语音类别学习是人类重要的认知机制之一。在自然界中，长尾鼠根据同伴发出的声音警报来判断敌人的性质；在车辆维修中，有些维修人员还根据引擎的声音对车辆作出初步评价；在语言学习中，我们还要根据频率、语调、调域等语音性质来理解句子的意思。可见，声音作为一种信号，能否快速和精确地进行语音分类学习是有机体生存的基本条件。人类的语音是一种与生俱来的特殊信号，对语音的辨别也能提高学习、图式提取和分类能力(Vouloumanos & Waxman, 2014)。通过对语音进行分类，有机体能够更快判断事件性质，更好适应环境。

语音类别学习(Speech Category Learning)是指被试通过对一种新异的语音信号的分类学习，结合主试所给予的正误反馈，在多次的刺激反应的学习之后，达到了预先设定的学习标准(如连续10次反应正确或正确率达到75%)，从而习得一个新的类别知识。由于语音分类能够帮助我们减轻在外语学习中的认知负荷，从而加快学习速度以保证语音交际的顺利进行，因此，这种以语音分类为基础的二语习得引起了语言学家和心理学家浓厚的兴趣，因为它既牵涉到外语学习和教学的应用层面的研究，也牵涉到言语信息是如何表征的(邵志芳，2006)。本文将从语音类别学习的理论模型、研究方法和相关研究等方面对近年来语音类别学习的研究加以梳理。

语音类别学习的双系统模型假设在人类分类过程中至少存在两个分离的系统：一个是外显系统(Reflective System)，另一个是内隐系统(Reflexive System)。

外显系统对信息的加工是能被意识到的。它是一个假设检验的系统，加工过程主要占用工作记忆和执行注意这两种认知功能。一般情况下，外显系统能够意识到分类的规则并且这种规则是可以通过言语表达出来的，我们将这种任务称为基于规则任务(Rule-based, RB)(Ashby & Maddox, 2005; Maddox, Chandrasekaran, Smayda, & Yi, 2013)。有关知觉类别学习的研究指出，外显系统主要是由前额皮质、前扣带回、尾状核头部、内侧颞叶、海马等神经结构所调控的(Ashby, Paul, & Maddox, 2011; Maddox & Ashby, 2004; Ashby & Maddox, 2005; Ashby & Maddox, 2011)。

内隐系统对信息的加工是无意识的。它并不依靠工作记忆和执行注意来进行加工，而是自动化的、内隐的、程序性的认知加工过程，这是一种较为快速、无意识、无需努力的加工。一般情况下，由于分类过程中并没有规则或者是规则非常复杂，因此被试难以用言语表达出来，我们将这种任务称为信息整合任务(Information-integration，Ⅱ)(Ashby & Maddox, 2005；Maddox et al., 2013)。有关知觉类别学习的研究指出，内隐系统主要是由豆状核、尾状核、前运动皮质、多巴胺奖赏系统等调控的(Ashby et al., 2011; Maddox & Ashby, 2004; Ashby & Maddox, 2005; Ashby & Maddox, 2011)。

双系统模型假设两种系统在学习之中是相互竞争的，但是最开始是由外显的假设检验系统所控制的，被试运用工作记忆和执行注意去修正之前的规则。如果接下来需要使用更加精确的内隐的程序性学习系统，被试才会逐渐转换过来。

一般来说，语音类别学习中的实验材料有人工语音材料和自然性语音材料。

图 1展示了RB任务和Ⅱ任务的人工语音材料。A图是外显系统的RB任务的人工语音材料。研究者将音调分为了4个维度：音调(高vs低；180 Hz vs. 80 Hz)、呈现时间(长vs.短)、数目(1 vs. 2，相邻音调间不重叠)和元音种类(/a/ vs. /i/)。分类的规则是：高音调和长呈现时间、低音调和短呈现时间的语音就是A类；高音调和短呈现时间、低音调和长呈现时间的语音就是B类。

图 1

图 1 (A)基于规则任务(RB)；(B)信息整合任务(Ⅱ) (资料来源：Maddox et al., 2013)

