和音系编码。当前研究包括两个实验，旨在考察认知控制对中国口语产生中SIE（Selective Infantile Ignorance）和PFE（Phonological Explicitation）的即时影响（实验1和实验2）。通过这两个实验，我们旨在研究认知控制如何影响词元检索和音系编码。此外，我们还包括了一个任务间隔较长的实验（实验3），以探究之前观察到的跨任务CAE缺失的潜在原因，并验证这种效应是否存在于口语产生中。

2. 实验1
为了考察认知控制对口语产生过程中词元检索的即时影响，我们将Flanker任务和PWI任务交错进行，并操纵了干扰词与目标词之间的语义关系。在冲突监控框架（Botvinick, Braver, Barch, Carter and Cohen, 2001, Botvinick, Cohen and Carter, 2004）中，假设在Flanker任务中遇到冲突会触发领域通用认知控制系统的上调。这种增强的认知控制状态可能包括各种认知过程，然后会延续到随后的PWI任务中以解决竞争。具体而言，我们假设来自语义相关干扰词的竞争会需要更大的认知控制参与。基于此，我们预计Flanker任务的一致性和PWI任务的语义相关性之间存在交互作用。我们假设在Flanker任务不一致性之后，SIE的减少会更大。

2.1 方法
2.1.1 参与者
50名汉语母语者参与了实验1。所有参与者的视力正常或经过校正后达到正常水平。有两名参与者因准确率低于70%而被排除在分析之外，最终共有48名参与者（14名男性；平均年龄20.75±2.36岁）参与了该实验。使用MorePower（Campbell & Thompson, 2012）进行的功效分析确定，至少需要34名参与者才能达到0.20的效果量（η2），α=0.05，功效=0.8。因此，48名参与者的样本量超过了最低要求。

2.1.2 材料与设计
本研究采用跨任务适应范式，将Flanker任务和PWI任务交错进行。为了测试跨任务CAE，我们将Flanker试验和PWI试验交错进行。
对于Flanker任务，刺激物是显示在屏幕中央的一排五个黑色箭头。每个Flanker试验在屏幕中心水平呈现五个黑色箭头。中央箭头的视角为1.9°×1.0°，两侧各有一个箭头，它们之间的视角为0.5°。任务要求参与者识别中央箭头的方向，该方向可以与两侧的箭头一致（例如，→→→→→）或不一致（例如，→→←→→）。
对于PWI任务，从标准化中文图片数据库（Zhang & Yang, 2003）中选择了42张具有双音节名称的图片。每个目标图片都伴有两个书面干扰词。一个干扰词与目标词在语义上相关，但在音系或拼写上没有共同特征（例如，目标词：苹果，/ping2guo3/；语义相关的干扰词：橘子，/ju2zi/）。在无关条件下，相关条件中使用的干扰词被重新配对以消除语义或联想关系（见附录A）。所有目标图片的大小统一为6×6厘米（视角高度和宽度约为5.7°），并显示在白色背景的屏幕中央。黑色的干扰词使用25-Song字体呈现，并叠加在目标图片上。参与者被要求迅速准确地发出图片的名称。

实验设计包括参与者内部和项目内部的变量，如一致性（一致 vs. 不一致）和语义相关性（相关 vs. 无关）。每个目标图片在每种实验条件下各呈现一次，总共形成了168个Flanker-PWI配对。这些配对被分成两个相等的部分，每个部分包含84个试验。每个部分中的84个试验均匀分布在四种Flanker-PWI配对类型中（每种类型21个试验）。所有Flanker-PWI配对在块内以随机顺序呈现。

2.1.3 设备
实验使用了E-Prime软件。在Flanker任务中，反应时间通过按键记录，从刺激呈现开始到按键的时间被测量。在PWI任务中，语音反应通过连接到计算机的声音激活设备记录。命名潜伏期从目标图片开始到语音发出结束被记录。

2.1.4 程序
在每个Flanker-to-PWI试验中，首先显示一个500毫秒的中央注视点，然后是200毫秒的空白屏幕（见图1）。接着显示五个Flanker任务中的箭头，这些箭头保持可见，直到检测到按键反应或最长2500毫秒。Flanker任务之后是一个500毫秒的空白屏幕（任务间隔）。随后显示目标图片和干扰词，直到参与者发出语音反应或超过3000毫秒的超时。每个试验结束后是一个2000毫秒的任务间隔。

2.1.5 数据分析
首先，我们通过配对样本t检验（Hsu等人，2021）测试了Flanker任务是否如预期地引发了冲突。然后，我们使用R语言中的lme4和lmerTest包（Bates等人，2015）通过线性混合效应模型分析了PWI任务中的命名潜伏期，以考察Flanker冲突对词元检索的影响。混合效应模型使我们能够同时考虑参与者和项目级别的随机效应（Baayen等人，2008），从而提高数据建模的恰当性和结果对其他参与者和项目的普遍性。我们构建了一个完整的模型，其中包括一致性、语义相关性的固定效应及其交互作用，以及参与者和项目的随机截距和斜率。在完整模型无法收敛的情况下，我们应用了反向拟合程序来移除过拟合的随机斜率并确定一个收敛模型（Barr等人，2013）。
我们使用JASP和默认的先验宽度进行了贝叶斯配对样本t检验，以计算不同Flanker条件下的SIE（Selective Infantile Ignorance）的贝叶斯因子（JASP Team, 2020）。根据Jeffreys（1961）的分类，我们如下解释贝叶斯因子（BF10）：BF10 < 1/3表示零假设的中等效应，1/3–3表示边缘效应，3–10表示中等效应，BF10 > 10表示备择假设的强效应。为了评估SIE的大小，我们计算了Flanker任务一致性和不一致性条件下的Cohen's d。

