基于ERP技術的英漢-漢英賓語>語碼轉換的認知神經機制研究*

中國海洋大學 陳士法 彭玉樂 吳育姝 趙 蘭 楊連瑞

提 要： 本文研究中國學習者加工句子層面的英漢-漢英賓語語碼轉換時的認知神經機制。結果表明(1) 加工英漢語碼轉換時，轉換后的單詞誘發(fā)更大P200和N400；(2) 加工漢英語碼轉換時，轉換后的單詞誘發(fā)更大的LAN和LPC；(3) 英 漢-漢英轉換代價的非對稱性表現在漢英比英漢語碼轉換產生更大的P200、LAN和LPC。據此，我們認為在句子層面存在英漢-漢英賓語語碼轉換效應及其非對稱性，并基于IC模型與BIA+模型，構建了賓語語碼轉換的加工模型。

1.引言

語碼轉換指雙語者或者多語者在語言交流時交替運用兩種或者兩種以上語言的現象，可能出現在同一語篇、句子、甚至短語中(Grosjean, 1982)。相對于同一語言來說，從一種語言轉換至另一種語言，可能會產生更高的錯誤率、更長的反應時或者誘發(fā)更強烈的腦電波幅等，從而引起語碼轉換代價，產生語碼轉換效應(Grainger & Beauvillain, 1987；崔占玲等，2007)。受語言熟練度等不同因素的影響，語碼轉換效應可能不一致，這種現象被稱為語碼轉換代價的非對稱性(Jackson et al.， 2001)。

在國外，繼Grainger & Beauvillain(1987)在詞匯判斷任務中發(fā)現語碼轉換效應之后，相關學者陸續(xù)開展語碼轉換研究。一些行為實驗側重探討語碼轉換效應的影響因素，比如語言熟練度(Costa & Santesteban， 2004)、不同語言的詞匯表征(Thomas & Allport， 2000)和反應特征(Von Studnitz & Green， 2002)等。相關的ERPs(Event-related potentials)實驗研究關注的是語碼轉換效應以及語碼轉換代價的非對稱性。Jackson et al.(2001)觀測到明顯的與語言產出過程中語碼轉換相關的腦電波形，發(fā)現從L1→L2時，語碼轉換效應顯著，而從L2→L1時，效應則不顯著。Moreno et al.(2002)通過控制句尾條件發(fā)現理解常規(guī)英語句時存在語碼轉換效應。Alvarez et al.(2003)發(fā)現語言轉換效應只存在于L1→L2(英語→西班牙語)的過程中，在L2→L1時卻沒有；同樣，Proverbio et al.(2004)發(fā)現從L1→L2(意大利語→英語)的轉換中存在N400效應，而在從L2→L1卻沒有。Chauncey et al.(2008)采用跨語言掩蔽啟動范式，發(fā)現從L2→L1(英語→法語)時語碼轉換效應表現在N400成分上，從L1→L2時卻表現在N250成分上。Ng et al.(2014)研究了語篇閱讀理解中的語碼轉換，發(fā)現名詞語碼轉換效應表現在LPC上。Liao & Chan(2016)認為在句子層面上L1→L2的語碼轉換比L2→L1的語碼轉換需要耗費更多的腦資源。Litcofsky & van Hell(2017)結合腦電和時頻分析研究自然語篇中的句內語碼轉換時，發(fā)現只有從L1→L2中才會誘發(fā)更大的晚期負波，產生語碼轉換效應。不難發(fā)現，國外針對語碼轉換進行的ERPs研究得出的結論不一致，有的研究發(fā)現了語碼轉換效應，有的沒有；有的研究發(fā)現語碼轉換代價的非對稱性表現語碼轉換效應的單向性，有的發(fā)現表現在不同的腦電成分上，還有的研究發(fā)現語碼轉換代價的非對稱性表現在同一腦電成分的不同的量上。

在國內，相關學者主要通過行為實驗分別在亞詞形層(崔占玲、張積家，2010)、詞匯層(張積家、崔占玲，2008)和短語層(張積家、王悅，2012)研究了語碼轉換效應及其影響因素。還有一些研究分別探討了雙語語言理解過程(王震、范琳，2013)和產出過程(范琳、盧植，2015)中語碼轉換的加工機制。利用ERPs技術進行語碼轉換認知神經機制的研究起步較晚，文獻尚不多見。王慧莉、陳宏俊(2009)利用奇偶數判斷任務研究了語碼轉換過程中的非對稱性，發(fā)現英漢、漢英語碼轉換代價非對稱性表現在N150和P300上。在N150成分上英漢比漢英語碼轉換引起了更大波幅，英漢語碼轉換的潛伏期比漢英語碼轉換提前50ms。另外，還有學者利用眼動技術研究了語碼轉換的加工機制。倪傳斌等(2015)利用眼動技術研究了中等水平漢英雙語者在句子層面進行語碼轉換時的加工機制，發(fā)現L2→L1的首次注視時間、回視時間和凝視時間都快于L1-L2，表明L1→L2的轉換代價更大。

