1 引言
词频是词汇的一个重要属性(Clifton et al., 2016; Rayner, 2009)。以往大量行为研究表明，相比于低频词，读者对高频词注视时间更短，加工更快，识别准确性更高(即词频效应)。词频效应大小能很好地反映词汇加工效率(王永胜, 何立媛, 2022)，其本质上是一种学习效应(Brysbaert et al., 2018)。词频效应个体差异是由词汇曝光差异决定的，也就是说，词频效应是读者阅读经验在词汇方面的体现。阅读经验越丰富或阅读能力越高的读者，接受不同词汇的曝光程度更高，其词频效应更小(Monaghan et al., 2017)。
借助行为研究手段，研究者在拼音文字和中文阅读中都发现了词频效应的个体差异。阅读能力高、阅读经验丰富或阅读流畅性高的读者对高频词和低频词的加工都显著快于阅读能力低、经验少或阅读不流畅的读者，而且高阅读能力读者对高频词和低频词加工的时间差异(即词频效应)更小(Ashby et al., 2005; Barnes et al., 2017; Lee et al., 2024; Taylor & Perfetti, 2016)或无明显差异(张慢慢 等, 2022)。也就是说，无论目标词词频如何，高阅读能力读者对这些词的加工都更快，受词频影响小，即词汇加工效率更高。可见，词频效应受个体阅读能力影响，是衡量词汇加工个体差异的一个良好指示器。
还有研究揭示了词频效应个体差异的脑功能基础。例如，Prat等人(2007)比较了高、低阅读能力被试在加工高频和低频词时的大脑活动，结果发现随着词频降低，高阅读能力被试大脑的左侧额下和枕下区域激活程度增加，而低阅读能力被试脑区激活水平无显著变化。其他一些研究揭示了词频效应在一些特殊群体(如阅读障碍)中的神经基础。例如，与对照组相比，在加工高、低频词时，阅读障碍儿童的左侧额下回激活差异更大(Grande et al., 2011)，阅读障碍成人读者的左侧顶叶上小叶中的一个区域有更强的激活(Heim et al., 2013)。以上研究从大脑功能上证明了词频效应个体差异的神经基础，但尚无研究关注该效应相应的大脑结构差异。大脑功能与形态结构联系密切(Blackmon et al., 2010)，探索词频效应个体差异的大脑形态结构差异可提供重要的补充信息，本研究将考察该内容。
阅读个体差异不仅表现在大脑功能上，还体现在大脑结构上。以往基于拼音文字阅读的研究多关注特殊群体与普通群体的大脑结构差异。例如，研究一致显示阅读障碍读者的双侧颞顶、左侧枕颞以及双侧小脑区域的灰质比普通读者少(Richlan et al., 2013)。在普通群体中，阅读能力个体差异与颞顶区、枕颞区和双侧额下区(Blackmon et al., 2010)皮层灰质结构有关。少数研究揭示了中文阅读中普通读者的阅读能力与大脑结构的关系。例如，Zhang等人(2013)的结果显示读者的左中梭状皮层(即视觉词形区)厚度与其在汉字、英语单词和假词阅读任务的表现正相关，而与其在非阅读任务(即视听学习任务)的表现无关。He等人(2013)进一步发现个体在语音编码、形音联结和命名速度方面的能力差异分别对应不同脑区的灰质体积变化。以上两项研究使用阅读测验任务得分来衡量阅读能力。阅读测验任务大多考察读者在一定时间内正确阅读或命名的词汇数量，难以揭示自然阅读活动中的神经基础，而且也无法区分个体在阅读不同环节上的差异所对应的大脑形态结构。与阅读测验任务相比，眼动技术可实时记录读者在自然的阅读活动中的眼动行为，可为阅读中涉及的感知、注意、语言和认知过程提供高度敏感的指标，生态效度更高(Rayner, 2009)。最近，研究者结合眼动和脑成像技术揭示了自然阅读中个体差异的大脑神经活动基础(Henderson et al., 2018; Zhang et al., 2021)，但阅读中具体成分(如词汇加工)个体差异的神经结构基础如何，尚不清楚。
鉴于词频是词汇的重要属性，本研究将通过考察句子阅读中的词频效应来检验该问题。具体来说，本研究拟使用眼动技术记录读者在阅读包含低频和高频目标词句子时的眼动轨迹，以相对自然阅读情境中的词频效应来衡量词汇加工过程；使用磁共振成像技术收集读者大脑结构特征。眼动指标能揭示文字本身属性(如词频)对读者认知过程的影响(Rayner, 2009)，读者在眼动指标上的个体差异体现了其在词汇加工及语言加工效率方面的差异(Reichle et al., 2013)。因此本研究将通过不同眼动指标上的词频效应来标记词汇加工的具体环节(如早期词汇识别、后期解决词汇加工困难以及后期语义整合)，考察其对应的大脑形态结构。此外，本研究还使用基于连接体的预测建模方法(connectome-based predictive modeling, CPM)(Shen et al., 2017)对词频效应的形态结构连接网络进行预测，进一步揭示相对自然阅读情境下词频效应个体差异的潜在大脑结构连接模式。由于词频效应的神经结构基础缺乏相关证据，因此，本研究没有定义感兴趣的脑区，而是进行全脑水平的分析。本研究假设，根据皮层增厚可能与特定领域的学习或练习有关的观点(Haier et al., 2009)，个体词频效应越小，则相关脑区的灰质体积越大。此外，有研究发现皮层变薄与更好的认知表现相关(Squeglia et al., 2013)，据此推测个体词频效应越小，则相关脑区的灰质体积越小。
2 研究方法
2.1 被试
