陳默

（北京語(yǔ)言大學(xué) 漢語(yǔ)進(jìn)修學(xué)院，北京100083）

1 引言

由于很多漢語(yǔ)聲調(diào)偏誤的形成主要是因?yàn)榈诙Z(yǔ)言學(xué)習(xí)者沒(méi)有形成較好的聲調(diào)范疇，不能區(qū)分不同調(diào)類之間的差異，從而形成了各種各樣的“洋調(diào)”。對(duì)于無(wú)聲調(diào)語(yǔ)言母語(yǔ)者而言，漢語(yǔ)聲調(diào)范疇的建立是一個(gè)從無(wú)到有的過(guò)程，是習(xí)得的難點(diǎn)和重點(diǎn)，所以對(duì)漢語(yǔ)聲調(diào)范疇浮現(xiàn)的研究是十分重要的。筆者發(fā)現(xiàn)，目前漢語(yǔ)聲調(diào)范疇的研究主要是橫向的感知研究［1－3］，對(duì)聲調(diào)范疇認(rèn)知發(fā)展過(guò)程的研究很少，對(duì)聲調(diào)范疇習(xí)得機(jī)制的探討也很少。

聲調(diào)范疇的實(shí)驗(yàn)研究存在著一定的局限性，不能綜合考察語(yǔ)音特征之間的相互作用，不能觀測(cè)到多層面因素特征相互作用隨時(shí)間變化的特性等。所以目前的實(shí)驗(yàn)研究還不能全面地分析聲調(diào)范疇是如何在多層面特征的相互作用下浮現(xiàn)而出的，這也是對(duì)聲調(diào)范疇習(xí)得機(jī)制了解不夠深入的主要原因。因?yàn)椴煌奶卣鳎曊{(diào)特征、母語(yǔ)音段特征、二語(yǔ)音段特征以及外部環(huán)境特征等）在聲調(diào)范疇浮現(xiàn)的過(guò)程中起著不同的作用，所以我們應(yīng)該把這些聲調(diào)特征融合在一起，來(lái)探討聲調(diào)范疇的浮現(xiàn)。

因?yàn)槁曊{(diào)范疇的浮現(xiàn)涉及聲調(diào)特征相互作用的過(guò)程。筆者在模型中加入的聲調(diào)的主要聲學(xué)特征有：（1）調(diào)值，也就是基頻高度；（2）調(diào)形，即基頻曲線；（3）調(diào)長(zhǎng)，即聲調(diào)時(shí)長(zhǎng)；（4）調(diào)域，即高音點(diǎn)音高與低音點(diǎn)音高的距離。另外，模型涉及母語(yǔ)語(yǔ)音特征和漢語(yǔ)語(yǔ)音特征，這樣做的優(yōu)勢(shì)一是可以動(dòng)態(tài)地研究各因素相互作用的過(guò)程，二是可以直觀地觀測(cè)不同層面的特征相互作用的結(jié)果。

神經(jīng)網(wǎng)絡(luò)方法在漢語(yǔ)漢字和語(yǔ)音識(shí)別的研究中已經(jīng)得到廣泛的應(yīng)用［4－6］，但是由于語(yǔ)言習(xí)得的動(dòng)態(tài)性，常規(guī)的神經(jīng)網(wǎng)絡(luò)難以直接使用。本文利用生長(zhǎng)型樹(shù)形結(jié)構(gòu)自組織特征映射神經(jīng)網(wǎng)絡(luò)（GTSSOFM）來(lái)模擬英語(yǔ)母語(yǔ)者漢語(yǔ)聲調(diào)范疇的浮現(xiàn)過(guò)程。通過(guò)建立零起點(diǎn)、初級(jí)和中級(jí)三個(gè)子模型，來(lái)考察三個(gè)子模型的聲調(diào)特征的聚類過(guò)程、三個(gè)子模型不同類聲調(diào)之間的距離以及三個(gè)子模型聲調(diào)混淆的數(shù)量和類型。綜合這三個(gè)方面對(duì)三個(gè)子模型聲調(diào)范疇的浮現(xiàn)進(jìn)行研究，是為了跟行為實(shí)驗(yàn)研究［7］進(jìn)行比較，以更深入地發(fā)掘漢語(yǔ)聲調(diào)范疇的習(xí)得機(jī)制。