綜上所述，語碼轉換的研究聚焦于兩種語言之間是否存在語碼轉換效應及語碼轉換代價的非對稱性。然而，當前研究更多地側重語言產出中的語碼轉換(Proverbio et al., 2004；崔占玲、張積家，2010；張積家、王悅，2012)，語言理解方面的較少。其次，研究語碼轉換的實驗材料多為孤立的亞詞匯、詞匯和短語，很少有研究將語碼轉換放在連貫的、具有意義的句子中。鑒于相關研究發(fā)現孤立單詞間和句子語境內會導致不同的語碼轉換模式(van Hell et al., 2015； Litcofsky & van Hell, 2017)，句子層面的語碼轉換值得探討。再者，雖然有些研究是基于句子語境的(Moreno et al., 2002; Meij et al., 2011)，但是沒有涉及到句法成分。目前兩篇研究涉及句法成分，分別是主語語碼轉換(陳士法等，2018)和謂語語碼轉換(陳士法、張雨晴，2019)，涉及到賓語語碼轉換認知機制的研究尚未見到。為此，本文構建了連貫的、有常規(guī)意義的句子語境，采用ERPs技術研究了句子層面中國英語學習者對賓語語碼轉換的認知神經機制。

由此，本研究提出三個研究問題： (1) 在句子層面，中國英語學習者進行英漢賓語語碼轉換(L2→L1)時是否存在語碼轉換效應？(2) 在句子層面，中國英語學習者進行漢英賓語語碼轉換(L1→L2)時是否存在語碼轉換效應？(3) 在句子層面，中國英語學習者進行漢英、英漢賓語語碼轉換時是否存在語碼轉換代價的非對稱性？

2.實驗一

1) 研究目的

考察中國英語學習者在英語句子層面進行賓語語碼轉換時的語碼轉換效應(L2→L1)。

2) 受試

受試為自愿參加本實驗的國內某大學外國語學院英語專業(yè)三年級的學生，其中23人(14名女生)參加了純英語句子的加工，另外15人(10名女生)參加了包含英漢賓語語碼轉換句子的加工。所有受試的年齡在20—23歲之間，課堂英語教育時間為9—12年。他們在兩個月前全部通過了全國英語專業(yè)四級考試，均為右利手，視力或矯正視力正常，沒有腦外傷和神經系統(tǒng)疾病史。實驗前，我們使用語言能力自測量表，讓受試分別對自己母語漢語和英語二語的聽、說、讀、寫四項能力進行自測。自測表為7點量表，1表示很不熟練，7表示非常熟練。自測結果表明本研究中受試的母語水平高，但是二語英語水平中等偏上(漢語總平均為6.38，英語總平均為4.06)，統(tǒng)計分析發(fā)現，二者存在著顯著差異，表明我們的受試是非平衡雙語者。所有受試均未參加過類似的實驗。實驗結束后，每人獲得報酬。

3) 實驗材料

實驗材料分為兩組： 純英語組和英語句子中有漢語賓語的轉換組(簡稱英漢賓語轉換組)，各80個句子。課題組的4位高校英語教師(一名教授和三名講師)根據本實驗的目的和前人的研究(倪傳斌等，2015)，各造40個由6—10個單詞組成的主語、謂語(一般現在時)和賓語俱全的英語簡單句。匯總后進行討論、篩選，剔除了語義約束高的賓語，以避免預期效應的影響。為了避免“smoke a pipe”等轉喻加工的影響，本文中的所有目標賓語均使用其基本義，避免其引申義。經過整合重組，選出80個典型的純英語實驗句，進行可接受度和句中單詞熟悉度調查(32個受試平行班的同學參與，2份問卷為無效)，并對不可接受的句子和不熟悉的單詞進行修改。最后選擇可接受的40個純英語句子作為正式實驗材料，剩下的40個句子作為干擾句(避免受試在實驗中形成固定加工模式)。其中主語、謂語和賓語這三類單詞都是受試高度熟悉的單詞，詞長之間不存在顯著差異(p>0.05)，共同組成純英語組。實驗句全部為主語、謂語和賓語齊全的句子，部分干擾句沒有賓語。英漢賓語轉換組的實驗材料由純英語句子組轉換得來，針對40個正式實驗句，其賓語全部用相應的漢語詞匯替換，40個干擾句替換的則為謂語或者主語。例如，英語句子“The simple villagers sell their specialties to tourists”替換為“The simple villagers sell their 特產 to tourists”。

4) 實驗過程

我們使用Stim2編制了實驗程序。刺激詞呈現在電腦屏幕的正中央，黑底白字，字號為72，英語字體為 Times New Roman，漢語為宋體。電腦屏幕的分辨率為1024×768。實驗儀器為32導Neuroscan ERPs工作站。參考電極置于雙側乳突，記錄水平眼電和垂直眼電。濾波帶通為0.01— 100Hz，采樣頻率為500Hz/導，頭皮電阻小于5kΩ。用標準化電極帽記錄32通道的腦電圖。