2.2 结果
2.2.1 Flanker任务操作检查
一致性试验的准确率为99.9%，不一致性试验的准确率为98.9%。平均反应时间分别为425毫秒和463毫秒，配对样本t检验显示两种条件之间存在显著差异，t(47) = 13.60，p < 0.001，Cohen's d = 1.96，表明了典型的Flanker效应。

2.2.2 Piper任务中的跨任务CAE
对于Flanker-to-PWI序列，正确试验定义为在Flanker任务和PWI任务中都给出正确反应的试验。分析排除了Flanker或PWI任务回答错误的数据（4.72%）、命名潜伏期超出400–2000毫秒的数据（0.87%）以及超出细胞均值3个标准差的数据（1.66%）。随后的统计分析使用了92.75%的数据。PWI任务的平均准确率为95.28%。图2显示了基于一致性和语义相关性的平均命名潜伏期和准确率。

2.2.3 实验1中PWI任务的最终模型
PWI任务的最终模型包括了一致性和语义相关性的固定效应及其交互作用，以及参与者和项目的随机截距，以及按参与者划分的语义相关性的随机斜率（见表1）。语义相关性的效应显著，t = ?4.04，p < 0.001，语义相关条件下的RT（反应时间）比无关条件下的RT（844毫秒）更长（826毫秒）。一致性和语义相关性之间的交互作用也显著，t = 2.05，p = 0.04。进一步简单效应分析显示，在Flanker一致条件后，相关条件下的RT显著长于无关条件（849毫秒 vs 824毫秒；t = 4.39，p < 0.001）；而在Flanker不一致条件后，相关条件下的RT也显著长于无关条件（838毫秒 vs 828毫秒；t = 1.69，p = 0.09）。同时，Flanker一致条件前后RT的差异在PWI语义相关条件下显著（849毫秒 vs 838毫秒；t = 2.16，p = 0.03），但在无关条件下不显著（824毫秒 vs 828毫秒；t = ?0.74，p = 0.46）。

表1. 实验1中PWI任务RT最佳拟合线性混合效应模型的参数。
固定效应
估计SE
dftp
截距
834.71
16.27
85.57
51.31
<0.001
一致性
?3.65
3.62
7346.03
?1.01
0.31
相关性
?16.72
4.14
47.65
?4.04
<0.001
一致性 × 相关性
14.82
7346.25
2.05
0.04

在之前的Flanker一致条件下，贝叶斯因子（BF10 = 250.04）表明SIE存在强证据。相比之下，之前的Flanker不一致条件下的BF10 = 1.92表示SIE的证据较为边缘。同时，之前的Flanker一致条件下的Cohen's d为0.63，表示中等效应；而在之前的Flanker不一致条件下的Cohen's d为0.24，表示小效应。

2.2.3 任务内的CAE
我们还分别考察了Flanker任务和PWI任务中的任务内CAE。对于Flanker任务中的任务内CAE，我们运行了一个线性混合效应模型，设计为2（之前的有效性：一致 vs. 不一致）× 2（当前的有效性：一致 vs. 不一致）。最终的RT模型包括了之前有效性的固定效应、当前有效性的固定效应及其交互作用，以及参与者和项目的随机截距。之前有效性的主效应不显著（t = 0.60，p = 0.55）。当前有效性的主效应显著（t = 17.57，p < 0.001）。之前有效性和当前有效性之间的交互作用不显著（t = ?4.26，p = 0.34），因此不支持Flanker任务中的任务内CAE。
对于PWI任务中的任务内CAE，我们运行了一个线性混合效应模型，设计为2（之前的语义相关性：相关 vs. 不相关）× 2（当前的语义相关性：相关 vs. 不相关）。最终的RT模型包括了之前语义相关性的固定效应、当前语义相关性的固定效应及其交互作用，以及参与者和项目的随机截距，以及按参与者划分的语义相关性的随机斜率。之前语义相关性的主效应不显著（t = ?0.07，p = 0.95）。当前语义相关性的主效应显著（t = ?3.51，p < 0.001）。先前语义相关性与当前语义相关性之间的交互作用并不显著（t = ?1.51，p = 0.13），因此不支持PWI任务中的任务内认知适应（within-task CAE）。重要的是，每次PWI试验之间总是间隔一个Flanker试验。因此，我们还评估了任务内认知适应是否受到Flanker一致性类型的影响，或者跨任务认知适应是否受到之前PWI语义相关性的影响。为此，我们运行了一个线性混合效应模型，模型设计为2（先前语义相关性：相关 vs. 不相关）× 2（Flanker一致性：一致 vs. 不一致）× 2（当前语义相关性：相关 vs. 不相关）。最终的反应时间（RT）模型包括了先前语义相关性、Flanker一致性、当前语义相关性的固定效应及其交互作用，以及参与者和项目的随机截距，还有参与者内先前语义相关性与Flanker一致性交互作用的随机斜率。结果显示存在显著的跨任务认知适应：Flanker一致性と当前PWI语义相关性之间的双向交互作用是显著的（t = 2.30，p = 0.02）。然而，先前PWI语义相关性与当前PWI语义相关性之间的双向交互作用并不显著（t = ?1.52，p = 0.13），因此不支持PWI任务中的任务内认知适应。此外，三向交互作用也不显著（t = 1.51，p = 0.13），表明从Flanker任务到PWI任务的跨任务认知适应并未受到之前PWI任务的影响。