模擬研究跟行為實(shí)驗(yàn)研究［7］的不同點(diǎn)在于，行為實(shí)驗(yàn)研究是利用實(shí)驗(yàn)語(yǔ)音學(xué)的方法來(lái)分析被試的物理聲學(xué)特征，通過(guò)語(yǔ)音軟件來(lái)提取語(yǔ)音參數(shù)，用多因素方差分析來(lái)考察特征之間的關(guān)系。模擬研究是通過(guò)計(jì)算機(jī)模型的構(gòu)建來(lái)實(shí)現(xiàn)聲調(diào)范疇學(xué)習(xí)的。從提取的聲調(diào)特征來(lái)看，行為實(shí)驗(yàn)只考察了調(diào)值特征，而模擬研究綜合考察調(diào)值、調(diào)形、調(diào)域和調(diào)長(zhǎng)四類特征，可以更好地觀察聲調(diào)特征之間的相互作用以及聲調(diào)特征和外部因素（知識(shí)的變化和語(yǔ)言水平的變化）相互作用的結(jié)果。從研究對(duì)象來(lái)看，行為實(shí)驗(yàn)由于受實(shí)驗(yàn)條件的限制，采取的是橫向研究方法，而且被試分屬于不同的無(wú)聲調(diào)語(yǔ)言國(guó)家，存在著一定的個(gè)人差異。而模擬研究更類似于縱向研究，選擇的是一種母語(yǔ)背景，可以保證被試的同質(zhì)性。所以，我們可以通過(guò)計(jì)算機(jī)模擬的方法來(lái)驗(yàn)證行為實(shí)驗(yàn)的結(jié)果，同時(shí)也能提供行為實(shí)驗(yàn)觀察不到的結(jié)果。

2 聲調(diào)范疇浮現(xiàn)模型的建立

2.1 算法實(shí)現(xiàn)

本研究采用筆者建立的動(dòng)態(tài)生長(zhǎng)型樹(shù)形結(jié)構(gòu)自組織映射模型（GTS－SOFM），具體實(shí)現(xiàn)上主要包括以下幾個(gè)關(guān)鍵考慮：1）動(dòng)態(tài)的神經(jīng)元添加策略以及合理的神經(jīng)元排列方式設(shè)計(jì)；2）起始神經(jīng)元權(quán)重初始化以及優(yōu)勝鄰域的設(shè)計(jì)；3）自組織樹(shù)在生長(zhǎng)階段中的獲勝神經(jīng)元搜索方法；4）有效的學(xué)習(xí)函數(shù)以及加入弱近鄰抑制效應(yīng)的參數(shù)調(diào)整方式；5）神經(jīng)元生長(zhǎng)閾值隨著網(wǎng)絡(luò)的擴(kuò)大而動(dòng)態(tài)增加，控制網(wǎng)絡(luò)的規(guī)模和穩(wěn)定性；6）網(wǎng)絡(luò)趨于穩(wěn)定時(shí)合理的收斂條件的設(shè)置和判斷。跟以往的動(dòng)態(tài)自組織模型相比較［8－10］，GTS－SOFM既克服了Kohonen自組織特征映射網(wǎng)絡(luò)的固定網(wǎng)絡(luò)結(jié)構(gòu)的限制以及容量的有限性，又克服了上述幾個(gè)類似動(dòng)態(tài)網(wǎng)絡(luò)的較弱的拓?fù)溆成涮匦?，從而方便用于語(yǔ)言認(rèn)知習(xí)得的研究，既具有良好的拓?fù)溆成涮匦?，又保證了神經(jīng)元的動(dòng)態(tài)生成能力。

2.2 表征

由于本研究模擬的是英語(yǔ)母語(yǔ)者漢語(yǔ)聲調(diào)范疇的浮現(xiàn)，所以要建立一個(gè)雙語(yǔ)模型。英語(yǔ)作為基礎(chǔ)模型，在此基礎(chǔ)上建立零起點(diǎn)、初級(jí)和中級(jí)三個(gè)子模型。英語(yǔ)表征借鑒Li和MacWhinney的PatPho表征方案［11］，主要從發(fā)音方法和發(fā)音部位來(lái)表征元音和輔音。漢語(yǔ)語(yǔ)音表征是在Zhao和Li的漢語(yǔ)音素表征［12］的基礎(chǔ)上加入了漢語(yǔ)聲調(diào)的表征，漢語(yǔ)聲調(diào)的表征參考了前人的諸多研究成果［13］，抽取出漢語(yǔ)聲調(diào)的最主要特征（表1）：1）調(diào)值。陰平和去聲為高，陽(yáng)平和上聲為非高；2）調(diào)形。分成平、升、降升和降四類；3）調(diào)域。四類聲調(diào)根據(jù)高音點(diǎn)和低音點(diǎn)的距離，陰平為窄，陽(yáng)平、上聲和去聲為寬；4）調(diào)長(zhǎng)。陰平、陽(yáng)平和上聲為長(zhǎng)，去聲為短。對(duì)聲調(diào)特征進(jìn)行定義后，根據(jù)聲調(diào)特征之間的差異程度，對(duì)聲調(diào)特征進(jìn)行賦值（表2）。