實驗在國內某大學ERP語言實驗室針對每個受試單獨進行。實驗中，受試坐在離計算機屏幕100—120厘米的沙發(fā)上，要求他們進行句子匹配判斷。首先，受試看到300ms的注視點，接著默讀屏幕上逐個出現的單詞，每個英語單詞的呈現時間為300ms，間隔400ms后呈現下一個單詞，直到句子的最后一個單詞。為了避免句尾效應，每個句子結束后不呈現表示句子結束的任何標點符號。然后，屏幕呈現完整的英語句子3000ms，要求受試判斷該句是否與剛剛看過的單個單詞組成的句子語義吻合，并按鍵做出“是”或者“否”的反應。如果是，則按反應盒上的1鍵，否則按4鍵(實驗流程見圖1)。左右手在受試間交叉平衡。受試反應后，實驗進入下一個輪次。

圖1.實驗流程圖

計算機自動記錄受試加個每個單詞時的腦電數據和對句子進行判斷的行為數據。實驗前安排一到兩次練習，共5個句子，幫助受試熟悉實驗過程。為避免順序效應，兩組材料間的呈現完全隨機。同時，為了避免兩組實驗材料間的相互干擾，本次實驗與本團隊另一個成員的實驗同時進行： 先進行本實驗第一組或者第二組實驗，中間進行團隊成員的實驗(就一組實驗材料，不怕干擾)，最后再進行本實驗第二組或者第一組實驗。主試坐在另一個房間的另一臺監(jiān)視器前觀察受試的反應。

5) 數據分析

對受試句子匹配判斷的行為數據分析表明受試對所有實驗材料的平均正確判斷率為86.4%，最低為75.5%，最高為98%。本研究關注的是關鍵詞誘發(fā)的腦電，因此行為數據的結果表明受試有效地完成了實驗。

圖2為受試加工純英語賓語和轉換為漢語賓語轉換腦電的總波形圖在C4和CP4兩個電極上的對比。

圖2.英語賓語轉換為漢語賓語的腦電總波形圖對比

從上圖腦電總波形來看，英漢轉換賓語和純英語賓語都誘發(fā)了一個在刺激呈現后200ms左右達到頂峰的正波(P200)，隨后又誘發(fā)了在400ms 左右達到頂峰的負波(N400)和從500ms開始的晚期正波LPC (late positive component)。

我們分別提取了兩類單詞在P200(時段為150—250ms)、N400(時段為330—450ms)和LPC(時段為450—570ms)三個成分的平均波幅，進行了對比分析。

針對P200，進行類型(2： 純英語賓語和英漢轉換賓語)×電極(3： CP3、P3和FP2)雙因素的重復測量方差分析，發(fā)現類型主效應顯著，F(1，36)=5.870, p=.036，同純英語賓語相比，在大腦的中央頂區(qū)和右額區(qū)，英漢轉換賓語誘發(fā)出一個更大的N200(英漢轉換賓語的平均波幅為4.04微伏，純英語賓語的為1.45微伏)。

針對N400，進行類型(2： 純英語賓語和英漢轉換賓語)×電極(7： FC4、C4、CP3、CP4、P3、PZ和P4)雙因素的重復測量方差分析，發(fā)現類別主效應顯著，F(1, 36)=5.087, p=.048，同純英語賓語相比，在大腦的中央區(qū)、中央頂區(qū)和頂區(qū)，英漢轉換賓語誘發(fā)出一個更大的P400(英漢轉換賓語的平均波幅為2.48微伏，純英語賓語的為1.10微伏)。

針對LPC，進行類型(2： 純英語主語和英漢轉換賓語)×電極(3： F8、FT8和FP1)兩因素的重復測量方差分析，發(fā)現類別主效應不顯著，F(1, 36)=4.422, p=.062。

3.實驗二

1) 研究目的

考察中國英語學習者在進行漢語句子層面英語語碼轉換時的語碼轉換效應(L1-L2)。

2) 受試

與實驗一的相同，其中23人(14名女生)參加了純漢語句子的加工，另外15人(10名女生)參加了包含漢英賓語語碼轉換句子的加工。

3) 實驗材料

實驗材料分為兩組： 純漢語組和漢語句子中有英語賓語的轉換組(簡稱漢英賓語轉換組)，各80個句子。純漢語組的實驗材料全部為實驗一中純英語組對應80個句子的漢語譯文，主語、謂語和賓語俱全，其中賓語目標詞語義約束較低，可預測性較低，以避免預期效應的影響。翻譯后的賓語均使用其基本義，不存在“吃食堂”等轉喻形式。對這80個漢語句子進行與實驗一同樣的可接受度和熟悉度調查與修改，最終篩選出40個漢語句子作為正式實驗句，剩下的40個句子作為干擾句，共同組成純漢語組。漢英賓語轉換組的實驗材料由純漢語組的80個句子轉換得來，不同的是，針對40個實驗句，其賓語全部用相應的英語詞匯替換，40個干擾句替換的則是謂語或者主語。例如，漢語句子“淳樸的村民向旅行者出售特產”替換為“淳樸的村民向旅行者出售specialties”。

4) 實驗過程

大體同2.4。在漢語句子單詞的呈現單位和時間上略有不同。在呈現時是以漢語的詞為單位，例如“淳樸的”、“村民”、“向”、“旅行者”、“出售”、“特產”。單字詞和雙字詞的呈現時間為300ms，之后每增加一個漢字，其呈現時間就增加50ms。例如“村民”和“出售”的呈現時間為300ms，而“淳樸的”和“旅行者” 的呈現時間為350ms。為了避免句尾效應，每個句子結束后不呈現表示句子結束的任何標點符號(實驗流程見圖3)。

