利用脑电技术探索语言转换情境对领域一般性认知控制的动态调节机制
2026-02-24 来源:本站 点击次数:179
双语认知优势的关键：不是切换频率，是切换类型
引言/背景介绍
双语者在日常交流中频繁切换语言，这种转换可能涉及外部线索（强制转换）、自主选择（自愿转换）或文化偏好（自然转换），其背后的认知控制机制存在差异。先前研究多聚焦于语言环境对认知控制的静态影响，结果并不一致，尤其缺乏对不同转换情境动态调节作用的直接比较。为探究强制、自愿和自然三种转换情境如何动态影响领域一般性认知控制，本研究结合脑电技术与跨任务范式，考察中英不平衡双语者在完成交错进行的语言转换任务与Flanker任务时的神经活动。通过分析行为数据、事件相关电位及构建预测模型，旨在揭示语言控制与一般认知控制之间的动态适应关系，深化对双语认知优势情境依赖性的理解。
文章信息
论文概要
近日，北京师范大学心理学部研究团队利用脑电技术与机器学习方法，系统探索了不同语言转换情境对领域一般性认知控制的动态调节机制。研究成果发表于Psychophysiology，题为《The dynamic influence of language-switching contexts on domain-general cognitive control: An EEG study》。该研究通过采集29名中英不平衡双语者在完成交错进行的图片命名与Flanker任务时的脑电数据，比较了强制转换、自愿转换和自然转换三种情境在行为表现、事件相关电位（P3成分）及脑-脑预测关系上的差异。结果发现，在所有情境中，强制转换的特征最为突出：仅在该情境下出现了反向Flanker效应（一致试次P3波幅大于不一致试次），且其不一致试次的P3波幅显著小于其他情境。此外，基于岭回归模型的预测分析表明，仅强制转换情境的语言加工神经活动能够有效预测后续认知任务的脑电响应，且该预测结果与行为表现存在显著关联。这一工作不仅揭示了语言控制向认知控制动态适应的情境特异性模式，还为理解双语经验如何灵活调节领域一般性执行功能提供了关键的神经证据。
研究方法
本研究共纳入29名以汉语为母语、英语为第二语言的中英不平衡双语者（10名男性，19名女性，平均年龄22.66岁）。研究采用交叉任务范式（见图1），将图片命名任务与Flanker任务交错进行，以探究在不同语言转换情境下语言控制对领域一般性认知控制的动态影响。实验设置了三种语言转换情境：
强制转换：依据颜色线索指示命名语言（红 / 蓝对应不同语言）
自愿转换：红蓝拼接线索，由参与者自由选择命名语言
自然转换：命名具有明显语言偏向的图片，如“Wifi”或“粽子”。
Flanker任务包含一致（所有箭头方向相同）与不一致（中心箭头方向与两侧箭头相反）两种试次类型。整个实验流程共包含6个任务区块（每种转换情境各2个区块），共计684个试次，区块顺序在被试间平衡。
研究使用64导联脑电系统连续记录脑电活动，采样率为1000 Hz。数据预处理包括降采样至500 Hz、0.1-30 Hz带通滤波、双侧乳突重参考，并采用独立成分分析去除眼动等伪迹。以Flanker刺激呈现为0点，提取-200至800 ms的脑电片段，重点分析中央-顶叶和顶叶区域在N1（120-220 ms）和P3（350-450 ms）时间窗口的平均波幅。
行为数据分析采用线性混合效应模型，以情境类型、命名试次切换类型和Flanker类型作为固定效应。为进一步探究语言加工对认知控制的神经预测关系，研究构建了正则化岭回归模型，将前序命名试次的脑电活动作为自变量，预测后续Flanker试次的神经响应。最后通过规格曲线分析框架，系统检验了实际脑电活动、模型预测值及语言能力变量与行为反应时的关联模式，采用1000次自助抽样评估结果的统计稳健性。该多方法联用的设计旨在从行为、神经响应和预测关系三个层面揭示语言-认知动态适应的机制。
主要结果
本研究通过脑电（EEG）记录与机器学习预测模型，结合试次间分析，系统考察了强制、自主和自然三种语言切换语境对领域一般性认知控制的动态调节作用。
图2展示了被试在三种切换语境下的行为表现（正确率Accuracy与反应时RT），结果表明三种语境在行为水平上未产生显著差异，确认了基本认知负荷的等同性，为后续神经层面的特异发现提供了对照基础。
图3 的ERP分析揭示了神经加工层面的关键语境差异：图 3a 和图 3b 展示了在中央顶区和顶区电极上，三种切换情境下与刺激起始时间同步的总平均波形。图3c 显示，自然切换语境下转换-不一致试次的早期注意（N1成分）投入显著弱于强制与自主切换语境；而典型的冲突相关早期注意力增强仅在强制切换语境中出现。图3d 进一步表明，仅在强制切换语境中出现了非典型的反向Flanker效应（P3成分上一致试次振幅大于不一致试次），且其冲突试次（不一致）的P3振幅显著低于自然与自主切换语境。