表1 漢語(yǔ)語(yǔ)音表征

表2 漢語(yǔ)語(yǔ)音的數(shù)值表征

2.3 訓(xùn)練樣本

結(jié)合《英語(yǔ)常用詞詞典》［14］和《牛津英漢雙解小詞典》［15］選出1 000個(gè)英語(yǔ)常用詞，其中單音節(jié)詞535個(gè)，雙音節(jié)詞465個(gè)，其中重音在前的雙音節(jié)詞282個(gè)，重音在后的雙音節(jié)詞183個(gè)。這1 000個(gè)詞涵蓋了英語(yǔ)所有的發(fā)音模式（圖1），從而建立英語(yǔ)基礎(chǔ)模型。

選擇《漢語(yǔ)教程》［16］作為訓(xùn)練樣本，建立三個(gè)漢語(yǔ)水平的模型。零起點(diǎn)學(xué)習(xí)者相當(dāng)于學(xué)習(xí)了《漢語(yǔ)教程》半個(gè)月左右，初級(jí)學(xué)習(xí)者（初級(jí)上）相當(dāng)于學(xué)習(xí)了《漢語(yǔ)教程》半年左右，中級(jí)學(xué)習(xí)者（中級(jí)上）相當(dāng)于學(xué)習(xí)了《漢語(yǔ)教程》1年左右。訓(xùn)練樣本的選取遵循兩個(gè)原則：一是保證樣本的累積效應(yīng)，即在零起點(diǎn)學(xué)習(xí)過(guò)的樣本同樣還會(huì)在初級(jí)和中級(jí)出現(xiàn)，初級(jí)的樣本會(huì)在中級(jí)出現(xiàn)；二是保證所選擇的樣本能代表實(shí)際整體樣本的頻次分布。

圖1 英語(yǔ)訓(xùn)練樣本在輸出層的映射圖

2.4 訓(xùn)練和測(cè)試

對(duì)三個(gè)子模型分別進(jìn)行訓(xùn)練。訓(xùn)練前，模型接受前測(cè)。因?yàn)橐托袨閷?shí)驗(yàn)結(jié)果［7］進(jìn)行比較，所以用行為實(shí)驗(yàn)的測(cè)試音節(jié)表（見(jiàn)附件1）對(duì)三個(gè)子模型進(jìn)行前測(cè)。每類聲調(diào)30個(gè)音節(jié)，一共120個(gè)音節(jié)，即每個(gè)子模型都要接受120個(gè)音節(jié)的前測(cè)。前測(cè)結(jié)束，開(kāi)始進(jìn)行訓(xùn)練。訓(xùn)練樣本的選擇采取從高頻到低頻樣本的等間隔選取法，零起點(diǎn)子模型的100個(gè)訓(xùn)練樣本是從939個(gè)樣本中頻次≥20的664個(gè)樣本中選取出來(lái)的。初級(jí)子模型總共選取了200個(gè)訓(xùn)練樣本。其中100個(gè)和零起點(diǎn)子模型的完全一致，另外100個(gè)是從頻次≥8的798個(gè)樣本中選取出來(lái)的。中級(jí)子模型總共選取了400個(gè)訓(xùn)練樣本。其中200個(gè)和初級(jí)子模型的樣本完全一致（其中包含了100個(gè)零起點(diǎn)的樣本），另外200個(gè)是從所有939個(gè)樣本中等間隔選取出來(lái)的。三個(gè)子模型訓(xùn)練結(jié)束，進(jìn)行后測(cè)。后測(cè)文本和行為實(shí)驗(yàn)后測(cè)文本［7］一樣（見(jiàn)附件2），后測(cè)是對(duì)三個(gè)子模型分別用120個(gè)音節(jié)測(cè)試表進(jìn)行測(cè)試，然后和前測(cè)結(jié)果進(jìn)行比較。

3 模擬結(jié)果和分析

對(duì)三個(gè)子模型聲調(diào)范疇發(fā)展的研究，是通過(guò)三方面的考察進(jìn)行的。一是三個(gè)子模型的聲調(diào)范疇圖比較；二是三個(gè)子模型在輸出層上不同類聲調(diào)之間距離的比較；三是三個(gè)子模型聲調(diào)混淆數(shù)量和類型的比較。綜合這三個(gè)方面對(duì)三個(gè)子模型聲調(diào)范疇的浮現(xiàn)過(guò)程進(jìn)行研究。