在实验1中，我们采用了跨任务适应范式，交替进行Flanker任务和PWI任务，以研究在不同Flanker一致性条件下的语义干扰效应（SIE），这些条件反映了不同水平的认知控制参与度。值得注意的是，在不一致的Flanker试验之后观察到的SIE幅度比使用相同刺激的早期研究 reports 的要小（例如，Cohen's d = 0.73，Zhang等人，2016年；BF10 = 1.6 × 10?，Zhou等人，2022年）。我们提出，之前的不一致Flanker条件激活了认知控制系统，通过持续的认知控制参与促进了PWI任务中更快的冲突解决。与关于跨任务认知适应的类似研究（Ovans等人，2022年）一致，我们的发现表明在一致Flanker条件下的SIE比不一致条件下的更强，表明存在跨任务认知适应。总体而言，我们的发现表明认知控制影响了语言产生过程中的词元检索阶段。尽管箭头刺激与语言产生过程中涉及的表示之间存在差异，但激活冲突的表示似乎触发了类似的认知控制机制，进而影响了语言产生。

实验2采用了与实验1相似的设计，以探讨认知控制对语音编码的直接影响。在这个实验中，PWI使用了语音相关或不相关的干扰词。除了这些特定的修改外，程序与实验1保持一致。在语音编码过程中，认知控制对于抑制目标词和由无关音素引起的干扰词之间的竞争至关重要（Bürki，2017年）。因此，我们预期之前的Flanker一致性和PWI语音相关性之间存在交互作用。具体来说，我们预期在不一致的Flanker试验之后，PFE的减少幅度会比一致条件下更大。

3.1. 方法
3.1.1. 参与者
来自同一群体的46名汉语母语者参与了实验2。所有参与者都具有正常或矫正至正常的视力。有一名参与者的准确率低于70%，最终样本由45名参与者组成（14名男性；平均年龄21.62 ± 2.79岁）。与实验1类似的功率分析表明，样本量的最小要求为34人。

3.1.2. 材料和设计
与实验1类似，我们采用了跨任务适应范式，其中Flanker任务和PWI任务是交错进行的。PWI任务使用了与实验1相同的靶图。每个靶图像都配有一对干扰词。在语音相关条件下，干扰词与靶名第一个字符共享音段音节但声调不同，同时避免了任何语义或拼写上的重叠（例如，靶词：苹果，/ping2guo3/；语音相关干扰词：乒乓球，/ping1pang1/）。在不相关条件下，之前在语音相关条件下配对的干扰词被重新配对到不同的图像上。故意排除了靶词与不相关干扰词之间的任何语义、语音、拼写或联想联系。参与者被要求迅速且准确地发出图像的名称。
实验设计包括一致性（一致 vs. 不一致）和语音相关性（相关 vs. 不相关）作为参与者和项目的变量。Flanker到PWI的序列、设备和Flanker任务中的程序与实验1中使用的保持一致。

3.1.3. 数据分析
统计分析采用了与实验1中相同的方法。对于PWI任务的反应时间（RT），我们最初采用了一个完整模型，其中包括一致性、语音相关性和它们交互作用的固定效应，以及参与者和项目的随机截距和斜率。如果模型无法收敛，我们应用了实验1中使用的简化方法。我们还计算了语音促进效应的贝叶斯因子（Bayes factor）和Cohen's d。

3.2. 结果
3.2.1. Flanker任务操作检查
一致试验的准确率为99.9%，不一致试验的准确率为98.8%。一致试验的平均反应时间为417毫秒，不一致试验的平均反应时间为462毫秒，配对样本t检验显示两种条件之间存在显著差异，t(44) = 14.74，p < 0.001，Cohen's d = 2.20，表明了典型的Flanker效应。

3.2.2. PWI的跨任务认知适应（Cross-task CAE）
分析排除了错误Flanker或PWI任务回应的数据（4.80%）、命名延迟超过400–2000毫秒的数据（0.36%）以及超出细胞均值3个标准差的数据（1.39%）。随后的统计分析使用了剩余的93.45%的数据。PWI任务的平均准确率为95.2%。图3展示了基于一致性和语音相关性的平均命名延迟和准确率。
图3. 实验2中PWI任务的准确性（A）和图片命名延迟（B）的 violin 图。全点代表单个数据点。红点代表平均值（***p < 0.001）。
PWI任务的最终RT模型包括了一致性、语音相关性的固定效应及其交互作用，以及参与者和项目的随机截距，还有参与者内一致性と语音相关性交互作用的随机斜率。表2显示了最佳拟合模型的固定效应结构。语音相关性的效应显著（t = 2.63，p < 0.001），在语音相关条件下命名延迟更快（816毫秒），而在不相关条件下命名延迟为827毫秒。一致性と语音相关性之间的交互作用显著（t = ?2.59，p = 0.01）。进一步的简单效应分析显示，在之前的Flanker一致条件下，语音相关条件与不相关条件之间存在显著差异（810 vs 831毫秒；t = ?3.70，p < 0.001），而在之前的Flanker不一致条件下没有观察到显著差异（823 vs 823毫秒；t = 1.44，p = 0.92）。此外，在PWI语音相关条件下，Flanker一致和不一致之间的差异显著（810 vs 823毫秒；t = ?2.35，p = 0.02），但在PWI语音不相关条件下则不显著（831 vs 823毫秒；t = 1.44，p = 0.15）。

表2. 实验2中PWI任务RT的最佳拟合线性混合效应模型的参数。
固定效应
估计值 SEdftp
截距 821.60 16.50 80.28 49.79 <0.001
一致性 2.62 3.95 69 3.60 0.66 0.51
相关性 10.38 3.95 69 37.48 2.63 0.009
一致性 × 相关性 ?21.89 8.44 44.29 ?2.59 0.01
在之前的Flanker一致条件下，贝叶斯因子（BF10）为6862.67，强烈支持PFE的存在。相反，在Flanker不一致条件下，贝叶斯因子为BF10 = 0.16，表明对PFE的存在有中等程度的反对证据。同时，Cohen's d在之前的Flanker一致条件下为0.55，表明中等效应；而在之前的Flanker不一致条件下为0.01，表明无效应。

