2025年科研成果-论文年度总结
黑料不打烊
今年共发表了9篇文献，横跨语言神经机制、语言与认知发展、语言习得与教育、语音情感识别领域，探索大脑与语言的奥秘。AI 帮我们把这些研究捋一捋、扯扯闲篇儿！全程直白不绕弯，绝对听着不无聊、越听越入迷～
一、语言神经机制（Neural mechanisms underlying language processing）
张文嘉,董洁,冯根义,王刚,古宗文,高旭,刘馨怡,燕浩*(2025). The neural mechanisms underlying semantic unification and semanteme integration. Brain and Language, 269, 105629.（SSCI JCR Q1）
注：这张图就像“大脑的语言加工竞赛现场直播”——左边是“语义整合”赛道，只有右侧颞叶前部（RATL）在默默干活，右边是“义素整合”赛道，却是“全脑总动员”：颞叶前部、颞叶后部、角回、额下回……全都亮了起来。
比较大脑干两种“拼意思”的活儿：一是常见的语义整合（把“吃”和“药”拼成“吃药”），二是不常用的义素整合（把“男性”“长辈”拼成“父亲”）。结果发现，“造字”这种精细活可比“组词”费脑多了！它得召集更多脑区（比如右侧颞叶前部、角回）开“联合会议”，脑区之间的“电话线”也忙到发热。看来对付非常规任务，大脑也得搞跨部门协作才行。
张文嘉,闫志强,董洁,刘馨怡,郑奥科,梁红,燕浩*(2025). The nature of syntactic working memory during relative clause processing: fMRI evidence from multiple anatomic ROIs. Neuropsychologia, 211, 109107.（ SCIE 中科院Q3）
注：这是大脑的“工作强度指示器”：红色（主语从句）让左脑前额叶和颞叶多个子区域“加班”点亮；蓝色（宾语从句）则让它们轻松不少。大脑处理复杂句子时，就像同时开了“语言专属”和“通用内存”两个后台程序，忙得不亦乐乎。
想搞懂大脑处理套娃句子（比如“那个昨天撞了你的司机”）时，用的“句法工作内存”是公用的还是语言私有的？结果发现汉语里有个反直觉现象：宾语从句（像“富豪勾结的法官”）反而比主语从句（像“勾结富豪的法官”）更好懂！因为汉语中心语后置的特点，把中心语（“法官”）和动词（“勾结”）扯得太远，大脑“内存条”直接告急。fMRI扫描显示，左脑前额叶两块区域——管通用记忆的背侧和管语言特需的腹侧——同时忙到飞起。看来这“内存”是公私合营的，既干粗活也搞专业！
闫志强,张文嘉,董秋峰,董洁,黄莹颖,蒋晓帆,燕浩*(2025). The role of left anterior temporal lobe in basic linguistic composition: Evidence from stereo-electroencephalography. Neuroscience, 569, 155-160.（SCIE 中科院 Q4）
注：左前颞叶是处理视觉模态短语语义整合的关键脑区，且该处理过程在词汇呈现后约125毫秒达到高峰。
想看看左侧颞叶前部（LATL）在组合两个词（比如“红船”）时是不是真在干活？之前用脑磁图（MEG）看“读”词时它挺活跃，但用颅内电极（iEEG）听“听”词时它却“装睡”。这回研究者直接让癫痫患者用iEEG“读”词，结果抓了个正着：LATL在整合词汇语义时（约125毫秒）高频伽马波明显更强！看来这个脑区确实是个“组合器”，但它的表现可能取决于你是“看”还是“听”指令。这提示刺激模态（视觉vs听觉）可能是关键，未来得让iEEG也比比“视听差异”。
张艺，段绪，冯延琴，梁渊，黄莹颖，燕浩*(2025). Interpersonal neural synchronization in frontal-temporal regions as new neurophysiological index of interpretation quality: an fNIRS hyperscanning study. Language, Cognition and Neuroscience, 40(2), 165-176.（SSCI JCR Q1）
注：这仨脑区堪称 “口译打工人天团”：口译分越高，MTG的INS越高；练得越久，DLPFC 的 “干劲值” 越飙，是工龄越长越靠谱的老黄牛；就 IFG 玻璃心，心理压力一上来直接摆烂，INS 唰唰往下掉 —— 主打一个 “压力大了干不动”。
文献实锤口译相关脑区的 “小脾气”：口译分数越高，左MTG的INS越给力；训练时长越久，左DLPFC的同步性越在线；心理负荷一超标，左IFG的INS 直接 “躺平”，这神经同步规律藏都藏不住～