3.1 三個(gè)子模型的聲調(diào)范疇圖比較

為了更好地看出聲調(diào)范疇的發(fā)展，對(duì)三個(gè)子模型輸出層進(jìn)行部分截圖。如圖2、3和4（數(shù)字1、2、3和4分別表示陰平、陽(yáng)平、上聲和去聲）。

圖2 零起點(diǎn)子模型聲調(diào)范疇部分截圖

圖3 初級(jí)子模型聲調(diào)范疇部分截圖

根據(jù)四類聲調(diào)的聚類情況，筆者在圖2、3和4上畫出相應(yīng)的范疇，從而可以直觀地看出三個(gè)子模型的聲調(diào)范疇的動(dòng)態(tài)發(fā)展情況。據(jù)圖示，零起點(diǎn)子模型的四類聲調(diào)還沒(méi)有形成范疇，四類聲調(diào)的混淆情況很多，陰平和陽(yáng)平相混，陰平和去聲相混，陽(yáng)平和上聲相混，陽(yáng)平和去聲相混。初級(jí)子模型去聲和陰平的聚類最好，上聲次之，陽(yáng)平最差，可以說(shuō)初級(jí)子模型已經(jīng)開(kāi)始形成了一定的聲調(diào)范疇。但仍然還有聲調(diào)相混的情況。例如，陽(yáng)平和上聲相混的很多，另外有很少量的陰平和去聲相混以及陰平和陽(yáng)平相混。中級(jí)子模型聲調(diào)范疇繼續(xù)發(fā)展，去聲的聚類最好，其次是陰平，陽(yáng)平和上聲最不好。據(jù)圖來(lái)看，可以說(shuō)中級(jí)子模型的聲調(diào)范疇好于初級(jí)子模型，初級(jí)子模型的聲調(diào)范疇好于零起點(diǎn)子模型。

圖4 中級(jí)子模型聲調(diào)范疇部分截圖

3.2 三個(gè)子模型的聲調(diào)距離比較

通過(guò)對(duì)輸出層上不同類聲調(diào)距離的計(jì)算，可以對(duì)聲調(diào)范疇的發(fā)展?fàn)顩r進(jìn)行量化。衡量的標(biāo)準(zhǔn)是距離越長(zhǎng)，不同類聲調(diào)之間的區(qū)分越清楚，聲調(diào)范疇發(fā)展得越好。通過(guò)對(duì)兩類聲調(diào)所有樣本之間激活神經(jīng)元距離的計(jì)算，筆者對(duì)三個(gè)子模型六對(duì)聲調(diào)之間的距離（即陰平和陽(yáng)平、陰平和上聲、陰平和去聲、陽(yáng)平和上聲、陽(yáng)平和去聲以及上聲和去聲這六對(duì)聲調(diào)）進(jìn)行了統(tǒng)計(jì)。如表3和圖5所示。

表3 聲調(diào)距離平均值

圖5 三個(gè)子模型聲調(diào)距離的比較

非參數(shù)檢驗(yàn)結(jié)果（Man－Whitney test）顯示，零起點(diǎn)和初級(jí)子模型的聲調(diào)距離差異顯著（p＝.004），初級(jí)子模型的聲調(diào)距離明顯高于零起點(diǎn)子模型。零起點(diǎn)和中級(jí)子模型的聲調(diào)距離差異顯著（p＝.004），中級(jí)子模型的聲調(diào)距離明顯高于零起點(diǎn)子模型。初級(jí)和中級(jí)子模型的聲調(diào)距離差異不顯著（p＝1.000），初級(jí)和中級(jí)子模型之間的聲調(diào)距離沒(méi)有明顯差異。以上結(jié)果表明初級(jí)和中級(jí)子模型的聲調(diào)范疇發(fā)展得比零起點(diǎn)好。

3.3 三個(gè)子模型聲調(diào)混淆數(shù)量和混淆類型的比較

通過(guò)統(tǒng)計(jì)聲調(diào)的混淆數(shù)量和混淆類型，可以清晰地看出聲調(diào)范疇混淆的具體情況?；煜臄?shù)量和類型越少，說(shuō)明聲調(diào)范疇發(fā)展得越好；反之，則聲調(diào)范疇發(fā)展得不好。圖6是對(duì)零起點(diǎn)、初級(jí)和中級(jí)三個(gè)子模型聲調(diào)混淆數(shù)量的統(tǒng)計(jì)，從中可以看出聲調(diào)混淆數(shù)量的變化過(guò)程。

