《Cognition》：Strong primary cue weighting is linked to robust dimension-selective attention
编辑推荐：
为解决言语感知中个体间声学线索加权（Cue Weighting）策略稳定差异的来源问题，研究人员探究了维度选择性注意能力与其关联。结果显示，注意能力越强越倾向依赖单一主线索，且该规律在英/汉母语者中均存在，为言语感知的主动认知加工理论提供了关键证据。
当你在嘈杂的酒吧里努力听清朋友讲的一句话，或者在听一位带有口音的同事做报告时，你的大脑正在飞速运转。语音（Speech）并非简单的声音拼接，而是一个充满冗余（Redundancy）的系统：每一个语言特征往往同时通过多个声学线索（Acoustic Cues）来传递。例如，英语中音节的重音（Stress）可以通过音高（Pitch）的升高来体现，也可以通过时长的延长（Duration）来体现。这种“条条大路通罗马”的设计，使得人类的语音交流在面对噪音和说话人变异时极具鲁棒性。
然而，有趣的是，尽管语音信号是冗余的，但不同的听者并不会等量齐观地利用这些线索。有的人主要依赖音高变化来做判断，而有的人则更看重时长差异。这种在语音分类（Categorization）过程中对不同声学维度赋予不同权重的现象，被称为“线索加权（Cue Weighting）”。既往研究发现，这种个体间的差异是稳定存在的，并非随机的失误，但究竟是什么驱动了人们采取不同的感知策略？为什么有的人倾向于紧紧抓住一个“主要线索（Primary Cue）”不放，而有的人则更愿意综合考量多个线索？
针对这一核心问题，由 Ashley Symons、Magdalena Kachlicka、Fred Dick、Kazuya Saito 和 Adam Tierney 等人组成的团队在《Cognition》发表了他们的研究。他们提出了一个引人入胜的假设：这种个体策略的差异，可能源于个体“维度选择性注意（Dimension-Selective Attention）”——即专注于声音某一维度（如音高）同时忽略其他维度（如时长）——的能力不同。如果 heavily weighting 一个主线索需要认知上的“聚焦”与“屏蔽”，那么那些拥有更强维度选择性注意能力的个体，应当更倾向于使用强主线索加权策略。为了验证这一点，研究团队招募了母语为英语（L1）和母语为汉语普通话（L1 Mandarin，作为英语二语学习者）的两组人群，通过一系列精密的行为实验，揭示了注意能力与感知策略之间的紧密联系。
为开展此项研究，作者主要采用了以下关键技术方法：1. 线索加权任务（Cue Weighting Tasks）：使用 STRAIGHT 软件合成包含音高和时长连续变化的语音（音节重音、词汇强调、短语边界）及音乐节拍刺激，通过 4×4 刺激矩阵进行分类实验，并利用 Firth 偏倚减少逻辑回归（logistf）计算个体的音高与时长线索权重，定义权重更高者为初级线索；2. 维度选择性注意任务（Dimension-Selective Attention Tasks）：设计听觉流任务，要求被试在音高或时长某一维度发生变异时，检测该目标维度上的重复事件，同时忽略另一干扰维度的变异，以正确率衡量注意能力；3. 听觉辨别任务（Discrimination Tasks）：采用 2-up 1-down 自适应阈值法（Adaptive Thresholding）的“异类鉴别（Odd One Out）”范式，测量个体对音高和时长的最小可觉差，以控制低级听觉处理能力的影响；4. 统计建模：使用 Spearman 相关分析跨任务线索权重的稳定性及与注意能力的关联，并构建线性回归模型（Linear Regression）控制年龄、性别、音乐训练年限及听觉辨别能力，以检验维度选择性注意对初级线索加权的独立预测作用。样本队列包括 54 名 L1 英语使用者及 60 名居住在英国的 L1 汉语使用者（平均英语居住时长约 7.4 个月）。
1. Introduction
语音感知利用多重冗余声学线索，这虽增强了抗干扰性，但也要求听者在面对冲突或可变的自然语音时，动态优先处理不同线索的信息。尽管计算模型常假定存在一种最优的收敛策略，但实际行为数据显示，听者在音段和超音段（Suprasegmental）分类中存在稳定的个体线索加权差异。为什么有人主攻单一主线索，有人则进行多线索整合？作者引述“维度选择性注意”分类模型，指出个体可能有意将注意导向最具诊断性的特征并忽略无用特征。若强加权一个主线索确实需要选择性注意资源，那么注意能力较弱者可能因无法有效屏蔽干扰，转而更依赖多线索整合。此外，这种认知因素是否在二语（L2）习得早期就已发挥作用，还是仅由语言暴露量决定，亦是未知。为此，研究拟检验：1. 个体在主/次线索加权上是否存在跨任务的稳定策略；2. 维度选择性注意能力是否与强初级线索加权相关；3. 该关系在 L1 英语者与低经验 L1 汉语者中是否一致。