圖3.實驗流程圖

5) 數據分析

對受試句子匹配判斷的行為數據分析表明受試對所有實驗材料的平均正確判斷率為89.5%， 最低為85%，最高為99.5%。本研究關注的是關鍵詞誘發(fā)的腦電，因此行為數據的結果表明受試有效地完成了實驗。

圖4為受試在加工純漢語賓語和轉換的英語賓語轉換時腦電的總波形圖在F3和CP3兩個電極上的對比。

圖4.漢語賓語轉換為英語賓語的腦電總波形圖對比

從上圖腦電總波形來看，漢語轉換賓語和純漢語賓語都誘發(fā)了一個在刺激呈現后200ms左右達到頂峰的正波(P200)，隨后在左前額區(qū)又誘發(fā)了在400ms左右達到頂峰的負波(LAN)和從500ms開始的晚期正波(LPC)。

我們分別提取了兩類單詞在時段為150—250ms時窗、LAN(時窗為300—500ms)和LPC(時窗為470—570ms)三個成分上的平均波幅，進行了對比統(tǒng)計分析。

針對150—250ms(P200時窗)，進行類型(2： 純漢語賓語和漢英轉換賓語)×電極(2： CP3和PZ)的雙因素重復測量方差分析，發(fā)現類型主效應不顯著，F(1，34)=2.884, p=.120。

針對300—500ms (LAN) 時窗，進行類型(2： 純漢語賓語和漢英轉換賓語)×電極(4： F7、FT7、FP1和T3)的雙因素重復測量方差分析，發(fā)現類型主效應顯著，F(1，34)=5.783, p=.037。漢英轉換賓語在大腦左前額區(qū)、額-顳區(qū)和左顳區(qū)，比純漢語賓語產生了更大的LAN(漢英轉換賓語的平均波幅為-2.54微伏，純漢語賓語平均波幅為2.37微伏)。

針對470—570ms (LPC)時窗，進行類型(2： 純漢語賓語和漢英轉換賓語)×電極(3： F7、FT7和T3)的雙因素重復測量方差分析，發(fā)現類型主效應顯著，F(1，34)=8.418, p=.016。漢英轉換賓語在左前額區(qū)、額-顳區(qū)和左顳區(qū)(發(fā)生位置與LAN相似)，比純漢語賓語產生了更大的LPC(漢英轉換賓語的平均波幅為-2.08微伏，純漢語賓語平均波幅為1.05微伏)。

4.賓語語碼轉換效應的非對稱性研究

在前兩個實驗的基礎上，通過對比純英語賓語減去英漢轉換賓語的差異波和純漢語賓語減去漢英轉換賓語的差異波，研究了中國英語學習者在句子層面進行賓語語碼轉換的非對稱性。兩種差異波在CP3和F7兩個電極上總波形圖的對比如下(見圖5)。

圖5.漢英差異波與英漢差異波的腦電總波形圖對比

從上圖的腦電差異波總波形的對比來看，兩種差異波都在CP3和F7電位上誘發(fā)了一個在刺激呈現后200ms左右達到頂峰的正波P200，隨后誘發(fā)了400ms左右達到頂峰的負波N400以及從500ms左右開始的晚期正波LPC。

為了便于統(tǒng)計分析，我們分別提取了P200(140—260ms時窗)、N400(300—470ms時窗)和LPC(400—620ms時窗)英漢和漢英賓語語碼轉換差異波的平均波幅進行了分析。

針對P200成分(140—260ms)，進行類型(2： 英漢賓語語碼轉換差異波和漢英賓語語碼轉換差異波)×電極(7： TP8、T5、P4、T6、O1、OZ和O2)的雙因素重復測量方差分析，發(fā)現類型主效應顯著，F(1，28)=5.072，p=.048。在大腦顳區(qū)和枕區(qū)漢英賓語語碼轉換比英漢賓語語碼轉換產生了更大的P200(英漢賓語語碼轉換效應的平均波幅為-0.23微伏，漢英賓語語碼轉換的為1.72微伏)。

針對LAN成分(300—470ms)，進行類型(2： 英漢賓語語碼轉換差異波和漢英賓語語碼轉換差異波)×電極(3： F8、F3和FP2)的雙因素重復測量方差分析，發(fā)現類型主效應顯著，F(1，28)=5.320，p=.044, 在大腦左前額區(qū)漢英賓語語碼轉換比英漢賓語語碼轉換產生了更大的LAN(英漢賓語語碼轉換效應的平均波幅為-1.67微伏，漢英賓語語碼轉換的為2.50微伏)。

針對LPC成分(400—620ms)，進行類型(2： 英漢賓語語碼轉換差異波和漢英賓語語碼轉換差異波)×電極(23： FP1、FP2、F7、F3、FZ、F4、F8、FT7、FC3、FCZ、FC4、FT8、T3、C3、CZ、C4、CP3、CPZ 、CP4、T5、P3、PZ、和P4)的雙因素重復測量方差分析，發(fā)現類型主效應顯著，F(1，28)=5.054，p=.048，漢英賓語語碼轉換在大腦額區(qū)、左顳區(qū)和頂區(qū)比英漢賓語語碼轉換產生了更大的LPC(英漢語碼轉換效應的平均波幅為-1.89微伏，漢英語碼轉換的為2.93微伏)。