圖6 三個(gè)子模型聲調(diào)混淆數(shù)量的比較

非參數(shù)檢驗(yàn)結(jié)果顯示，零起點(diǎn)和初級(jí)子模型的聲調(diào)混淆數(shù)量差異顯著（p＝.000），初級(jí)子模型聲調(diào)混淆數(shù)量明顯比零起點(diǎn)子模型的少。零起點(diǎn)和中級(jí)子模型的聲調(diào)混淆數(shù)量差異顯著（p＝.000），中級(jí)子模型聲調(diào)混淆數(shù)量明顯比零起點(diǎn)子模型的少。初級(jí)和中級(jí)子模型的聲調(diào)混淆數(shù)量差異不顯著（p＝1.000）。從模擬結(jié)果可以看出，初級(jí)和中級(jí)子模型的聲調(diào)范疇發(fā)展得比零起點(diǎn)子模型好。

為了更好地考察混淆類型的發(fā)展變化，筆者又對(duì)不同混淆類型的數(shù)量進(jìn)行了統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見(jiàn)表4。

表4 三個(gè)子模型六對(duì)聲調(diào)混淆類型的數(shù)量

把三個(gè)子模型的聲調(diào)混淆類型做成圖7，可以更好地看出變化趨勢(shì)，如圖7所示（數(shù)字1、2、3和4分別表示陰平、陽(yáng)平、上聲和去聲四類聲調(diào)）。

根據(jù)表4和圖7可以看出，零起點(diǎn)子模型有四對(duì)聲調(diào)混淆，分別是陰平和陽(yáng)平、陰平和上聲、陰平和去聲以及陽(yáng)平和上聲。其中陽(yáng)平和上聲的混淆最多，其次是陰平和去聲。陰平和陽(yáng)平以及陰平和上聲的混淆比較少。初中級(jí)子模型有三對(duì)聲調(diào)混淆，分別是陰平和陽(yáng)平、陰平和去聲以及陽(yáng)平和上聲。其中陽(yáng)平和上聲的混淆數(shù)量最多，陰平和去聲以及陰平和陽(yáng)平的混淆數(shù)量較少。初級(jí)和中級(jí)子模型的聲調(diào)混淆類型明顯少于零起點(diǎn)子模型，這也說(shuō)明初級(jí)和中級(jí)子模型的聲調(diào)范疇發(fā)展得比零起點(diǎn)子模型好。另外，陽(yáng)平和上聲的混淆數(shù)量在三個(gè)子模型里都是最多的，而且初級(jí)、中級(jí)子模型跟零起點(diǎn)子模型相比，陽(yáng)平和上聲混淆數(shù)量的減少并不明顯。

圖7 三個(gè)子模型的混淆類型數(shù)量的比較

4 討論

從三個(gè)子模型的聲調(diào)范疇圖、聲調(diào)距離以及聲調(diào)混淆數(shù)量和類型的比較結(jié)果看出，初級(jí)和中級(jí)聲調(diào)范疇的發(fā)展明顯好于零起點(diǎn)，陰平和去聲的混淆以及陽(yáng)平和上聲的混淆是最主要的混淆類型，陰平和去聲的聚類程度好于陽(yáng)平和上聲。模擬結(jié)果和行為實(shí)驗(yàn)結(jié)果［7］總體上是吻合的，由此可以得出以下結(jié)論。

（1）英語(yǔ)母語(yǔ)者漢語(yǔ)聲調(diào)范疇的發(fā)展是一個(gè)從無(wú)到有的漸進(jìn)過(guò)程。初級(jí)和中級(jí)子模型聲調(diào)范疇的發(fā)展明顯比零起點(diǎn)子模型好，中級(jí)子模型雖然從聲調(diào)距離、聲調(diào)混淆數(shù)量以及類型的比較上跟初級(jí)子模型相比無(wú)顯著差異，但是從聲調(diào)范疇圖（圖3和圖4）的比較來(lái)看，中級(jí)聲調(diào)范疇的發(fā)展明顯好于初級(jí)子模型。可以說(shuō)零起點(diǎn)子模型是聲調(diào)范疇的萌芽期，初級(jí)子模型是聲調(diào)范疇的初始形成期，中級(jí)子模型是聲調(diào)范疇發(fā)展的穩(wěn)定期。另外，第二語(yǔ)言學(xué)習(xí)者不同調(diào)類聲調(diào)的聚類程度不一樣。例如，三個(gè)子模型都是去聲和陰平的聚類程度好于陽(yáng)平和上聲。這說(shuō)明陽(yáng)平和上聲的聲調(diào)范疇較難建立。由于陽(yáng)平和上聲在調(diào)值特征和調(diào)形特征上都存在著共性，例如，調(diào)值上的低調(diào)性質(zhì)、調(diào)形上的拐點(diǎn)特征以及后半部的升調(diào)性質(zhì)，這些因素共同制約著陽(yáng)平和上聲聲調(diào)范疇的發(fā)展，無(wú)聲調(diào)語(yǔ)言母語(yǔ)者在發(fā)出漢語(yǔ)聲調(diào)時(shí)，需要同時(shí)利用這些語(yǔ)音特征，但是注意資源的有限使得陽(yáng)平和上聲的區(qū)分難度大大增加。