2. Methods
2.1. Participants
最初招募 135 人（60 名 L1 英语者，75 名 L1 汉语者，均在英国伦敦）。主要纳入标准为被试在各项分类测试中，其反应模式至少与一个声学维度有显著关联。最终 54 名 L1 英语者（平均龄 24.1 岁）和 60 名 L1 汉语者（平均龄 22.6 岁，平均在英语国家居住 7.4 个月）进入分析。两组均有约 4-5 年平均音乐训练年限。
2.2. Cue weighting tasks
2.2.1. Stimuli
语音刺激涉及三种韵律特征：音节重音（“COM-pound” vs “com-POUND”）、词汇强调（“STUDY music” vs “study MUSIC”）和短语边界（“If Barbara gives up, the ship” vs “If Barbara gives up the ship,”），由专业配音演员录制后，使用 STRAIGHT 软件进行 morphing，构建音高和时长各 4 个水平（0%, 33%, 67%, 100%）的 4×4 刺激网格，其他声学维度保持中立。音乐节拍刺激由复杂音（4 谐波，基频 440 Hz，时长 50 ms）序列合成，通过音高（每 2 或 3 音升高 2 或 4 半音）和时长（每 2 或 3 音延长 50 或 150 ms）的 4×4 变化，提示节拍是每 2 音一组还是每 3 音一组。
2.2.2. Procedure
先让被试熟悉两端典型样例，通过练习（需正确 2 题/特征）后进入主实验。主实验中，被试听取单个刺激并从两个选项中选择分类。每个任务含 10 个 block，每 block 16 试次（全空间无放回取样），共 160 试次/刺激。任务顺序为：音乐节拍、词汇强调、音节重音、短语边界。
2.2.3. Data processing
对每名录音任务和每被试的试次数据拟合逻辑回归（因变量为分类 0/1，自变量为音高和时长水平 1-4），采用 Firth 偏倚减少法（R 包 logistf）。剔除在任何任务中均无显著预测维度的被试（英：6 人；汉：15 人）及个别强异常值。随后定义权重绝对值较大的维度为“初级（Primary）”，较小的为“次级（Secondary）”。结果显示，英语组绝大多数在重音、强调、节拍上以音高为初级，在短语边界上以时长为初级；汉语组则在重音和强调上全以音高为初级，节拍上大部分以音高为初级，短语边界上大部分以时长为初级。
2.2.4. Dimension-selective attention
设计听觉流任务，测量个体在注视单一维度（音高或时长）同时忽略另一维度干扰的能力。
2.2.5. Stimuli
刺激为等时 2 Hz 序列（12 个音/试次）。音高和时长分别以 0.67 Hz（每 3 音变）和 1 Hz（每 2 音变）的速率“标记”，试次有 50% 概率在某一维度包含“重复”（预期变化未发生）。语音刺激提取自“Tom likes barbecue chicken”中“barbecue”元音 /a/ 的两个强调读法，进行音高 morphing 和 Praat 脚本时长操控；音调刺激为匹配均值参数的复杂音。
2.2.6. Procedure
详细指导后，先单维练习（需 75% 正确，最多 3 次机会），再双维演示。主任务分 block 指令指向目标维度（音高或时长），试次后反馈对错，以正确率衡量表现。共 8 条件（言语/非言语 × 注意音高/时长 × 音高变化速率 2/3 音），各 16 试次，共 128 试次。
2.3. Discrimination
2.3.1. Stimuli
基于注意任务连续体，建立 100 步的音高（110.88-124.40 Hz，时长固定）和时长（70-175 ms，音高固定）连续体，言语与音调（4 谐波，10 ms ramp）匹配均值。英语组用 Matlab 响度匹配（后发现音调时长连续体响度有细微差），汉语组用等幅度。
2.3.2. Procedure
“异类鉴别”：每试次 3 个刺激（2 同 1 异，异在 1 或 3 位），被试按 1 或 3 键。采用 2-up 1-down 自适应法（起始步长 10，后 5，后 2，终 1），70 试次或 7 次反转止。最终得分为第 2 次反转后平均等级，100 减该值使高分代表佳。