B图则是内隐系统的Ⅱ任务的人工语音材料。首先将一个维度定义为不相关维度(如时间)，在另外的三个相关维度中，每个维度的变量都赋值+1或者-1(音高X:高音=-1，低音=+1；数量Y:数量1=+1，数量2=-1；元音Z:/a/=+1，/i/=-1)，接下来运用算法，若X+Y+Z > 0，那么这个语音便属于A类，否则就是B类。

相对于人工语音材料，自然性语音材料，如中国的普通话语音，更能模拟较为真实的语音环境，同时可以探究被试学习第二语言时的分类机制，因此在语音类别学习中可作为实验的分类材料。

中国的普通话有4个声调(mā妈；má麻；mǎ马；mà骂)，即是阴平、阳平、上声和去声，依据声调变化的不同，可以将文字的语音分为4类。从普通话声调记录的五度标记法可以看出，中国的普通话学习中具有两个重要的维度(声调高度和声调方向)，而这正是语音分类的重要线索。声调高度是分辨高低音调的重要线索，而声调方向是分辨升降音调的重要线索，两者在一个二维空间中的关系如图 2。中国人比较注重声调的学习，声调在汉语中是具有意义的。而外国人在日常交际中则不存在这样的情况，一般声调的变化只在特殊的语境中才发生(Maddox et al., 2013)。中国人由于从小接触汉语，对于声调的分类事实上已经内化为一种程序性的知识，我们可以很容易分辨出一个字的4个声调。而外国人则不同，他们对于声调的学习还是一种基于规则的学习，需要长时间的练习才能达到较为自动化的程度。

图 2

图 2 普通话材料两个维度的关系 (资料来源：Moddox & Chandrasekaran, 2014)

有关双系统模型的实验要求研究者能够对外显系统和内隐系统进行操作性分离。在语音类别学习中，主要采用的分离操作有延迟反馈和及时反馈、丰富反馈和简单反馈、组合式发音和随机混合式发音等。

最初，Maddox等(Maddox, Ashby, & Bohil, 2003; Maddox & Ashby, 2004; Maddox, Ashby, Ing, & Pickering, 2004)在实验中设置了两种条件：一是在被试对刺激反应后500ms呈现反馈(即及时反馈)，二是在被试对刺激反应后5s呈现反馈(即延迟反馈)。结果发现两种条件下的RB任务成绩并无差异，而Ⅱ成绩却在延迟反馈条件下出现下降，精确率也降低了。研究者认为，由于内隐的程序性学习系统主要依靠多巴胺调节系统来对其进行奖赏，以强化学习，而延迟反馈影响了多巴胺的释放，使得“刺激-反应”奖赏联结的有效性下降，因此会干扰内隐系统的调控学习(Maddox & Ashby, 2004; Maddox, Love, Glass, & Filoteo, 2008; Maddox et al., 2003; Maddox & Ing, 2005)。

在另一项研究中，研究者在RB和Ⅱ两种分类任务条件下设置了两种条件——丰富反馈(Full Feedback)和简单反馈(Minimal Feedback)。所谓丰富反馈即是指在反馈界面不仅呈现正确与否，还说明正确的类别是哪一类。例如在丰富反馈中，若被试回答正确，则呈现“正确！那是A类”或者“错误！那是A类”等。而简单反馈则是指仅仅呈现“正确”或“错误”这样的界面。实验研究得出的结论是，丰富反馈能促进RB学习却阻碍了Ⅱ学习。研究者认为丰富反馈能够促进产生、检验规则，而这对于外显学习是非常关键的，它同时阻碍了外显系统向内隐系统转换(Maddox et al., 2008)。