（2）第二語(yǔ)言學(xué)習(xí)者的漢語(yǔ)聲調(diào)系統(tǒng)是一個(gè)復(fù)雜適應(yīng)性系統(tǒng)，自組織機(jī)制是支配第二語(yǔ)言學(xué)習(xí)者漢語(yǔ)聲調(diào)浮現(xiàn)的主要機(jī)制。漢語(yǔ)聲調(diào)范疇的浮現(xiàn)基于漢語(yǔ)聲調(diào)特征的自組織，聲調(diào)特征的發(fā)展決定了聲調(diào)的發(fā)展。無(wú)聲調(diào)語(yǔ)言母語(yǔ)者首先對(duì)聲調(diào)特征進(jìn)行提取，然后進(jìn)行特征比較，對(duì)不同的聲調(diào)特征賦予不同的權(quán)重，把具有共性的特征進(jìn)行聚類，然后形成聲調(diào)范疇。其實(shí)，聲調(diào)范疇的混淆也體現(xiàn)出了“共性特征的聚類”。例如，陰平和去聲都屬于高調(diào)，陽(yáng)平和上聲都屬于非高調(diào)，所以這種調(diào)值上的相似點(diǎn)，使學(xué)習(xí)者把陰平和去聲調(diào)值聚在一起，把陽(yáng)平和上聲的調(diào)值聚類在一起。陽(yáng)平和上聲都有拐點(diǎn)，這種調(diào)形上的相似點(diǎn)也會(huì)使學(xué)習(xí)者把陽(yáng)平和上聲聚類在一起。聲調(diào)特征自組織的過(guò)程也要受到母語(yǔ)語(yǔ)音特征和漢語(yǔ)音段特征的影響。也就是說(shuō)聲調(diào)特征之間存在著相互作用，聲調(diào)特征和母語(yǔ)語(yǔ)音特征以及漢語(yǔ)音段特征之間也存在著相互作用。模擬研究建立的雙語(yǔ)模型正好可以直觀地展現(xiàn)出不同特征之間相互作用、自組織的動(dòng)態(tài)過(guò)程，這是行為實(shí)驗(yàn)無(wú)法做到的。

（3）外部因素對(duì)聲調(diào)范疇浮現(xiàn)的結(jié)果具有重要影響。這里的外部因素指的是語(yǔ)言知識(shí)的增加和難度的提高，也就是模擬研究中的訓(xùn)練樣本的變化。訓(xùn)練樣本的選取遵循兩個(gè)原則：一是保證樣本的累積效應(yīng)，即在零起點(diǎn)學(xué)習(xí)過(guò)的樣本同樣還會(huì)在初級(jí)和中級(jí)出現(xiàn)，初級(jí)的樣本會(huì)在中級(jí)出現(xiàn)；二是保證所選擇的樣本能代表實(shí)際整體樣本的頻次分布，即所挑選的樣本能比較真實(shí)地模擬實(shí)際學(xué)習(xí)中的樣本情況。原則一體現(xiàn)了知識(shí)的增加和累積，原則二體現(xiàn)了知識(shí)難度的提高。語(yǔ)言知識(shí)的累積對(duì)漢語(yǔ)聲調(diào)范疇的發(fā)展有兩種影響。一是知識(shí)累積促進(jìn)了聲調(diào)范疇的發(fā)展。第二語(yǔ)言學(xué)習(xí)者隨著語(yǔ)音知識(shí)的增加，不斷調(diào)整聲調(diào)特征的權(quán)重，使?jié)h語(yǔ)聲調(diào)范疇的發(fā)展不斷進(jìn)步。二是知識(shí)的累積和知識(shí)難度的增加造成了聲調(diào)范疇浮現(xiàn)中的種種變異現(xiàn)象。例如，聲調(diào)距離的比較結(jié)果顯示出中級(jí)子模型略微有些退步，這就體現(xiàn)了浮現(xiàn)過(guò)程中時(shí)常發(fā)生的“倒退”現(xiàn)象。