王旭东，葛猷勋，应奎林，昌颖超，罗杨眉，燕浩*，陈煦海* (2025).Anger expression facilitates social punishment and neural synchrony in collective unfairness. Cerebral Cortex, 35(7), bhaf185. （SCI, 中科院Q2）
注：先给大脑 “地图” 标好关键位置—— 右侧颞顶联合区（r-TPJ）（图 A）。等清晰甩愤怒脸时，它的 “脑电波同步值”（INS）直接飙高（图 B）；表情明明白白的话，这同步值还能预判 “集体拒绝率”，但表情一被挡，这预判技能直接失灵（图 C-D）。
这波研究把 “愤怒的力量” 玩明白了！用 fNIRS + 三人最后通牒游戏实测，清晰的愤怒表达直接让集体惩罚值拉满，右侧颞顶联合区的大脑同步还 “开挂” 上涨，甚至能预判拒绝率；可一旦表情被遮，这波 “愤怒 buff” 直接掉线，效果大打折扣～
二、语言与认知发展（Language and Cognitive Development)
梁渊，闫婕，李艳，肖颖，燕浩* (2025). How Linguistic Labels and Objects Types Shape Inductive Reasoning in Chinese Preschool Children Aged 3 to 5 Years. Infant and Child Development, 34(4), e70033.（SSCI JCR Q2）
注：这是实验给娃出的“认亲选择题”：左边三个小人儿，一个只同名不同貌（标签匹配）、一个只同貌不同名（属性匹配）、还有一个纯属路人（干扰项），娃得回答 “新来的这个人，到底是跟同名的那个玩，还是跟撞脸的那个玩”。这简直是一道精准的 “灵魂拷问”：在孩子的世界里，交朋友到底是“认名字”还是“认脸”？
3-5岁大脑推理系统，正在加载“高级补丁”！“语言标签”是核心插件，但加载效果取决于物品类型：自然物（如人物）能成功安装，让孩子从“刷脸认证”转向“调用内在大数据”；人造物（如玩偶）则兼容性不足，孩子还是主要依赖“外观扫描”。5岁是升级关键期，抽象归类能力大幅解锁，不过对人造物的“算法”还需要更多训练数据！
张艺，段绪，冀婷，冯延琴，董秋峰，燕浩*(2025). Conceptual transfer in the mind of Chinese English learners: Spatial metaphorical concepts of kin terms. International Journal of Bilingualism, 13670069251391120.（SSCI JCR Q2）
注：这张图揭示了大脑的“语言滤镜”：说中文时，亲属词自带尊卑坐标轴（长辈在上，晚辈在下）；换成英文，这套“空间密码”就失效了——不同语言塑造了不同的认知模式。
研究发现，二语学习者脑子里能装两套“认知系统”。英语学得越好，你的中文亲属词认知越可能被“悄悄改造”。这波“逆向概念迁移”实锤了：你学的语言，真的会偷偷给你大脑“重新布线”！
三、语言习得与教育(Language Acquisition and Education)
梁渊，冀婷，周淑莹，刘晓琳，燕浩*(2025). Applying the online language learners’ characteristics model in connection with various personality traits: A latent profile analysis. British Educational Research Journal ，00, 1–23.（SSCI JCR Q1）
注：性格决定学习状态，而你属于哪一派，可能早就写在你的“人格使用说明书”里了。
给理工科大学生画个像，看看不同性格（按“大五人格”分类）的人上网学语言有啥特点。在线语言学习特征可以从以下五方面描绘：策略、态度、动机、归因、自我效能感。而学生人格大致分四型：焦虑型、稳定型、随和型、活泼尽责型。猜谁最厉害？活泼尽责型夺冠！他们策略多、动力足、自信心爆棚。研究还顺手给了教学妙招：把活泼的和焦虑的同学组队，就能互相带飞！
四、语音情感识别(Speech Emotion Recognition)
张丽敏, 李扬, 蔡浩，燕浩*(2025). 多层次通道融合语音情感识别方法. 计算机科学与探索, 19(08), 2219-2228.（北大中文核心，CSCD检索）
注：这张图展示了AI的“情感双通道”：左侧进行数据增强；中间两个并行通道分别用Wav2vec 2.0和CNN提取语音数据的深层表征和浅层表征；最后像“情感调音师”一样把深浅特征融合，让AI识别你的真实情绪。
给AI装上“情感耳朵”（语音情感识别系统）！它先用数据增强练就“抗噪听力”（提高模型的鲁棒性），再开双通道：一个深挖语音内涵（wav2vec 2.0），一个捕捉声音表情（CNN），再把语音数据的深浅特征一融合，AI就能准确识别你的真实情绪~