在语音类别学习中，还有一种独有的分离性操作——随机混合式发音(Mixed talkers)和组合式发音(Blocked Talkers)。如图 3所示，A图中，多个发音人发出的语音均随机呈现，这称为随机混合式发音；B图中，多个发音人发出的语音按照发音人顺序分别呈现, 其发音顺序相对固定，这称为组合式发音。组合式发音呈现允许被试提前预测下一个发音人，这能够加快假设检验，占用认知资源少，对外显学习系统是有好处的。随机式发音呈现则要面对高变化的声音信号，这阻碍了对于特定发音人规则的及时检验，在外显学习系统的调控并非最佳方式时，被试可能会更快转换到内隐的程序性学习阶段，从而促进语言学习。“随机混合式发音会占用工作记忆系统，阻碍了外显规则的产生和检验假设，由于外显系统和内隐系统是相互竞争的，因此能促进内隐学习系统。”(Chandrasekaran, Yi, & Maddox, 2014)

图 3

图 3 (A)随机混合式发音 (B)组合式发音 (资料来源：Chandrasekaran, Yi , &Maddox, 2014)

知觉类别学习的研究表明工作记忆和外显系统的功能有着密切的关系(Waldron & Ashby, 2001; Maddox et al., 2004; Zeithamova & Maddox, 2006, 2007; Filoteo, Lauritzen, & Maddox, 2010; DeCaro, Thomas, & Beilock, 2008)，工作记忆能力和RB成绩呈正相关而和Ⅱ成绩呈负相关(Decaro et al., 2008)。这种关系是否在语音类别学习上也是一样的？Chandrasekaran, Koslov和Maddox(2014)采用了如图 1所示的人工语音材料进行RB和Ⅱ任务的语音类别学习实验研究，在实验前对被试的工作记忆能力进行了评估。结果显示，工作记忆能力和外显的RB语音类别学习成绩存在显著正相关，而和内隐的Ⅱ语音类别学习则无显著相关。另一项关于老年人的研究，同样采用人工语音材料，结果发现在RB语音类别学习中，工作记忆能力和学习速度呈正相关，而在Ⅱ语音类别学习中，高工作记忆却和学习速度慢是相关的(Maddox et al., 2013)。

这些语音类别学习研究支持了既往知觉类别学习的研究结论，即工作记忆会影响RB语音类别学习，而对Ⅱ语音类别学习的影响甚少。一般来说，工作记忆高有助于RB学习，这与其神经结构是相关的。但是，最近的研究发现，在知觉类别学习中，持续的工作记忆任务也会影响Ⅱ任务的成绩(Miles, Matsuki, & Minda, 2014)，那么在语言类别学习中，这种干扰是否也会影响Ⅱ语音类别学习成绩呢？

普通话材料是自然性语音材料，那么普通话的分类学习究竟是需要外显系统还是内隐系统呢？由于语音具有维度多、复杂、难以表达分类规则等特点，如果通过外显的假设检验系统产生和检验规则便需要占用大量的认知资源，而这并不符合语言学习的经济性原则；再者，人类的语音学习始于婴儿阶段，而此时儿童并未有成熟的注意能力和工作记忆。因此，普通话的学习更有可能是由内隐的程序性系统所操控的。

Chandrasekaran, Yi和Maddox(2014)设置了3个实验探究语音类别学习。实验1设定了反馈类型(及时反馈vs.延迟反馈)，实验2设定了反馈内容(简单反馈vs.丰富反馈)，实验3设定了发音人变化(随机式vs.组合式)。实验均采用普通话材料，被试的任务是根据声调的变化将语音刺激分为4类。结果显示，被试在及时反馈、简单反馈和随机式发音条件下，学习末尾阶段的成绩较高。说明相对于研究者针对外显学习系统所设置的条件，那些针对内隐学习系统的实验设置确实加强了学习，证实了在普通话语音类别学习中，内隐学习系统对于成人来说是最佳的学习系统。如果反馈较为简单且及时，加上高变化的发音人变量，它事实上可以促进对汉语声调的分类学习。

尽管研究者提出了内隐系统是最佳学习系统，但外显系统是否完全未起作用呢？哪一种学习策略更优呢？研究者借助模型拟合的方法，分离被试的分析策略，以寻找内在的认知加工过程。