5.討論

1) 賓語語碼轉換效應

本研究利用ERP技術，探索了中國英語學習者在句子語境中加工賓語語碼轉換時的認知神經機制。根據前人的研究，我們認為如果在句子語境中，中國英語學習者進行英漢或者漢英語碼轉換時存在語碼轉換效應，則受試加工存在賓語語碼轉換句子誘發(fā)的腦電與加工不存在語碼轉換句子時誘發(fā)的腦電有顯著差異；反之，不存在顯著差異。同理，如果中國英語學習者進行漢英、英漢語碼轉換存在著語碼轉換代價的非對稱性，則受試加工英漢賓語語碼轉換句子時誘發(fā)的腦電與加工漢英賓語語碼轉換句子時誘發(fā)的腦電有顯著差異；反之，不存在顯著差異。

實驗一發(fā)現發(fā)生英漢賓語語碼轉換時，中國英語學習者的腦電在150—250ms(P200)和330—450ms(N400)兩個時窗內都存在著顯著差異。發(fā)生語碼轉換的漢語詞匯比沒有發(fā)生語碼轉換的英語詞匯產生了較大的P200和較大的N400。因此，我們認為句子層面從英語到漢語的賓語轉換存在著語碼轉換效應(L2-L1)。實驗二發(fā)現發(fā)生漢英賓語語碼轉換時，中國英語學習者的腦電在300ms—500ms時窗(LAN)和470—570ms時窗(LPC)存在著顯著差異，發(fā)生語碼轉換的英語賓語比沒有發(fā)生轉換的漢語賓語產生了更大的LAN和LPC效應。因此，我們認為句子層面從漢語到英語的賓語轉換存在著語碼轉換效應(L1-L2)。這表明對于中國英語學習者來說，無論從漢語母語轉換到英語二語，還是從二語轉換到一語，都存在著語碼轉換效應，轉換后產生了更大的腦電。

實驗發(fā)現發(fā)生語碼轉換的漢語詞匯比沒有發(fā)生語碼轉換的英語詞匯產生了較大的P200。P200屬于腦電加工的早期成分。該成分與靶刺激的早期識別有關，多分布在頭皮前部，反映與任務相關的加工。Kramer & Donchin(1987)發(fā)現當一組詞對在正字法和語音上都不匹配時P200效應最大，其次是兩者有其一不匹配，而兩者都匹配時這一效應最小。這一結果說明了P200指標反映了正字法、語音及其交互作用。Luck & Hillyard(1994)認為P200反應書面語言加工中語音和正字法信息的早期提取。在加工漢語時，P200不僅與詞匯的語音加工相關(粟華利，2011)，而且與獨立成字的亞詞匯成分(偏旁)的語音加工相關(張笑儀，2012)。由于實驗任務不要求受試者對英語賓語和漢語賓語做外顯的加工，只是讓受試以內隱的方式理解詞匯，受試者受漢語母語的影響，對英語句子中漢語賓語(L2-L1)的字形或語音進行了早期的加工，產生了較大的波幅，而對漢語句子中英語賓語(L1-L2)的字形和語音激活沒有顯著差異。這表明受試自動加工了漢語詞匯的語音和正字法，而沒有自動加工英語二語詞匯的語音和正字法。P200的出現可能揭示出受試對漢語賓語具有一種“覺察定式”的過程。也就是說，受試對于母語有更為熟悉的心理模塊，當察覺出需要加工的信息與此心理模塊相關則誘發(fā)了更大波幅的P200。因此，我們認為P200是英漢賓語語碼轉換效應的指標之一，而非漢英賓語語碼轉換效應的指標。

實驗發(fā)現發(fā)生語碼轉換的漢語詞匯比沒有發(fā)生語碼轉換的英語詞匯誘發(fā)了較大的N400(L2-L1)。N400屬于腦電加工中詞匯語義加工的標志。Romani(2001)通過研究發(fā)現閱讀困難癥的兒童比正常兒童N400波幅更大，表明N400反映了語義加工的難度。楊亦鳴、耿立波(2008)研究了英語詞匯與漢語詞匯心理現實性，發(fā)現一語詞匯比二語詞匯產生了更大的N400效應，將原因歸結為語義加工能力，受試往往對一語的詞匯聯想意義更強，詞匯通達深度更大。本實驗發(fā)現英漢賓語語碼轉換時，轉換后的漢語賓語產生了更大N400。由于轉換任務的要求，受試在加工英漢賓語語碼轉換時受試需要抑制英語句子語境、激活漢語語境，因此，加工整合轉換的句子比沒有轉換的句子，對語義加工能力的要求更高，語義加工難度加大，需要調動更多和腦力資源，產生了更大的N400。此外，轉換為熟悉的漢語母語賓語時，相對于純英語句子中的賓語，受試對漢語母語詞匯的聯想意義更強，詞匯通達深度更大，因此耗費更多的腦資源，產生了更大的N400。