3.2.3. 任务内认知适应（Within-task CAE）
我们还分别测试了Flanker任务和PWI任务中的任务内认知适应。对于Flanker任务中的任务内认知适应，我们运行了一个线性混合效应模型，模型设计为2（之前的Flanker一致性：一致 vs. 不一致）× 2（当前一致性：一致 vs. 不一致）。最终的RT模型包括了之前Flanker一致性、当前一致性及其交互作用的固定效应，以及参与者和项目的随机截距。之前Flanker一致性的主效应不显著（t = ?0.07，p = 0.95）。当前Flanker一致性的主效应显著（t = 20.71，p < 0.001）。之前Flanker一致性与当前Flanker一致性之间的交互作用不显著（t = ?0.57，p = 0.57），因此不支持Flanker任务中的任务内认知适应。
对于PWI任务中的任务内认知适应，我们运行了一个线性混合效应模型，模型设计为2（之前的语音相关性：相关 vs. 不相关）× 2（当前的语音相关性：相关 vs. 不相关）。最终的RT模型包括了之前语音相关性、当前语音相关性及其交互作用的固定效应，以及参与者和项目的随机截距，还有参与者内之前语音相关性与当前语音相关性交互作用的随机斜率。之前语音相关性的主效应不显著（t = 1.69，p = 0.09）。当前语音相关性的主效应显著（t = 2.20，p = 0.02）。之前语音相关性与当前语音相关性之间的交互作用不显著（t = 0.70，p = 0.48），因此不支持PWI任务中的任务内认知适应。
重要的是，每次PWI试验之间总是间隔一个Flanker试验。因此，我们还评估了任务内认知适应是否受到Flanker一致性类型的影响，或者跨任务认知适应是否受到之前PWI语音相关性的影响。为此，我们运行了一个线性混合效应模型，模型设计为2（之前的语音相关性：相关 vs. 不相关）× 2（Flanker一致性：一致 vs. 不一致）× 2（当前的语音相关性：相关 vs. 不相关）。最终的RT模型包括了之前语音相关性、Flanker一致性、当前语音相关性及其交互作用的固定效应，以及参与者和项目的随机截距。结果显示存在显著的跨任务认知适应：Flanker一致性与当前PWI语音相关性之间的双向交互作用显著（t = ?3.12，p = 0.002）。然而，之前PWI语音相关性与当前PWI语音相关性之间的双向交互作用不显著（t = 0.73，p = 0.46），因此不支持PWI任务中的任务内认知适应。此外，三向交互作用也不显著（t = ?0.71，p = 0.48），表明从Flanker任务到PWI任务的跨任务认知适应并未受到之前PWI任务的影响。

3.3. 讨论
在这个实验中，我们的发现表明典型的PFE仅出现在Flanker一致条件下，其特点是认知控制参与度较低，而在之前的Flanker不一致条件下则没有PFE，这与较高的认知控制参与度相关。本质上，我们成功地复制了实验1中观察到的跨任务认知适应。值得注意的是，在Flanker不一致条件下观察到的PFE幅度比之前的研究报道的要小（Cohen's d在Wang等人，2018年中为0.45）。在语音编码过程中，认知控制机制对于抑制由无关音素引起的目标词和干扰词之间的竞争至关重要（Bürki，2017年）。之前的Flanker不一致条件激活了认知控制系统，从而在后续的PWI试验中继续参与认知控制。这种持续的认知控制参与抑制了语音相关干扰词的激活程度，并增强了目标词的激活。因此，目标词的语音激活减弱，导致PFE降低。相比之下，在Flanker一致条件下，由于认知控制的参与度较低，无法抑制语音激活，PFE更为明显。我们的数据提供了证据，表明认知控制影响了口语产生的语音编码阶段。

跨任务认知适应在实验1和2中得到了可靠的验证。这一发现与Freund和Nozari（2018年）的先前工作结果相反，他们报告称认知控制任务到PWI任务的认知适应没有显著转移。为了解释这种差异，我们假设跨任务适应范式中任务间隔的关键程序差异可能是造成这些不同结果的原因。支持这一观点的是，Weissman等人（2015年）发现认知适应具有时间敏感性，任务间隔是关键的调节因素。值得注意的是，虽然Freund和Nozari（2018年）使用了1000毫秒的任务间隔，但当前研究采用了较短的500毫秒间隔（实验1和2）。根据Weissman等人（2015年）的激活衰减理论，较长的间隔可能会使冲突相关的激活消散，从而减弱随后的适应效应。为了直接评估任务间间隔持续时间是否解释了研究之间观察到的差异，我们进行了一项对照实验。这项实验复制了实验1的核心范式，同时系统地将Flanker任务和PWI任务之间的间隔时间延长到了1000毫秒。通过固定其他方法学变量，仅改变这一时间参数，我们旨在测试一个特定假设，即较长的间隔时间会通过衰减机制干扰认知激活效应（CAE），从而弥合文献中的实证不一致性。

4.1 方法
4.1.1 参与者
来自同一群体的49名中国普通话母语者（16名男性；平均年龄21.57 ± 2.43岁）参与了实验3。所有参与者的视力均为正常或经过矫正后达到正常标准。与实验1类似的效力分析表明，样本量的最小需求为34人。

4.1.2 材料、设计与程序
实验3在材料、设计和程序方面遵循了实验1的方法学框架，唯一的区别是Flanker任务和PWI任务之间的间隔时间。具体来说，本次实验将间隔时间从500毫秒（实验1中的设置）延长到了1000毫秒。