雖然模擬研究基本上驗(yàn)證了行為實(shí)驗(yàn)［7］的結(jié)果，但是還存在著一些差別。例如，行為實(shí)驗(yàn)中的初中級(jí)被試不能區(qū)分兩對(duì)聲調(diào)范疇，模擬研究中的初中級(jí)子模型不能區(qū)分三對(duì)聲調(diào)范疇。從混淆類型來(lái)看，對(duì)于零起點(diǎn)階段來(lái)說(shuō)，行為實(shí)驗(yàn)中的被試能區(qū)分陰平和陽(yáng)平以及陰平和上聲之間的聲調(diào)范疇，而模型能區(qū)分陽(yáng)平和去聲以及上聲和去聲。對(duì)于初中級(jí)階段來(lái)說(shuō)，行為實(shí)驗(yàn)被試不能區(qū)分陰平和去聲以及陽(yáng)平和上聲，模型不能區(qū)分陰平和陽(yáng)平、陰平和去聲以及陽(yáng)平和上聲。筆者認(rèn)為存在差異的原因主要是因?yàn)?，行為?shí)驗(yàn)被試來(lái)自于三個(gè)無(wú)聲調(diào)語(yǔ)言國(guó)家（英語(yǔ)、西班牙語(yǔ)和德語(yǔ)），模擬則只研究了英語(yǔ)。行為實(shí)驗(yàn)提取的是調(diào)值特征，而模擬提取了調(diào)值、調(diào)形、調(diào)域和調(diào)長(zhǎng)四項(xiàng)特征。語(yǔ)言背景跟特征提取的差異，會(huì)使模擬和行為實(shí)驗(yàn)的結(jié)果存在一些不同之處。但是由于模擬研究較好地保證了被試的同質(zhì)性，并且能夠直觀地考察不同因素間動(dòng)態(tài)的相互作用過(guò)程，可以說(shuō)模擬研究具有較強(qiáng)的可信度和解釋力。

5 小結(jié)

本研究對(duì)英語(yǔ)母語(yǔ)者漢語(yǔ)聲調(diào)范疇浮現(xiàn)過(guò)程的模擬研究，動(dòng)態(tài)地表現(xiàn)出聲調(diào)范疇在自組織機(jī)制的支配下是如何逐漸浮現(xiàn)的。聲調(diào)范疇模擬研究的理論假設(shè)是：聲調(diào)范疇的獲得是基于聲調(diào)特征的自組織過(guò)程，聲調(diào)范疇的浮現(xiàn)過(guò)程是學(xué)習(xí)者對(duì)聲調(diào)特征聚類的過(guò)程。同時(shí)，也是母語(yǔ)語(yǔ)音特征和二語(yǔ)語(yǔ)音特征之間以及內(nèi)部語(yǔ)音特征和外部環(huán)境因素特征（時(shí)間的變化、知識(shí)量的增加以及知識(shí)難度的提高等）相互作用的過(guò)程。模擬結(jié)果和行為實(shí)驗(yàn)結(jié)果的吻合，證明了筆者的理論假設(shè)，說(shuō)明聲調(diào)特征的自組織機(jī)制就是聲調(diào)范疇發(fā)展的內(nèi)在機(jī)制。

聲調(diào)范疇浮現(xiàn)的模擬研究也可以為聲調(diào)教學(xué)提出一些有益的建議。學(xué)習(xí)者在開(kāi)始學(xué)習(xí)漢語(yǔ)聲調(diào)時(shí)，對(duì)聲調(diào)范疇沒(méi)有概念，教師可以多設(shè)計(jì)一些聲調(diào)聽(tīng)辨和感知的練習(xí)，讓學(xué)習(xí)者了解六對(duì)聲調(diào)之間的差異所在。在初、中級(jí)階段重點(diǎn)讓學(xué)習(xí)者練習(xí)陽(yáng)平和上聲以及陰平和去聲的差異。并且要把這些聲調(diào)放在多音節(jié)短語(yǔ)或者語(yǔ)流中，對(duì)學(xué)習(xí)者進(jìn)行范疇感知和產(chǎn)出的練習(xí)。尤其對(duì)于無(wú)聲調(diào)語(yǔ)言母語(yǔ)者來(lái)說(shuō)，聲調(diào)范疇的感知和產(chǎn)出訓(xùn)練可以使他們對(duì)聲調(diào)間的差異逐漸敏感，促使聲調(diào)范疇浮現(xiàn)。