相對英漢賓語語碼轉換誘發(fā)的N400而言，漢英賓語語碼轉換則誘發(fā)了更大的LAN。LAN是反映句法加工的早期成分。Moreno et al.(2002)探索了流利雙語者(英語為母語和西班牙語為二語)加工包含西班牙語的英語句子時的神經機制，發(fā)現發(fā)生語碼轉換時腦工作記憶量加大，因此誘發(fā)了LAN成分。Van Der Meij et al.(2011)發(fā)現只有高水平雙語者(母語為西班牙語者)在閱讀英語句子時，才會發(fā)生語碼轉換效應，誘發(fā)LAN，并且將此現象解釋為整合不同語法規(guī)則句子的難度增加。本研究中的受試在進行漢英賓語語碼轉換時誘發(fā)了LAN，一方面表明受試提取英語賓語時需要更大的工作記憶容量，另一方面表明受試者還需要整合漢英兩種語法規(guī)則，增加了加工難度。

N400和LAN在時窗上是相似的，只是在腦區(qū)分布上不同： N400主要分別在中央頂區(qū)，LAN主要分布在左額區(qū)(Ng et al.2014)。一般來說，LAN反映的是句法加工，N400反映的是詞匯的語義加工。本研究發(fā)現在相似時窗內英漢賓語語碼轉換在中央頂區(qū)和右額區(qū)誘發(fā)了N400成分，但是漢英語碼轉換卻在左前額區(qū)、額-顳區(qū)和左顳區(qū)誘發(fā)了LAN成分。受試者在相似時窗加工英漢和漢英賓語語碼轉換運用了不同的腦區(qū)。這表明受試者進行英漢和漢英賓語語碼轉換使用了不同的神經機制。同時，還表明受試加工整合的內容不一致： 漢英賓語語碼轉換(L1- L2)傾向于英語賓語的句法加工，而英漢的賓語語碼轉換(L2-L1)則傾向于漢語賓語的語義加工。這可能是由于語言類型不同造成的： 英語重形合，漢語重意合。因此，加工漢語賓語時，重在其表達的意義，產生了N400，而加工英語賓語時，重在其形式的表達，產生了LAN。

LPC是本研究發(fā)現的漢英賓語語碼轉換效應的一個指標。英漢語碼轉換效應則沒有發(fā)現該成分。LPC一般被認為是由違反句法的詞匯所引發(fā)的正成分，反映了句法再分析或者句法整合的過程。因此LPC反映了句法整合的過程，整合難度越大，LPC越大(Osterhout, 1992)。Moreno et al.(2002)認為LPC反映了判斷階段的語碼轉換的加工代價，可能與加工意料之外或者不可能事件時增加了的認知負擔有關。Kolk & Chwilla(2007)的研究也發(fā)現LPC反映了遇到一個意想不到的單詞之后進行再加工和整合的階段。受試在加工漢英賓語語碼轉換時，要對轉換后的語言進行句子的更新和整合。由于受試的二語整合能力較低，加工包含英語賓語的漢語句子所需要耗費的腦力資源多于純漢語句子所需腦力資源，誘發(fā)了更大的LPC。另一方面，由于受試對一語的熟悉度更高，在漢語句子語境中，突然賓語轉換成英語后，字形的突然差異和變化導致了視覺意外，也可能是誘發(fā)了LPC的一個因素。然而，受試在較為不熟悉的二語句子語境中，加工和整合一個母語詞匯較為容易，而且對于突然出現較為熟悉的母語賓語并不會對視覺造成較大的沖擊。因此，受試加工英漢賓語語碼轉換的句子相對于加工純英語賓語句子產生并沒有產生更大的LPC。

抑制控制模型(Inhibitory Control model, IC model) (Green, 1998)和雙語互動激活模型(Bilingual Interactive Activation model, BIA+ model)(Grainger & Dijkstra, 2002)是人們提出的兩個比較有影響力的用于解釋語碼轉換效應及語碼轉換代價非對稱性的理論模式。IC模型認為在語碼轉換中，大腦一方面要抑制當前處于激活狀態(tài)的語言圖式和詞匯表征，另一方面還要激活當前處于抑制狀態(tài)的語言圖式和詞匯表征。無論哪一種過程，都需要額外的時間，這樣就產生了語碼轉換效應。之所以出現語碼轉換代價的非對稱性現象，是因為在加工非熟練語言時大腦必須更強烈地抑制熟練語言的詞匯表征，而在加工熟練語言時對非熟練語言的抑制相對較弱。BIA+模型認為雙語者兩種語言的詞匯信息存儲在一個整合的心理詞典中，并且區(qū)分了詞匯識別系統(tǒng)和任務決策系統(tǒng)。詞匯識別系統(tǒng)只受語言因素如詞匯、句法和語義信息的直接影響。任務決策系統(tǒng)則受非語言因素的影響，如任務要求、外部語境、個體期望等，該系統(tǒng)反過來會影響詞匯識別系統(tǒng)的輸出結果。因此，在詞匯通達的起始階段，存在自上而下的非選擇性激活，并且這種非選擇性激活不受心理詞典以外的信息的影響。