4.2 结果
4.2.1 Flanker任务操作检查
一致任务的准确率为99.7%，不一致任务的准确率为99.1%。平均反应时间分别为一致任务443毫秒和不一致任务492毫秒，配对样本t检验显示两种条件之间存在显著差异，t(48) = 15.34，p < 0.001，Cohen's d = 2.19，这揭示了典型的Flanker效应。

4.2.2 PWI任务中的跨任务认知激活效应
分析排除了以下数据：错误的Flanker或PWI任务响应（4.11%）、命名潜伏期超出400–2000毫秒的范围（1.46%）以及偏离细胞均值超过3个标准差的数据（1.64%）。最终统计分析使用了92.80%的数据。PWI任务的平均准确率为95.89%。图4展示了基于一致性及语义相关性的命名潜伏期和准确率的分布情况。

图4. 实验3中PWI任务的准确率（A）和图片命名潜伏期（B）的散点图。实心点代表单个数据点，红色点代表平均值（**p < 0.01）。
（关于图例中颜色的解释，请参阅本文的网络版本。）

PWI任务反应时间的最终模型包含了一致性、语义相关性及其交互作用的固定效应，以及参与者和项目的随机截距，还包括语义相关性的参与者间随机斜率（见表3）。语义相关性的效应显著（t = ?3.82，p < 0.001），在语义相关条件下反应时间（877毫秒）明显长于不相关条件（860毫秒）。其他主要效应或交互作用均不显著。进一步分析显示，在之前的Flanker一致条件（875 vs. 858毫秒；t = 2.90，p = 0.004）和之前Flanker不一致条件（879 vs. 862毫秒；t = 2.87，p = 0.005）下也存在显著差异。同时，在PWI任务中，之前Flanker一致条件与不一致条件之间（875 vs. 879毫秒；t = ?3.94，p = 0.46）以及不相关条件之间（858 vs. 862毫秒；t = ?4.09，p = 0.44）没有观察到显著差异。

表3. 实验3中PWI任务反应时间最佳拟合线性混合效应模型的参数。
固定效应
估计值 SE df
截距 868.42 21.52 77.54 40.36 <0.001
一致性 4.01 3.75 749.82 1.07 0.28
相关性 ?16.44 4.30 46.65 ?3.82 <0.001
一致性 × 相关性 0.15 7.50 500.01 0.02 0.98

在之前的Flanker一致条件下，贝叶斯因子（BF10 = 14.38）表明存在显著的SIE效应。相比之下，在之前的Flanker不一致条件下，BF10 = 5.23，表明存在中等程度的语义干扰效应。同时，Cohen's d在两种情况下均为0.41，表明效应较小。

4.2.3 任务内认知激活效应
我们还在Flanker任务和PWI任务中测试了任务内的认知激活效应。对于Flanker任务的任务内认知激活效应，我们采用了2（之前一致性：一致 vs. 不一致）× 2（当前一致性：一致 vs. 不一致）的设计进行线性混合效应分析。最终模型包含了之前一致性、当前一致性及其交互作用的固定效应，以及参与者和项目的随机截距。之前一致性的主效应不显著（t = 1.50，p = 0.13）。当前一致性的主效应显著（t = 21.80，p < 0.001）。之前一致性和当前一致性之间的交互作用不显著（t = ?1.54，p = 0.13），因此不支持Flanker任务内的认知激活效应。

对于PWI任务的任务内认知激活效应，我们采用了2（之前语义相关性：相关 vs. 不相关）× 2（当前语义相关性：相关 vs. 不相关）的设计进行线性混合效应分析。最终模型包含了之前语义相关性、当前语义相关性及其交互作用的固定效应，以及参与者和项目的随机截距。之前语义相关性的主效应不显著（t = 0.85，p = 0.40）。当前语义相关性的主效应显著（t = ?4.01，p < 0.001）。之前语义相关性和当前语义相关性之间的交互作用不显著（t = 0.44，p = 0.66），因此不支持PWI任务内的认知激活效应。

重要的是，每两个PWI任务总是由一个Flanker任务试验隔开。因此，我们还评估了任务内认知激活效应是否受到Flanker任务一致性类型的影响，或者跨任务认知激活效应是否受到之前PWI任务语义相关性的影响。为此，我们采用了2（之前语义相关性：相关 vs. 不相关）× 2（Flanker一致性：一致 vs. 不一致）× 2（当前语义相关性：相关 vs. 不相关）的设计进行线性混合效应分析。最终模型包含了之前语义相关性、Flanker一致性、当前语义相关性及其交互作用的固定效应，以及参与者和项目的随机截距。Flanker一致性和当前PWI语义相关性之间的双向交互作用不显著（t = 0.28，p = 0.78），因此不支持从Flanker任务到PWI任务的跨任务认知激活效应。之前PWI语义相关性和当前PWI语义相关性之间的双向交互作用也不显著（t = 0.45，p = 0.65），因此不支持PWI任务内的任务内认知激活效应。此外，三向交互作用也不显著（t = ?1.39，p = 0.16）。

4.3 讨论
将Flanker任务和PWI任务之间的间隔时间从500毫秒（实验1）延长到1000毫秒（实验3）消除了跨任务认知激活效应。这一时间敏感性不仅使我们的积极发现与早期无差异的发现（例如，Freund & Nozari, 2018，他们使用了1000毫秒的间隔）相一致，还为口语产生的领域通用认知控制确立了边界条件。在口语产生过程中，跨任务认知激活效应可能是由于领域通用认知控制组件的短期激活（Jiao et al., 2020）。相比之下，任务内认知激活效应可能是由于该组件的短期激活以及任务特定表示与控制系统之间长期的连接学习（Freund & Nozari, 2018）造成的。