2.4. Analysis
分别对 L1 英语和 L1 汉语组分析：1. Bonferroni 校正 Spearman 相关，比较跨任务初级与次级权重；2. 平均言语任务的初级/次级权重，与总体/非言语/言语维度选择性注意成绩相关；3. 线性回归（Primary_weighting ~ discrimination + dimension-selective attention + age + gender + musical training）检验注意对初级加权的独立贡献。
3. Results
L1 英语组中，初级线索加权在三个言语特征间显著相关（短语 vs 强调 rho=0.58；短语 vs 重音 rho=0.51；强调 vs 重音 rho=0.72，均 p 校正后显著），表明个体依赖主线索的程度具跨任务稳定性；但次级加权无跨任务相关，且与初级加权无显著交叉相关，音乐节拍权重亦与言语权重无关。L1 汉语组模式稍弱：仅重音与强调的初级加权显著相关（rho=0.58, p<0.001），但也存在重音次级与强调初级（rho=0.47）、短语次级与重音初级（rho=0.42）的相关，音乐与言语权重仍无关。
进而，平均言语初级加权与维度选择性注意显著正相关（L1 英语 rho=0.57, p<0.001；L1 汉语 rho=0.39, p=0.011），次级加权则无此关联。非言语注意子测验与初级加权相关在两群体均显著；言语注意子测验相关仅在英语组显著（汉语组 p=0.092）。说明该注意能力具一定域通用性。
回归分析显示，对 L1 英语组模型解释 35.7% 方差，维度选择性注意（β=0.57, p<0.001）和音乐训练年限（β=0.15, p=0.003）是初级加权的显著预测因子；对 L1 汉语组模型解释 28.3% 方差，维度选择性注意（β=0.28, p=0.013）和音乐训练年限（β=0.33, p=0.003）亦显著。即便控制听觉辨别、年龄、性别等，注意能力依然独立预测强初级加权。
按注意成绩前/后三分之一分组对比分类反应：无论英语或汉语组，在三个言语特征上，高注意能力者的分类反应随初级维度水平变化的功能曲线更陡峭，表明其感知分类更强烈地受控于初级线索。
4. Discussion
研究表明，个体在言语韵律分类中的线索加权模式是稳定的策略差异，而非反应不一致，且具体表现为个体间存在“强依赖单一主线索”到“多线索整合”的连续变异。核心结论是：更强的维度选择性注意能力，与更强的初级声学线索加权密切相关。这意味着，执行“紧盯一个主线索”的感知策略，确实需要认知上选择性注意并屏蔽干扰的资源。该关联在言语与非言语注意子测验中均存在，暗示这是一种域通用的声音维度注意能力。此结果亦能解释为何音乐训练者常表现更强初级加权——可能因其提升了维度选择性注意。研究支持言语感知是主动的、目标导向的信息选择过程。
值得注意的是，此关联在语言经验丰富（L1 英语）与匮乏（L1 汉语，短期英语暴露）的群体中均存在，说明即便在二语习得早期，线索加权策略已不仅由语言暴露量塑造，也反映个体执行功能（如注意）差异。这呼应了维度选择性注意在声调范畴学习初期即可被明确指令增强的发现，表明其在广泛熟练度范围驱动线索加权。
对于 L1 汉语者，所有人在重音和强调上均以音高为初级，高注意者几近只抓音高，低注意者则音高/时长稍均衡。作者指出，过度依赖音高可能阻碍其对时长这一次级信息的利用，不利于二语韵律产出接近母语者；而适当引入次级任务或信息掩蔽（Informational Masking）以抑制过度显性注意，或许能助其习得二语次级线索。
音乐节拍加权无跨任务关联，作者推测因音乐刺激过于简化、人工化，未形成稳固自然策略；未来可用更生态化的音乐刺激（如终止式）探究。此外，言语分类中初级加权策略未必恒优：分心环境下（双任务、信息掩蔽）初级加权常减弱，多线索整合在噪声或耳语等次优情形或有裨益，未来可探究不同策略的情境适应性。
L1 汉语者跨任务相关较英语者低且不特指线索强弱匹配，作者认为英语者因长期经验已形成稳定策略，而汉语者（尤其短居者）策略仍在适应变动中，这与既往发现的居英时长增长伴随音高权重降低、时长权重上升一致；儿童等策略未熟群体可能也有类似较弱/非特定相关。
综上，个体在言语韵律分类中或强依赖单一线索或多线索整合，而这种差异在不同语言经验群体中，均由维度选择性注意能力稳健预测：强注意能力者更易强力加权初级线索。这支持言语感知是需认知资源的主动加工过程。