雖然模擬研究能夠動(dòng)態(tài)地展現(xiàn)不同特征之間相互作用的結(jié)果，但是未能明確地表現(xiàn)出母語(yǔ)語(yǔ)音特征和漢語(yǔ)音段特征對(duì)聲調(diào)范疇發(fā)展的影響的具體程度，所以筆者會(huì)繼續(xù)改進(jìn)GTS－SOFM模型，同時(shí)設(shè)計(jì)新的行為實(shí)驗(yàn)，將母語(yǔ)語(yǔ)音特征（英語(yǔ)語(yǔ)調(diào)或者重音模式）和漢語(yǔ)音段特征（音節(jié)）作為兩個(gè)因素進(jìn)行考察。另外，無(wú)聲調(diào)語(yǔ)言母語(yǔ)者聲調(diào)范疇的建立是一個(gè)從無(wú)到有的過(guò)程，也是一個(gè)從低層次到高層次的發(fā)展過(guò)程。聲調(diào)語(yǔ)言母語(yǔ)者（如泰語(yǔ)母語(yǔ)者）漢語(yǔ)聲調(diào)范疇的浮現(xiàn)跟無(wú)聲調(diào)語(yǔ)言母語(yǔ)者不一樣，漢語(yǔ)聲調(diào)的浮現(xiàn)是一個(gè)相似范疇的建立過(guò)程。如果我們能夠建立一個(gè)聲調(diào)語(yǔ)言母語(yǔ)者漢語(yǔ)聲調(diào)范疇浮現(xiàn)的模型，可以更好地解釋漢語(yǔ)聲調(diào)范疇的習(xí)得機(jī)制問(wèn)題以及母語(yǔ)對(duì)聲調(diào)范疇浮現(xiàn)的影響。下一步筆者會(huì)利用GTS－SOFM模型對(duì)聲調(diào)語(yǔ)言母語(yǔ)者聲調(diào)范疇的浮現(xiàn)進(jìn)行研究。

附錄A

表A1 前測(cè)音節(jié)之一

續(xù)表

表A2 前測(cè)音節(jié)之二

［1］Leather，J.F0pattern inference in the perceptual acquisition of second language tone［M］／／A.James and J.Leather（eds.），Sound patterns in Second Language Acquisition.Dordrecht：Foris Publications，1987：59－81.

［2］Stagray，J.R.，and Downs，D.1996.Differential sensitivity for frequency among speakers of a tone and nontone language［J］.Journal of Chinese Linguistics，1993，21，143－163.

［3］HalléP.Y－CH.，Chang.C.Best.Identification and discrimination of Mandarin Chinese VS.French listeners［J］.Journal of phonetics，2003.

［4］陳學(xué)德，陳玲，曾碚凱，等.一個(gè)基于神經(jīng)網(wǎng)絡(luò)的手寫文字分類／識(shí)別模型［J］.中文信息學(xué)報(bào)，1993，7（3）：16－25.

［5］張德喜，馬少平，朱紹文，等.基于統(tǒng)計(jì)與神經(jīng)元方法相結(jié)合的手寫體相似字識(shí)別［J］.中文信息學(xué)報(bào)，1999，13（3）：33－39.

［6］顧明亮，沈兆勇.基于語(yǔ)音配列的漢語(yǔ)方言自動(dòng)辨識(shí)［J］，中文信息學(xué)報(bào)，2006，5：77－82.

［7］陳默.無(wú)聲調(diào)語(yǔ)言母語(yǔ)者漢語(yǔ)聲調(diào)浮現(xiàn)過(guò)程的實(shí)驗(yàn)和模擬研究［D］.北京語(yǔ)言大學(xué)博士論文，2009.

［8］Alahakoon D，Halgamuge S K，Srinivasan B.Dynamic self－organizing maps with controlled growth for knowledge discovery［J］.IEEE Trans.on Neural Networks，2000，11（3）：601－604

［9］王莉，王正歐.TGSOFM：一種用于數(shù)據(jù)聚類的動(dòng)態(tài)自組織映射神經(jīng)網(wǎng)絡(luò)［J］.電子與信息學(xué)報(bào)，2003，25（3）：313－319.

［10］陶駿，洪國(guó)輝.基于生長(zhǎng)的自組織映射的數(shù)據(jù)挖掘［J］.計(jì)算機(jī)應(yīng)用，2005，25（2）：309－311.

［11］Li，P.，MacWhinney，B.PatPho：A phonological pattern generator for neural networks［J］.Behavior Research Methods，Instruments，and Computers，2002，34：408－415.

［12］Zhao X，Li P.An online database of phonological representation for Mandarin Chinese monosyllables［J］，Behavior Research Methods.2009，41（2）：575－583.

［13］吳宗濟(jì)，林茂燦.實(shí)驗(yàn)語(yǔ)音學(xué)概要［M］.高等教育出版社，1989.

［14］方庭鈺等.英語(yǔ)常用詞詞典［M］.外語(yǔ)教學(xué)與研究出版社，1991.

［15］牛津英漢雙解小詞典（第9版）［M］.英國(guó)牛津大學(xué)出版社.外語(yǔ)教學(xué)與研究出版社，2008.

［16］楊寄洲.《漢語(yǔ)教程》系列教材［M］.北京語(yǔ)言大學(xué)出版社，2003.