图4a 的岭回归预测模型结果证实，语言控制与一般认知控制的神经关联具有高度语境选择性。表1具体量化了这一差异：强制切换语境对一致和不一致试次的预测强度（r值）均显著高于自然与自主切换语境（所有比较 t > 30.96, p < .001），凸显了其预测优势的绝对性和鲁棒性。
表1. 三种切换情境下岭回归模型系数的计划对比
图4b 的规格曲线分析进一步将这种神经预测力与行为关联起来。表2显示，仅在强制切换语境中，模型预测值（Forced_pv）与一致试次反应时存在显著正相关（中位数标准化回归系数 β = 29.32, p < .001），且在全部9个模型设定中有6个呈现显著正关联；而其他语境或使用实际脑电值作为预测因子时，均未发现稳定的显著关系。
表2. 一致试次规格曲线分析的自助抽样结果
结论与讨论
本研究通过对比不同语言切换语境，确立了强制切换在双语认知控制动态适应中的核心作用。研究发现，仅在该语境下会引发非典型神经模式（反向Flanker效应），且语言与认知控制脑活动呈现稳健耦合。基于此构建的预测模型成功揭示了跨领域控制的脑-脑及脑-行为关联。
这项工作验证了语境特异性是双语认知优势的关键调节变量，并通过多方法融合构建了从神经机制探测到行为预测的完整分析路径。随着生态化研究的发展，该成果推动双语认知研究从静态优势论证转向动态机制探索，为揭示语言与认知控制的交互边界提供了新范式。
原文信息链接
Liu D, Meng Y, Liu L, et al. The dynamic influence of language‐switching contexts on domain‐general cognitive control: An EEG study[J]. Psychophysiology, 2025, 62(2): e14736.
DOI: 10.1111/psyp.14736
主要作者及研究单位
本文作者为Dongxue Liu、Yujie Meng、Linyan Liu、 Shuang Liu均来自北京师范大学，John W. Schwieter来自麦克马斯特大学。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
引言/背景介绍
双语者在日常交流中频繁切换语言，这种转换可能涉及外部线索（强制转换）、自主选择（自愿转换）或文化偏好（自然转换），其背后的认知控制机制存在差异。先前研究多聚焦于语言环境对认知控制的静态影响，结果并不一致，尤其缺乏对不同转换情境动态调节作用的直接比较。为探究强制、自愿和自然三种转换情境如何动态影响领域一般性认知控制，本研究结合脑电技术与跨任务范式，考察中英不平衡双语者在完成交错进行的语言转换任务与Flanker任务时的神经活动。通过分析行为数据、事件相关电位及构建预测模型，旨在揭示语言控制与一般认知控制之间的动态适应关系，深化对双语认知优势情境依赖性的理解。
文章信息
论文概要
近日，北京师范大学心理学部研究团队利用脑电技术与机器学习方法，系统探索了不同语言转换情境对领域一般性认知控制的动态调节机制。研究成果发表于Psychophysiology，题为《The dynamic influence of language-switching contexts on domain-general cognitive control: An EEG study》。该研究通过采集29名中英不平衡双语者在完成交错进行的图片命名与Flanker任务时的脑电数据，比较了强制转换、自愿转换和自然转换三种情境在行为表现、事件相关电位（P3成分）及脑-脑预测关系上的差异。结果发现，在所有情境中，强制转换的特征最为突出：仅在该情境下出现了反向Flanker效应（一致试次P3波幅大于不一致试次），且其不一致试次的P3波幅显著小于其他情境。此外，基于岭回归模型的预测分析表明，仅强制转换情境的语言加工神经活动能够有效预测后续认知任务的脑电响应，且该预测结果与行为表现存在显著关联。这一工作不仅揭示了语言控制向认知控制动态适应的情境特异性模式，还为理解双语经验如何灵活调节领域一般性执行功能提供了关键的神经证据。
研究方法
本研究共纳入29名以汉语为母语、英语为第二语言的中英不平衡双语者（10名男性，19名女性，平均年龄22.66岁）。研究采用交叉任务范式（见图1），将图片命名任务与Flanker任务交错进行，以探究在不同语言转换情境下语言控制对领域一般性认知控制的动态影响。实验设置了三种语言转换情境：