5. 总体讨论
本研究考察了认知控制在口语词汇提取中的即时影响。采用了跨任务适应范式，包括Flanker任务和PWI任务的交替试验。通过在Flanker任务中呈现一致或不一致的刺激来调节认知控制的参与程度。在PWI任务中，我们通过操纵干扰项和目标之间的语义或语音相关性来探究口语词汇提取的不同阶段。研究结果表明，在Flanker一致条件下观察到了SIE和PFE现象，这表明认知控制的参与程度较低。而在Flanker不一致条件下，由于在词元检索和语音编码过程中需要较高的认知控制，因此SIE或PFE的幅度减小，突显了认知控制机制在言语产生动态中的关键作用。

实验1和2表明，认知控制在口语词汇产生的词元检索和语音编码过程中都起着作用。先前的研究显示认知控制与SIE幅度之间存在正相关（Shao, Roelofs 和 Meyer, 2012; Shao, Meyer 和 Roelofs, 2013; Shao, Roelofs, Martin 和 Meyer, 2015）。然而，支持这一观点的大多数证据都是相关的（Korko et al., 2021; Valente & Laganaro, 2015）。最近使用跨任务适应范型的研究发现了跨任务认知激活效应，其中之前的认知控制参与有助于理解存在冲突的句子，例如句法-语义冲突（Thothathiri et al., 2018）和错误修正（Hsu et al., 2021）。因此，通过冲突解决激活的认知控制作为一个领域通用的过程，在各种任务特定表示中发挥作用，如言语产生和视觉任务中。

关键的是，我们的研究表明认知控制通过跨任务适应范式对词元检索和语音编码产生了即时影响，表明口语产生的某些阶段利用了中央处理机制。认知控制在词元检索中的参与支持了这样的观点：口语产生的早期阶段，包括概念化和词汇选择，需要更多的注意力控制（Garrod & Pickering, 2007; Roelofs, 2008）。尽管认知控制在词形编码中的影响与Laganaro et al.（2019）的发现一致，但与其他研究结果相矛盾（Ferreira & Pashler, 2002; Meyer & van der Meulen, 2000; Roelofs, 2008）。

WAEVER++模型结合了一个扩散激活网络和一个并行的面向对象的产生系统，假设在层级内部或之间没有抑制性连接的情况下，共激活的表示之间存在竞争（Levelt et al., 1999）。该网络利用扩散激活进行访问，只有当目标词元与其竞争者之间的激活差异超过某个临界阈值时，才会选择目标词元。为了解释SIE现象，词汇竞争假说认为目标词元的选择受到其激活水平及其竞争词元激活水平的影响（Levelt et al., 1999）。一个被目标激活的语义相关干扰项比没有这种激活的不相关干扰项产生更强的竞争（Roelofs, 1992）。因此，SIE现象源于语义相关共激活表示之间的更激烈竞争。Nozari及其同事假设在产生系统中需要内部动态监控以防止错误（Nozari, 2018; Nozari & Pinet, 2020），这与基于冲突的监控框架（Botvinick et al., 2001）一致。根据这一框架，随着表示之间的激活程度增加，冲突加剧。这种加剧的竞争使得抑制非目标选项变得更加困难，从而难以选择正确的候选项。因此，认知控制机制可能不足以实现精确选择，可能导致更高的错误率或更长的命名潜伏期（Nozari & Pinet, 2020）。

Nigg（2000）指出，Flanker任务涉及选择性抑制，需要从外部干扰项触发的高度竞争的响应中进行自上而下的抑制。在Flanker不一致条件下，认知控制特别需要管理高度竞争的响应，这与一致条件不同。在不一致试验中出现的冲突增强了认知控制，这种效应足以影响后续任务的性能（Ness et al., 2025）。在Flanker到PWI的序列中，增加的认知控制可以抑制干扰项的响应，尤其是当它们在语义上相关时，从而降低了PWI任务中的SIE现象（Ridderinkhof, 2002）。同样，我们认为认知控制可能会更多地抑制语义相关干扰项的发音程序。当对语义相关干扰项施加认知控制时，它们的响应相关性降低，因此会比没有认知控制的情境下更快地被排除。

然而，响应排除假说假设SIE现象是因为语义相关干扰项比不相关的干扰项更难以抑制或从响应缓冲区中排除，从而导致命名潜伏期延长（Finkbeiner & Caramazza, 2006; Mahon et al., 2007; Oppenheim & Balatsou, 2019）。根据这一解释，命名潜伏期取决于从响应缓冲区中排除语义相关干扰项所需的时间。在较高认知控制参与的情况下，语义相关干扰项的激活程度低于认知控制参与度较低的情况，因此其响应相关性较低。在这种“响应相关性标准”的假设下，语义相关干扰项在较高认知控制参与的情况下比认知控制参与度较低的情况下更快地从响应缓冲区中排除。在我们的研究中观察到的认知激活效应反映了Flanker任务触发的增强控制状态，提高了这种词汇后排除机制的效率。

在PFE的背景下，由于干扰项和目标之间的重叠部分可以增强语音激活，因此在Flanker到PWI序列中，说话者可能会由于认知控制的增强而更多地抑制语音相关的干扰项（参见Wang et al., 2018）。这一发现表明，在口语产生过程中，音系编码需要认知控制，这与概念化和词汇选择的需求类似。这一发现与 blocked cyclic naming 任务中的证据一致，其中单词位置之间不可预测的音段重叠会导致音系干扰效应（Qu 等人，2021年），突显了音系编码过程中的竞争过程（Nozari 等人，2016年）。WEAVER++ 模型认为，音系相关的干扰物会激活相应的音段，并间接影响产生网络中的音节程序节点，从而加快目标单词的发音，包括其音段和韵律结构（Levelt 等人，1999年；Roelofs，1997年）。以往展示自动音系编码的研究采用了双重任务范式（Ferreira 和 Pashler，2002年；Roelofs，2008年的实验4）。在双重任务范式中，每次试验都会呈现在需要快速和精确反应的两个刺激（Meyer 和 Kieras，1997年；Pashler，1994年）。通常，期望在完成第二个任务之前先完成第一个任务的反应。通过测量反应时间来评估第一个任务对第二个任务表现的干扰程度，这被称为双重任务干扰。Roelofs（2008年）提出，是否需要反应缓冲取决于两个任务是否使用相同的运动系统。例如，如果第一个任务涉及发声反应，而第二个任务需要手动反应，那么规划第二个任务的反应会最小程度地干扰第一个任务的音系编码（Ferreira 和 Pashler，2002年）。在Meyer和van der Meulen（2000年）的研究中，参与者需要对口头方式命名两个视觉刺激，如果两个反应都是口头的，可能会导致干扰。因此，研究人员建议按顺序规划初始的发声反应，以避免后续反应的干扰。

