这篇文档属于类型a，是一篇关于第二语言（L2）学习者预测性语言处理的原创研究论文。以下是对该研究的详细学术报告：
作者及机构
本研究由Marta Tagliani（意大利维罗纳大学）、Lucas Cruz（维罗纳大学/巴西米纳斯吉拉斯联邦大学）、Michela Redolfi（维罗纳大学）、Natalya Shirokorad（维罗纳大学/意大利博尔扎诺自由大学）、Massimiliano Canzi（德国康斯坦茨大学）、Chiara Melloni和Maria Vender（维罗纳大学）合作完成，发表于International Journal of Bilingualism（2025年）。
学术背景
研究领域与动机
研究聚焦于预测性语言处理（predictive processing）在母语（L1）与二语（L2）理解中的作用，重点关注语音（phonological）和语义（semantic）线索的整合机制。过去二十年，预测被认为是语言理解的核心认知机制，但L2学习者是否能像L1使用者一样利用这些线索仍存在争议。部分研究表明，L2学习者的预测能力较弱，且受语言熟练度影响，但具体机制尚不明确。
研究目标
- 比较L1与L2学习者在语义和语音线索（如押韵）下的预测行为差异；
- 探究L2熟练度（B1、B2、C1/C2级）如何影响预测能力；
- 验证多线索整合（如语义+押韵）是否会促进或阻碍L2预测。
研究流程与方法
实验设计
研究采用视觉世界范式（visual world paradigm）结合眼动追踪技术，通过记录被试在听到句子时对目标图像的注视行为，分析其预测性加工的时间进程。
研究对象
- L2组：61名意大利英语学习者（B1级19人、B2级21人、C1/C2级21人），年龄19–36岁；
- L1对照组：23名英语母语者（来自美、英、爱尔兰等地），年龄19–69岁。
所有被试需通过词汇测试（准确率≥67%），并排除语言障碍或视力问题。
实验材料
- 听觉刺激：36句英语句子，结构为“[A N1 is V-ing a N2]”（如“A parrot is eating a carrot”），分为4种条件：
- 基线条件（baseline）：图像与动词语义相关但无押韵；
- 押韵条件（rhyme）：一图像与N1押韵；
- 语义条件（semantic）：仅一图像与动词语义匹配；
- 语义+押韵条件（rhyme+semantic）：唯一语义匹配的图像与N1押韵。
- 视觉刺激：黑白线条图，避免颜色或显著性干扰。
实验步骤
- 校准：被试通过9点校准确保眼动数据准确性；
- 试次流程：
- 注视中央十字（500ms）；
- 呈现图像预览（2000ms）；
- 播放句子音频（2306–2904ms）；
- 间隔2000ms后进入下一试次。
- 任务：被试需快速注视音频提到的目标图像，无需按键反应。
数据分析
- 模型：采用广义加性混合模型（GAMMs）分析注视比例，时间锁定动词或宾语起始点；
- 变量：实验条件、熟练度、时间交互作用；
- 随机效应：被试个体差异及句子差异。
主要结果
1. L1与L2的预测差异
- 语义线索：所有组别均能快速利用动词语义预测目标（B1组延迟显著）；
- 押韵线索：仅L1组在动词窗口期（verb window）表现出押韵效应，L2组需待宾语出现后才激活押韵预测。
2. 熟练度的影响
- B1组：语义整合最慢，押韵效应几乎缺失；
- C1/C2组：押韵整合速度接近L1，但仍有差距；
- 多线索整合：B1/B2组在“语义+押韵”条件下表现更差，表明低熟练度者难以协调多线索。
3. 时间进程
- 宾语出现后约1000ms，所有条件注视比例趋近天花板，但L2组上升速度随熟练度提高而加快。
结论与价值
科学意义
- 理论贡献：证实L2预测依赖熟练度，且多线索整合需要更高认知资源，支持预测-by-生产理论（prediction-by-production）；
- 方法论创新：首次结合GAMMs分析眼动时间序列，揭示L2预测的动态差异；
- 应用价值：为L2教学提供实证依据，建议加强语音训练（如押韵）以提升预测能力。
亮点
- 新颖性：首个探讨多线索整合对L2预测影响的研究；
- 技术严谨性：高精度眼动仪（1000Hz采样率）与复杂统计模型结合；
- 跨群体对比：涵盖从初级到接近母语水平的L2学习者。
局限与展望
- 样本量较小，未来可扩大L2组别；
- 需进一步考察双语者的语言历史（如使用频率）对预测的影响。
其他有价值内容
研究补充了词汇测试和语言背景问卷数据，确保被试语言水平的可靠性。此外，作者公开了实验材料与数据（OSF平台），促进学术复现。