强制转换：依据颜色线索指示命名语言（红 / 蓝对应不同语言）
自愿转换：红蓝拼接线索，由参与者自由选择命名语言
自然转换：命名具有明显语言偏向的图片，如“Wifi”或“粽子”。
Flanker任务包含一致（所有箭头方向相同）与不一致（中心箭头方向与两侧箭头相反）两种试次类型。整个实验流程共包含6个任务区块（每种转换情境各2个区块），共计684个试次，区块顺序在被试间平衡。
图1. 跨任务试次结构（上图）与实验设计（下图）
研究使用64导联脑电系统连续记录脑电活动，采样率为1000 Hz。数据预处理包括降采样至500 Hz、0.1-30 Hz带通滤波、双侧乳突重参考，并采用独立成分分析去除眼动等伪迹。以Flanker刺激呈现为0点，提取-200至800 ms的脑电片段，重点分析中央-顶叶和顶叶区域在N1（120-220 ms）和P3（350-450 ms）时间窗口的平均波幅。
行为数据分析采用线性混合效应模型，以情境类型、命名试次切换类型和Flanker类型作为固定效应。为进一步探究语言加工对认知控制的神经预测关系，研究构建了正则化岭回归模型，将前序命名试次的脑电活动作为自变量，预测后续Flanker试次的神经响应。最后通过规格曲线分析框架，系统检验了实际脑电活动、模型预测值及语言能力变量与行为反应时的关联模式，采用1000次自助抽样评估结果的统计稳健性。该多方法联用的设计旨在从行为、神经响应和预测关系三个层面揭示语言-认知动态适应的机制。
主要结果
本研究通过脑电（EEG）记录与机器学习预测模型，结合试次间分析，系统考察了强制、自主和自然三种语言切换语境对领域一般性认知控制的动态调节作用。
图2展示了被试在三种切换语境下的行为表现（正确率Accuracy与反应时RT），结果表明三种语境在行为水平上未产生显著差异，确认了基本认知负荷的等同性，为后续神经层面的特异发现提供了对照基础。
图2. 三种切换情境下的准确率（a）与反应时（b）。圆点代表对应被试的单次测量值。Con：一致试次；Incon：不一致试次
图3 的ERP分析揭示了神经加工层面的关键语境差异：图 3a 和图 3b 展示了在中央顶区和顶区电极上，三种切换情境下与刺激起始时间同步的总平均波形。图3c 显示，自然切换语境下转换-不一致试次的早期注意（N1成分）投入显著弱于强制与自主切换语境；而典型的冲突相关早期注意力增强仅在强制切换语境中出现。图3d 进一步表明，仅在强制切换语境中出现了非典型的反向Flanker效应（P3成分上一致试次振幅大于不一致试次），且其冲突试次（不一致）的P3振幅显著低于自然与自主切换语境。
图3. 三种切换情境下中央 - 顶叶 / 顶叶电极的 N1、P3 成分波形与平均波幅
图4a 的岭回归预测模型结果证实，语言控制与一般认知控制的神经关联具有高度语境选择性。表1具体量化了这一差异：强制切换语境对一致和不一致试次的预测强度（r值）均显著高于自然与自主切换语境（所有比较 t > 30.96, p < .001），凸显了其预测优势的绝对性和鲁棒性。
图4. 三种语言切换情境与侧翼任务间关系的岭回归模型预测结果
表1. 三种切换情境下岭回归模型系数的计划对比
表2. 一致试次规格曲线分析的自助抽样结果
结论与讨论
本研究通过对比不同语言切换语境，确立了强制切换在双语认知控制动态适应中的核心作用。研究发现，仅在该语境下会引发非典型神经模式（反向Flanker效应），且语言与认知控制脑活动呈现稳健耦合。基于此构建的预测模型成功揭示了跨领域控制的脑-脑及脑-行为关联。
这项工作验证了语境特异性是双语认知优势的关键调节变量，并通过多方法融合构建了从神经机制探测到行为预测的完整分析路径。随着生态化研究的发展，该成果推动双语认知研究从静态优势论证转向动态机制探索，为揭示语言与认知控制的交互边界提供了新范式。
原文信息链接
Liu D, Meng Y, Liu L, et al. The dynamic influence of language‐switching contexts on domain‐general cognitive control: An EEG study[J]. Psychophysiology, 2025, 62(2): e14736.
DOI: 10.1111/psyp.14736
主要作者及研究单位
本文作者为Dongxue Liu、Yujie Meng、Linyan Liu、 Shuang Liu均来自北京师范大学，John W. Schwieter来自麦克马斯特大学。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >