视觉先导机制：儿童早期二语习得的一个理论构想

摘  要：本文针对儿童早期二语习得中视觉信息的作用，提出一个初步的理论构想——“视觉先导机制”，即视觉表征可能先于语言符号进入儿童的概念系统，并在二语意义建构中发挥结构性作用，而非仅仅是语言理解之后的辅助材料。文章结合Paivio的双重编码理论与具身认知理论，梳理来自行为、神经与眼动研究等多个角度的相关证据，尝试在此基础上构建“视觉先导型多模态加工模型”（VLMPM），并讨论其可能带来的教学启示与研究局限。需要特别说明的是，本文所提出的“视觉先导机制”目前仅为初步理论假设，尚未形成系统、完整的实证支撑体系，主要作为相关后续研究的前期思路铺垫，其跨语言、跨年龄的适用范围及具体神经机制有待后续研究进一步检验与完善。

　　关键词：视觉先导机制；儿童二语习得机制；多模态加工

　　问题提出

　　儿童如何习得语言，尤其是第二语言，一直是语言科学与教育研究的重要议题。长期以来，相关研究路径聚焦于语言输入的质量与数量（如互动输入、可理解性输入等）以及语音加工能力（如音系意识、语音辨识、听觉加工）等方面。多模态互动研究虽然关注手势、表情、共同注意、情境互动等因素，但视觉信息往往被定义为“辅助”语言理解的边缘角色，而非语言意义建构的核心驱动力，这在一定程度上限制了儿童对早期二语习得机制的整体理解。然而，儿童语言发展的事实表明，儿童并非先理解抽象词汇再寻找视觉对象，而是往往先通过视觉经验认识对象、形成概念，再将声音符号与已有概念联系起来。这一“对象—概念—声音—词义”的认知路径提示，视觉经验在语言习得中很可能扮演着比传统观点更为根本的角色——不是理解之后的附属配图，而是意义建构得以启动的先导入口。本文提出的“视觉先导机制”并非教学呈现顺序上的建议，而是尝试描述一种认知过程，即视觉表征是否以及如何先于语言符号进入概念系统，并在二语意义建构中发挥基础性作用。

　　理论基础

　　既有研究中，“视觉优先”“视觉优势”等概念虽已在心理学与教育领域被提及，教育科研中也有“先呈现视觉信息再提供语言解释”的教学顺序探讨，但这些讨论大多停留在“时间先行”或“教学呈现顺序”层面，尚未上升到认知加工机制的高度。本文所论证的“视觉先导机制”与此不同，它不是一个教学策略概念，而是一个认知机制概念，指向的是在儿童二语意义建构的认知过程中，视觉表征是否先于语言符号进入概念系统，并在语义框架的建立中发挥结构性作用。这里“先行”的不是时间顺序，而是认知加工的优先性。

　　Paivio的双重编码理论为这一判断提供了重要的理论支撑：人类认知系统包含言语系统与非言语（意象）系统，二者既相互联系又具有相对独立性。儿童在掌握语言符号之前，已经通过日常视觉经验形成了大量关于世界的知识，这些视觉意象构成了语言符号建立意义联系的重要基础。因此，在二语学习中，视觉信息或许并非语言输入之后附加的材料，而是激活概念系统的重要入口之一。具身认知理论进一步强化了这一观点：语言理解并非单纯的符号运算，而在相当程度上依赖于感知经验与身体化的模拟过程。Vong等基于对儿童长期视觉—语言数据的建模研究发现，词义的重要方面能够通过感知输入与视听联合表征而获得，这提示语言意义的形成与视觉经验密切相关，也提示二语词汇学习或可通过激活已有的视觉概念系统来降低加工负荷。

　　实证证据

　　相关研究从行为、神经与眼动等多个角度为视觉先导机制提供了初步支持。以图像作为参照与以纯词汇作为参照的比较研究发现，图像辅助不仅能够提升即时学习效果，在延迟保持测试中同样表现出一定优势，说明视觉信息可能促进更为稳定的概念加工。Kwon采用眼动追踪技术研究了韩语母语儿童的英语词汇识别过程，研究发现，即使儿童并未持续、主动地注视图片，图片所激活的概念信息仍能促进英语词汇识别，表明视觉作用可能发生于显性注意之外，而非仅依赖于被试对图片的集中关注。此外，语言加工本身具有一定的预测性特征。Bobb等人发现，幼儿在语言输入过程中能够提前激活与目标词相关的视觉形状信息，说明视觉形状信息不仅是语言理解的结果，更是语言理解的过程。在儿童早期，视觉形式的预激活可能构成语言预测加工的核心机制。Melzer与Daum比较了1岁婴儿、3岁幼儿与成人在观察对话时对视听线索的利用模式，发现在视觉线索先于听觉线索出现的条件下，3岁幼儿的注意转移潜伏期显著短于听觉先导条件，而1岁婴儿和成人未表现出这种差异，这提示3岁左右可能存在一个视觉信息优先加工的“敏感期”——在这一阶段，儿童比更年幼者和成人都更依赖视觉线索引导注意。这一发现与既有研究形成呼应：从婴儿期到童年期，听觉相对于视觉的优势逐渐减弱，视觉的重要性缓慢上升，3岁恰好处于这一转变的关键节点，视觉信息在这一时期的语言加工中可能发挥着独特的先导功能。

　　模型构建

　　基于上述理论与证据，本文尝试提出“视觉先导型多模态加工模型”（VLMPM）：视觉经验输入→选择性注意聚焦→图像表征形成→概念意义建构→语言符号映射→二语词汇获得→语言表达发展。该模型的核心命题是，视觉表征构成了语言意义建构的认知入口，其加工相对于语言符号加工具有时间优先性与功能基础性，为语言符号提供概念性锚点，而非仅在语言理解之后充当辅助性图示。图像表征的形成虽不依赖语言符号的介入，却为语言符号的映射提供了概念性前提。这一模型与音频→视觉注意发展模型（MAVA）等既有计算模型的基本逻辑具有一致性，但进一步强调了视觉信息在意义建构中的结构性功能，而非仅仅是注意分配层面的作用。这一构想尝试突破传统“视觉仅辅助语言”的理解框架，将视觉信息重新定位为多模态语言学习中的结构性因素之一，而非附属性的教学手段。

　　研究启示与局限

　　在教学实践层面，图像、情境与实物经验等的呈现方式或许值得重新审视，使其能够先于或伴随语言符号进入儿童的概念系统，而不仅仅作为语言解释之后的辅助材料。例如，在词汇教学环节，教师可先提供充分的实物或情境体验，待儿童形成初步概念表征后，再引入相应的语言符号进行匹配，以检验这一顺序是否有助于降低早期二语学习的加工负荷。需要特别指出的是，本文所提出的“视觉先导机制”目前仍属于初步理论构想阶段，其跨语言、跨年龄的适用性以及具体神经机制等问题仍缺乏系统的实证检验，本文所引证据也多来自不同研究范式与年龄阶段，样本与情境存在差异，尚不足以支撑一个完整、自洽的理论体系。因此，本文的讨论主要作为相关后续实证研究的前期思路铺垫，后续仍需通过纵向追踪、跨语言比较及神经影像等方法，对相关假设作进一步的实验设计与验证。

文章来源：《大河美术报》https://www.zzqklm.com/w/qk/35647.html