研究者选择了22位被试，采用普通话语音材料进行实验。发音材料中有男性发音人(2人)，也有女性发音人(2人)，两者的声音频率是不同的。由于被试可能会根据男女声调的不同来分类，为了在进行模型拟合时将性别线索分离出来以获得更为精确的结果，研究者将被试分为两组——分离者(Separator)和非分离者(Non-separator)。模型拟合的结果显示，分离者中有10人采用内隐学习策略，10人采用外显学习策略，仅有2人未进行有效分离。对其正确率进行比较发现，使用内隐策略的被试的学习正确率明显高于使用外显策略者。这个结果进一步说明在语音类别学习中，内隐的程序性学习系统起着更加重要的作用，使用内隐策略会使学习结果更加精确。

上述研究表明先进行性别线索的分离，后采用内隐学习策略是一种比较好的策略。但是如果要进行性别分离，便需要工作记忆等认知功能，而这是由外显学习系统所调控的，是不是使用分离的人会显示出较高的工作记忆呢？于是研究者进行了第二次实验，这次实验将原来的4个发音人改成2个发音人(1男1女)，以减少音调的变化程度，其次是在实验前测试被试的工作记忆能力。结果显示，分离者的学习正确率明显高于未分离者；对最后一个Block采用分离和未分离策略的被试，比较其工作记忆能力，发现分离者的工作记忆能力明显比未分离者高，这证实了对发音人采用分离策略的被试可能有更高的工作记忆能力。这个实验揭示了外显学习系统在语音学习中也是非常重要的，成功的学习者是结合使用外显学习策略和内隐学习策略的(Maddox & Chandrasekaran, 2014)。

有关普通话的语音类别学习研究表明，普通话的分类习得是一个由内隐学习系统操控的过程，当然外显学习系统同时发挥着重要的作用，只有结合使用外显学习策略和内隐学习策略才能获得更好的分类成绩。尽管不少研究者认为语言需要较高的工作记忆能力来分离性别发音线索，但是也有学者指出，“人类对于语音的知觉已经带有一定概括性，这使我们能够不受说话者年龄、性别、口音等无意义特征的影响而高效率地理解别人所说的话”(邵志芳，2006)。这些问题尚需进一步探讨。

通常，额叶所控制的认知功能会随着年龄的增长而衰退，譬如工作记忆能力或者假设检验能力等。既然衰老会伴随着认知功能的衰退，那么老年人在语音学习中是否就比年轻人差呢？有鉴于此，研究者展开了一项关于语音类别学习的发展性研究(Maddox et al., 2013)。

研究者分别筛选了年轻人和老年人，在实验开始前，研究者对老年人进行了注意、执行功能和记忆的神经心理学测试，正常的老年人才能进行实验。结果发现在RB语音类别学习中，年轻人学习分类的速度明显比老年人快，且年轻人学会分类的人数比老年人多。而在Ⅱ语音类别学习中，老年人和年轻人的语音分类速度是相同的，学会分类的人数也无显著差异，这说明在Ⅱ任务的语音类别学习中，两者的成绩是相同的。这也表明，在衰老过程中，语音类别学习的RB学习会受阻，而Ⅱ学习则不会。

在上述实验的基础上，研究者进行了另一个采用自然性的普通话材料的研究，发现老年人的表现比年轻人差，学会率比年轻人低，能够正确学会语音分类的人数相对较少。进一步的模型拟合结果显示，使用单维度策略的老年人和年轻人并无差异，而使用双维度策略则有年龄差异，相对来说，年轻人较多使用多维度策略并获得较好的成绩。研究结果说明老年人不能有效利用两个线索(声调高度和声调方向)去辨别语音并分类，他们主要使用声调高度去辨别。这在英语中是辨别男女性别的重要线索(如低音是男性，高音是女性)，但是在普通话学习中，这是次佳策略(Suboptimal Strategy)。这项发展性研究说明，外显学习系统比程序性的内隐系统更容易受到年龄的影响。尽管普通话材料的最佳认知加工系统是内隐系统，但是，老年人仍然无法更好学会普通话的语音分类，这可能是由于他们在策略上的使用偏误而导致的。

语言学习中的“情感过滤假说”(The Affective Filter Hypothesis)指出，学习者的动机、焦虑等情感因素会影响语言学习(孟春国，2004)。那么抑郁情绪是否会影响语音类别学习呢？为此研究者进行了两项研究(Maddox, Chandrasekaran, Smayda, Yi, Koslov, & Beevers, 2014)。他们先对被试进行筛选和心理评估，将被试分为抑郁组和正常组。研究采用如图 1的人工听力材料，反馈为简单反馈。结果显示，在语音类别学习的RB任务中，抑郁组虽能完成任务，但速度较正常组慢；而在语音类别学习的Ⅱ任务中，抑郁组则完成得更快。这说明带有抑郁组的被试在学习外显的语音分类材料时比常人慢，但在学习内隐的语音分类材料时则比常人快。在另一项研究中，研究者采用自然性的普通话语音材料进行实验，结果发现抑郁组的准确率更高，他们会更快使用内隐策略，而且更频繁使用该策略，他们在使用内隐加工策略上也比正常组更精确。研究者认为，既往研究中都指出了抑郁症病人在外显加工过程中的确存在着缺陷，这将造成抑郁症病人在类别学习中的外显假设检验能力下降。而双系统模型则指出，外显加工和内隐加工是相互竞争的：既然外显的假设检验能力下降了，那么内隐的程序性学习系统便加强，由于自然性的语音类别学习是内隐的，那么可能就会使得抑郁个体有更好的语音学习(Maddox et al., 2014)。以上研究再次支持了双系统模型，即抑郁组的被试由于外显加工能力下降从而增强了内隐加工能力，以致于有更好的语音分类学习成绩。

由于语音类别学习的人群分类学习特点研究目前局限于老年人和抑郁个体，在其他人群中的特点仍可探讨。其次，在语言学习中，在真实环境中是存在视觉信息的，老年人在实际生活中也可能利用视觉信息来补偿语言获得的劣势，如唇音的使用。那么这种效应是否也会影响语音类别学习？

目前，语音类别学习已经取得了一定的成果，如工作记忆影响语音类别学习的RB任务而非Ⅱ任务、普通话的分类习得是一种内隐学习等。但是，已有研究尚存在一定的局限性，未来可从以下几方面加以探讨：

第一，当前的语音类别学习大多借鉴知觉类别学习的研究，因为关于听觉的神经机制研究未曾明确而且与视觉也不尽相同，不可盲目应用视觉类别学习的成果作为听觉、语音类别学习的研究基础，未来的研究可应用ERP、fMRI等技术对神经机制加以探讨。

第二，关于语音类别学习的认知研究仍可进一步拓展。最近的研究发现，在知觉类别学习中，持续的工作记忆任务也会影响Ⅱ任务的成绩(Miles, Matsuki, & Minda, 2014)，这提示我们可进行进一步的实验设计，探讨持续的工作记忆任务是否也会影响语音类别学习中的Ⅱ任务或者是普通话分类任务；其次，有学者认为人类对语音的知觉可以不受性别等因素的影响(邵志芳，2006)，由于男女的发音频率有所差异，在语音类别学习中，对于性别的加工是否影响到语音类别学习尚需进一步探讨。

第三，在实际的语言学习中是存在视觉信息的。研究已经发现即使是非本族的被试，在进行语音学习时，对于视觉信息的使用也能够促进学习(Xie, Yi, & Chandrasekaran, 2014)。老年人可能在听觉方面相对年轻人来说不太敏感，但是老年人在日常生活中可能会利用视觉的信息来帮助听力理解，未来的研究可考虑探讨老年人在视听环境中的语音类别学习成绩。

最后，语音类别学习的不同人群分类特点尚可探讨。已有的研究指出了儿童的规则学习尚未发育成熟，而根据双系统模型，外显系统的抑制会增强内隐系统，这是否会促进儿童对于普通话材料的习得？未来的研究可进行儿童的语音类别学习研究，这既能揭示儿童的语音分类学习机制，也能为国外汉语的幼儿教育提供更好的教学研究视角。由于双语学习者的语言学习可能与单语学习者不同，未来的研究还可探讨语音类别学习中双语学习者的认知加工特点。