与双重任务范式相比，我们认为跨任务适应范式中的情况完全不同。正如引言中提到的，在这个范式中，两个任务是顺序完成的，因此它们共享冲突监控的处理机制（Botvinick 等人，2001年；Nozari 和 Pinet，2020年），而不是像双重任务范式中的共享有限缓冲资源。冲突监控理论认为，在前后 Flanker 不一致试验中遇到冲突会激活前扣带回皮层，从而进行持续的监控（Botvinick 等人，2001年；Kerns 等人，2004年）。随后，这种激活会向背外侧和腹外侧前额叶皮层发送信号，以执行注意控制设置的适应性调整。这些适应性调整改善了认知控制，并有助于管理后续试验中与任务无关的信息（即PWI）。我们的发现表明，在音系编码过程中需要认知控制。一种可能性是，更高的认知控制参与度会降低干扰物的音系激活，然后目标物的激活减少，从而导致PWI任务中的PFE减少。另一种可能是，增强的认知控制参与度影响了产生过程中音段和韵律框架之间的联系。WEAVER++ 认为，音系编码涉及语言产生系统中音素片段和韵律框架的同时激活。这之后是韵律化过程，包括内容与框架的顺序关联以及音节划分（Levelt 等人，1999年）。对于中文说话者来说，在音系编码过程中，随着音节框架的检索，音系信息变得活跃，接着是这些组件的从左到右的关联（O’Séaghdha，2015年）。因此，PFE的减少可能发生在音系内容及其结构之间的联系上。Flanker 一致试验后PFE的另一种可能解释是，它反映了总体准备时间或注意力参与度的差异，因为在一致试验中通常观察到更快的反应。然而，在当前研究中，这种解释不太成立，因为我们没有发现Flanker一致性的主要效应。此外，简单效应分析显示，在音系相关条件下，Flanker一致和不一致条件之间的差异是显著的，但在不相关条件下则不是。这种模式表明，PFE的缺失源于Flanker不一致试验后反应速度的减慢，这与冲突适应框架一致（Botvinick, Braver, Barch, Carter 和 Cohen，2001年；Botvinick, Cohen 和 Carter，2004年）。具体来说，Flanker不一致试验后加强的认知控制似乎抑制了干扰物的音系编码，以优先解决冲突，从而消除了PFE。这些发现表明，认知控制不仅仅增强了促进作用，而是在需要时动态调节音系编码。

研究表明，认知控制任务和语言任务之间的跨任务认知控制增强（CAE）并不总是观察到的（例如，Dudschig，2022年；Freund 和 Nozari，2018年；Zhu, Wang 等人，2025年），这支持了任务特定的学习解释（Nozari，2025年）。例如，Freund 和 Nozari（2018年）在PWI任务中观察到了CAE，但没有检测到 prime-probe 和 PWI任务之间的跨任务CAE。相比之下，当前研究（实验1和2）展示了跨任务CAE，但在Flanker任务和PWI任务中都没有观察到任务内的CAE，这反映了领域泛化的激活解释。跨任务CAE的存在与其他研究表明认知控制从非语言任务到语言任务的影响的研究结果一致（Jiao 等人，2020年；Zhang 等人，2025年）。神经影像学证据进一步支持了这一领域泛化的解释：在不一致的Stroop试验之后，图片命名引发了左侧前额叶区域的激活增加，特别是对于涉及高词汇竞争的刺激（Zhang 等人，2025年），表明由冲突引发的控制信号可以在任务领域之间推广。最近的元分析证据有助于调和这些看似不一致的发现。Lee 等人（2025年）表明，任务内的CAE比跨任务设计中的更强，并且在存在自下而上的影响时会被放大。然而，关键的是，即使控制了自下而上的干扰或在任务之间测量了适应，CAE在统计上仍然可靠。这种模式支持了一个双过程框架，其中CAE既来自任务特定的学习机制（自下而上的过程），也来自领域泛化的控制激活（自上而下的过程）。我们的实验结果完全与此解释一致。当任务间间隔较短（实验1和2中为500毫秒）时，观察到了跨任务CAE，但当间隔延长到1000毫秒（实验3）时，CAE消失了。这种时间敏感性与冲突诱导的控制假设一致（Weissman 等人，2015年），该假设认为冲突触发了一种暂时性的认知控制增强，这种增强会随时间衰减。这种衰减为为什么具有较长任务间间隔的研究经常无法观察到跨任务CAE提供了原理性的解释（Freund 和 Nozari，2018年；Zhu, Wang 等人，2025年）。总的来说，这些发现支持了语言相关CAE中存在领域泛化的认知控制机制，同时强调了它们在时间上的有限持续性。

重要的是，在任何实验中都没有观察到Flanker任务或PWI任务中的显著任务内CAE。在Flanker任务中，这种缺失在理论上是预期的，因为交替任务设计在连续的Flanker试验之间插入了一个PWI试验，导致实验1和2中的试验间间隔约为4秒。先前的工作已经表明，这样的延长间隔会大大减弱一致性顺序效应（Egner 等人，2010年）。在PWI任务中，两种干扰条件（语义相关和不相关）相对于目标图片都是不一致的试验，消除了PWI范式中经典任务内CAE的核心条件（例如，Freund 和 Nozari，2018年；Zhu, Wang 等人，2025年）。因为一致-不一致的交替对于产生强烈的CAE至关重要（Gratton 等人，1992年；Grundy 等人，2017年），因此在PWI任务中没有任务内CAE也是理论上预期的。然而，值得注意的是，尽管之前的研究具有相似的ITI持续时间，仍然报告了任务内CAE（例如，Freund 和 Nozari，2018年；Zhu, Wang 等人，2025年），这表明ITI本身可能不能完全解释当前研究中的空白结果。Zhu, Wang 等人（2025年）的最新元分析还表明，反应-刺激间隔并不显著调制任务内CSE，表明可能涉及其他因素。另一个可能解释两种任务中任务内CAE为零的原因是试验数量有限（总共168次试验）。虽然最近的元分析表明试验数量并不显著影响跨任务CAE，但它与任务内CAE呈正相关，这意味着随着对一致任务环境的更多暴露，冲突适应可能会变得更加明显（Lee 等人，2025年；Zhu, Kaiser 等人，2025年）。报告任务内CAE的研究通常使用了更多的试验次数，例如Freund 和 Nozari（2018年）中的512次试验以及Zhu, Wang 等人（2025年）中的576次试验用于认知控制任务，以及Freund 和 Nozari（2018年）中的512次试验和Zhu, Wang 等人（2025年）中的288次试验用于PWI任务。因此，我们研究中相对较少的试验次数可能限制了任务内逐次CAE的出现机会。

关键的是，任务内CAE的缺失反而加强了而不是削弱了观察到的跨任务CAE的解释。因为PWI表现没有受到之前PWI试验的调制，所以观察到的适应效应不能归因于剩余的任务内学习。相反，它们必须来源于之前的Flanker试验，从而清晰地区分了任务内和跨任务效应。这种区分提供了强有力的证据，表明这里观察到的跨任务CAE反映了从非语言控制任务到后续语言处理的领域泛化认知控制状态的转移。跨任务CAE的观察也与U形假设一致，该假设表明任务（不）相似性与跨任务CAE之间存在U形关系（Braem 等人，2014年）。这里的任务（不）相似性指的是任务表示在多个维度上的差异性，包括刺激类型、反应模式、冲突类型等（Zhu, Wang 等人，2025年）。根据这一框架，这些维度上的高度表示重叠可能导致两个任务在工作记忆中被整合为一个任务，从而导致跨任务CAE。相反，当两个任务之间只有部分重叠时，干扰可能会限制一次只有一个任务被激活，从而阻止了跨任务CAE的观察。当任务完全不同时，它们理论上可以同时激活，且干扰最小，从而导致跨任务CAE。例如，Zhang 等人（2025年）将Stroop任务与图片命名任务结合，每个任务都需要口头反应。虽然他们在神经测量中观察到了跨任务CAE，但在反应时间上没有显著的行为效应出现。当前研究中的Flanker任务和PWI任务在反应模式和刺激上都有很大差异。这种差异可能允许两个任务并行激活而几乎没有干扰（例如，Musslick 和 Cohen，2021年），从而观察到了跨任务CAE。最近的理论表明，语言产生系统内的侧向抑制可能足以解决典型语言产生过程中的冲突，而只有在刺激驱动的信息与任务目标冲突或在高认知需求下才会激活领域泛化的认知控制（Nozari，2025年）。在我们的实验范式中，PWI任务中的书面干扰词会自动激活并在词汇访问期间与目标词竞争。这个范式不可避免地涉及其他系统，如阅读，并需要抑制一个主导反应，如干扰词。这些特征表明，我们的任务配置可能增加了认知控制的需求，并需要激活领域泛化的认知控制机制来抑制干扰词并保持最佳的任务表现。值得注意的是，虽然某些类型的语言干扰可以通过语言特定的机制解决（Nozari，2025年），但我们的发现表明，积极激活领域泛化的认知控制确实可以增强语言产生任务的表现。这一经验证据提高了我们对认知控制机制如何在语言处理中调整的理解。尽管需要这种控制的具体条件可能依赖于任务，但我们的结果清楚地建立了它们在优化语言产生结果中的功能重要性。未来的研究可以采用替代范式来验证领域泛化认知控制在语言产生过程中的功能。

应该指出的是，PWI任务中SIE的理论位置仍然存在争议。虽然一些解释将这种效应归因于词元检索期间的词汇竞争，但其他人则认为它反映了发音期间的反应排除。未来的研究可以通过采用高时间分辨率技术（如事件相关电位）来帮助阐明这些过程的时间进程，并明确认知控制在口语产生过程中具体发挥作用的阶段。总结来说，我们的研究采用了跨任务适应设计来探讨在前置的“Flanker任务”中认知控制的参与与后续“PWI任务”中词汇提取时的冲突解决之间的因果关系。我们首先观察了口语产生过程中认知参与对词汇提取的跨任务影响。这些发现揭示了认知控制对词汇提取的影响，并加深了我们对语言产生过程中词汇竞争机制的理解。我们的研究还通过考虑选择性认知控制机制，扩展了词汇竞争模型和反应排除假说。

**作者贡献声明：**
- 王学斌：负责写作（审阅与编辑、初稿撰写）、软件开发、方法论设计、调查实施、数据分析、概念化。
- 张青芳：负责写作（审阅与编辑、初稿撰写）、项目监督、资源调配、项目管理和资金筹措、概念化。