根據這兩個模型，我們構建了英漢-漢英賓語語碼轉換效應的模型(見圖6)

圖6.賓語語碼轉換效應模型

從圖6可以看出，在加工英漢賓語語碼轉換時，大腦先激活了漢語賓語的詞形層，后激活了語義層，即對漢語賓語的詞形、語義進行激活，比英語賓語誘發(fā)了較大的P200和N400。但是，對句子語義-語法層的激活與純英語賓語的激活大體一致。在加工漢英語碼轉換時，大腦先激活了英語賓語的詞形層，也激活了語義層以及句子語義-語法層。與漢語賓語不同的是，轉換的英語賓語在語義層以及句子語義-語法層的激活程度更大，由此產生了更大的LAN和LPC兩個腦電成分。但是，在詞形層上的激活與純漢語賓語的激活大體一致。因此，我們認為在句子語境中存在著英漢-漢英賓語語碼轉換效應，語言熟練度會對于語碼轉換效應產生不同的影響。本研究的結果支持Moreno et al.(2002)、Chauncey et al.(2008)、王慧莉、陳宏俊(2009)的研究，但與Jackson et al.(2001)、Alvarez et al.(2003)、Proverbio et al.(2004)、倪傳斌等(2015)和陳士法等(2018)的結果不完全一致。Jackson et al.(2001)、Alvarez et al.(2003)和Proverbio et al.(2004)認為語碼轉換效應受語言轉換方向影響，當從L1-L2時，效應顯著，而當從L2- L1時，效應則不顯著。而本研究在兩個方向上都發(fā)現了語碼轉換效應。首先，語言理解和語言產出中雙語語碼轉換的神經機制存在著差異(孫遜等，2017)。本研究關注的是理解中的語碼轉換，而Jackson et al.(2001)研究了產出中的語碼轉換。其次，二語水平也許是造成本研究與部分研究結果不同的另一個因素。就受試的二語水平來說，Proverbio et al.(2004)的受試為職業(yè)同聲傳譯者，接近平衡雙語者，而本研究中的受試為非平衡雙語者，受試的漢語母語水平明顯高于英語二語的水平。再者，語言類型不同也可能是造成研究結果不同的因素。Alvarez et al.(2003)和Proverbio et al.(2004)研究的是西班牙語與英語、意大利語與英語之間的語碼轉換，由于西班牙語、意大利語和英語都是表音文字，且正字法相似。這些研究的語碼轉換為同一語系內的轉換，而本研究中漢語是表意文字，英語為表音文字，屬于不同語系間的轉換。此外，倪傳斌等(2015)研究結果發(fā)現一語轉換到二語時的轉換代價不明顯;而二語轉換到一語時的轉換代價明顯。也與本研究的發(fā)現不完全一致。這可能是由于采用的技術手段不同。倪傳斌等(2015)采用的是眼動技術，而本研究采用的則是ERP技術，因此有可能造成實驗結果不同。與Ng.et al(2014)、陳士法等(2018)、陳士法、張雨晴(2019)的研究結果不完全一致可能是由于句法位置效應引起的。Ng.et al.(2014)的研究發(fā)現在語篇中先出現的名詞(前面位置)比后出現的名詞(后面位置)產生了更大的N400，存在詞匯位置效應。陳士法等(2018)的英漢主語語碼轉換后誘發(fā)了更大的LAN和LPC，陳士法、張雨晴(2019)發(fā)現發(fā)生語碼轉換的漢語謂語比無轉換的英語謂語產生了較大的P200和較小的N400，本研究中的英漢賓語語碼轉換后誘發(fā)了更大的N400。賓語處于句子靠后位置，對轉換后的漢語賓語的加工主要在句子層面的句義理解階段；而主語處于句子前端位置，此時受試暫時并未接收到足夠的語境信息，只會更多地增加工作記憶量進行句子規(guī)則的整合，謂語處于句子的中間位置，受試在接受之前的信息后，忙于加工詞匯、句法、語義等各種信息，致使N400減小。此外，漢英語碼轉換后，只在賓語位置誘發(fā)了更大的LAN，主語位置卻沒有，謂語位置上，轉換的英語謂語比無轉換的漢語謂語產生了更大的P200和LPC，很可能是位置效應和語法成分的功能不同共同作用引起的。

2) 賓語語碼轉換代價的非對稱性

通過對比純英語賓語減去英漢轉換賓語的差異波和純漢語賓語減去漢英轉換賓語的差異波，我們發(fā)現英漢和漢英賓語語碼轉換代價的非對稱性主要表現在P200(140—260ms時窗)、LAN(300—470ms時窗)和LPC(400—620ms時窗)三個成分上，并且漢英賓語語碼轉換在這三個ERP成分上都比英漢賓語語碼轉換誘發(fā)了更大的腦電波幅(L1-L2>L2-L1)。 因此，我們認為這三個ERP成分為英漢-漢英賓語語碼轉換代價非對稱性的指標。

我們(非平衡雙語者)在講英語時需要控制抑制漢語，否則會不由自主地使用漢語，而在講漢語時則不需要控制抑制英語，這一現象可以很好地解釋語碼轉換代價的非對稱性。對于L1→L2>L2→L1，我們認為從強勢的漢語母語轉換到弱勢的英語二語時，首先需要激活英語二語。其次，要激活英語二語必須抑制控制漢語母語。由于漢語母語為強勢語，因此，需要花費更多的腦資源來抑制漢語母語。結合IC模型與BIA+模型，我們構建了英漢-漢英賓語語碼轉換代價的非對稱性模型(見圖7)。

圖7.賓語語碼轉換代價非對稱性模型

通過對比英漢和漢英賓語語碼轉換的腦電差異波，我們發(fā)現在詞形層、詞匯語義層和句子語義層，相對于抑制較為弱勢的英語語義背景(英漢賓語語碼轉換，L2→L1)，語言節(jié)點抑制強勢語所提供的語義背景(漢英賓語語碼轉換，L1→L2)較強，耗費更多的腦資源，都產生了更大的腦電成分。

就語碼轉換代價的非對稱性來說，本研究的結果與王慧莉、陳宏俊(2009)、van Hell et al.(2015)和Tamargo et al.(2016)等的結果基本一致。王慧莉、陳宏俊(2009)發(fā)現英漢和漢英語碼轉換在150ms— 180ms(N150)和240ms—260ms(P300)腦電成分上存在非對稱性，其時窗與本研究發(fā)現的P200(140—260ms)時窗相對應。與本研究一樣，王慧莉、陳宏俊(2009)認為在句子語境中從強勢語切換到弱勢語比弱勢語切換到強勢語需要耗費更多的腦資源。本實驗研究了在句子語境下的賓語語碼轉換，支持了van Hell et al.(2015)、Liao & Chan(2016)和Litcofsky & van Hell(2017)的發(fā)現和論斷。此外，Tamargo et al.(2016)利用語料庫和眼動實驗證實了西班牙-英語語碼轉換產出和理解中都存在非對稱性，為本研究的雙語句子理解中的語碼轉換非對稱性提供了支持。

然而，本研究結果與Christoffels et al.(2007)、倪傳斌等(2015)、陳士法等(2018)和陳士法、張雨晴(2019)的結果不完全一致。Christoffels et al.(2007)和倪傳斌等(2015)結果大多都證明二語轉換到一語代價大于一語轉換到二語，且消耗的腦資源更多, 與本研究結果不一致。究其原因，可能是與實驗范式、研究技術手段、語言熟悉度、語言距離等因素有關。陳士法等(2018)發(fā)現英漢、漢英主語語碼轉換代價的非對稱性表現為在150ms—300ms (ELAN)時窗內存在著顯著差異，英漢主語語碼轉換比漢英主語語碼轉換產生了更大的ELAN。陳士法、張雨晴(2019)則發(fā)現漢英轉換的英語謂語比英漢轉換的漢語謂語誘發(fā)了更大的N200。與之相反，本研究發(fā)現英漢和漢英賓語語碼轉換代價的非對稱性主要表現在P200(140—260ms 時窗)、LAN(300—470ms時窗)和LPC(400—620ms時窗)三個成分上，并且漢英賓語語碼轉換在這三個ERP成分上都比英漢賓語語碼轉換誘發(fā)了更大的腦電波幅。不難看出，雖然都發(fā)現了非對稱性，但是英漢、漢英主語語碼轉換、謂語語磚轉換和賓語語碼轉換不僅存在著腦電成分的質和量兩個方面的差異，還存在著轉換方向的差異： 主語的為英語轉換為漢語的代價大，而賓語和謂語的則為漢語轉換為英語的代價大。這很可能是由于主語、謂語和賓語的語碼轉換在句子層面的句法功能和位置不同引起。

6.討論與進一步研究

本研究利用ERP技術研究了中國英語學習者在句子語境中加工英漢-漢英賓語語碼轉換時的認知機制。通過對比分析發(fā)現，(1) 在英語句子語境下賓語由英轉漢時，轉換后誘發(fā)了更大P200和N400；(2) 在漢語句子語境下賓語由漢轉英時誘發(fā)了更大的LAN和LPC；(3) 漢英語碼轉換效應和英漢語碼轉換代價在P200、N400和LPC成分上存在顯著的非對稱性差異。據此，我們認為中國英語學習者在句子語境中存在著英漢、漢英賓語成分的語碼轉換效應和語碼轉換代價的非對稱性，支持非特定語言選擇假說。

本次研究也存在著不足之處。首先，我們只涉及了非平衡英漢雙語者，對平衡英漢雙語者的語碼轉換機制并未進行比較與進一步探索。第二，語碼轉換的其他維度，例如語言理解中和產出中的語碼轉換的差異，或者細化為聽力理解、閱讀理解、口語輸出與書面輸出的語碼轉換是否存在差異，是本研究沒有涉及的。第三，語言學能、學習二語的起始年齡、語言距離等因素也是將來研究所需要考慮的。第四，由于英漢兩種語言句式結構的不一致，賓語成分在漢語句子和英語句子中的位置并非完全對應，我們的結果也可能受此影響。因此，本研究的結論有待更多的理論和實證研究來證實。