76名母语为汉语的在校学生(52名女性，平均年龄20±1岁；24名男性，平均年龄20±2岁)参加了本研究。所有被试视力或矫正视力正常，自我报告无阅读困难，均不知道实验目的，在实验前签署知情同意书，实验结束后获得一定报酬。考虑到父母受教育程度可能会影响被试的阅读能力(Norbom et al., 2022)，本研究将其纳入分析以排除其对结果的影响。本研究得到了天津师范大学学术伦理审查委员会的批准。参考Yan等人(2018)在注视时间上的词频效应值，利用G*Power计算样本量约为15人时达到的统计检验力为0.8，因此，本研究被试量可满足该效应的统计检验力，同时考虑到本研究关注词频效应的脑结构基础，因此在现有条件下尽可能采集了较多被试的数据。
2.2 实验材料和实验设计
从Yan等人(2018)的实验材料中选用45组句子，每组句子中分别嵌入高频−低频的双字词作为目标词。高频词词频为190.50次/百万(SD=269.86次/百万)，低频词词频为3.78次/百万(SD=3.86次/百万)。高频词词频显著高于低频词，F(1, 44)=26.96，p<0.001，η${_{\rm p}^2} $ =0.38。高频词(15±4画)与低频词(14±3画)的笔画数无差异，F(1, 44)=0.67，p=0.41。实验材料样例见表1 。
表1 高频与低频条件下的实验材料举例 |
| 词频 | 句子 |
| 高频 | 节目请到的经济学家预测石油价格明年将会继续上涨。 |
| 低频 | 节目请到的经济学家预测稀土价格明年将会继续上涨。 |
注：示例中“石油”为高频词，“稀土”为低频词。 |
2.3 眼动和MRI数据采集
对被试单独施测，分别收集被试的眼动数据和脑成像数据。
使用加拿大SR Research公司生产的EyeLink 1000Plus眼动仪记录被试的眼动轨迹，采样率为1000 Hz。实验材料以黑色宋体呈现在分辨率为1024×768像素、刷新率为144 Hz的显示屏上。每个字约占0.89°视角。将高频和低频条件下的45组实验句按照拉丁方设计分配到2个文件中，每个文件中还包含60个填充句，每个被试只阅读一个文件中的句子。被试逐句阅读，并对实验中27%的句子进行阅读理解判断，以检测其是否认真阅读。正式实验开始前，对被试眼睛进行三点校准(平均误差低于0.35°)以确保记录精确，之后呈现8个练习句以确保被试熟悉实验程序。所有句子随机呈现。
使用天津师范大学脑功能成像中心的西门子Prisma 3.0T扫描仪和64通道头部线圈收集全脑成像数据。采用MP-RAGE序列提取高分辨率T1加权结构图像，参数如下：重复时间(repetition time, TR)为2530 ms，回波时间(echo time, TE)为2.98 ms，多波段因子(multi-band factor)为2，翻转角(flip angle)为7°，视场(field of view, FOV)为224 mm×256 mm，切片数(slice)为192，体素大小(voxel size)为0.5 mm×0.5 mm×1.0 mm。
2.4 眼动数据分析
被试平均阅读理解正确率为88%(SD=9%)，说明所有被试都能很好地理解句子。在筛选原始眼动数据时，首先排除注视时间小于80 ms或大于1200 ms的注视点。在此基础上，删除3个标准差以外的数据(占总数据的2%)。
以目标词为兴趣区进行分析，分析的眼动指标包括(闫国利 等, 2013)：(1)首次注视时间，即第一遍阅读中对目标词的首个注视点的时间；(2)单次注视时间，第一遍阅读中对目标词有且只有一次注视的时间；(3)凝视时间，第一遍阅读中对目标词从首次注视到首次离开目标词之间的所有注视的时间之和；(4)首次注视次数，在第一遍阅读中在目标词上的注视次数。这些指标反映了早期词汇通达或识别难易，时间越长、次数越多，表明早期词汇通达或识别越难。(5)回视路径时间，在第一遍阅读中，从在目标词上的第一次注视开始到眼睛越过目标词右侧前的所有注视点时间总和，该指标反映了读者为了解决当前词汇识别和语义整合困难而重读前文的过程。(6)总注视时间，在目标词上的所有注视点时间总和；(7)总注视次数，在目标词上的所有注视次数总和；这两个指标反映了词汇整体和后期加工难易，时间越长和次数越多，表明词汇整体或后期加工越难。通过考察不同眼动指标上的词频效应(即低频词上的注视时间或次数减去高频词上的注视时间或次数的差值)与不同脑区形态结构的关系，可以揭示具体词汇加工阶段上的个体差异与哪些脑区的结构有关。
2.5 结构MRI预处理
使用牛津脑功能MRI中心基于体素的形态测量学软件库(FSL-VBM)(版本6.00；属于FSL工具包；http://www.fmrib.ox.ac.uk/fsl)对结构MRI数据进行预处理。提取大脑结构图像，分割组织类型，并在MNI152标准空间中与灰质模板对齐。对空间标准化的图像进行平均，以创建自定义模板，并使用线性和非线性算法再次配准本地灰质图像。通过与经线场的雅可比矩阵分割，对配准的部分体积图像进行调整，以校正局部的扩张或收缩。以灰质体积(gray matter volume, GMV)为代表的调整后的分割图像，采用各向同性高斯核(8 mm标准差)进行平滑处理。
2.6 形态结构网络构建
对于个体水平形态网络，基于Kullback-Leibler(KL)散度度量构建任意两个区域之间的形态连接性(Kong et al., 2014)。首先，提取每个ROI(region of interest)内所有体素的灰质体积值，并通过核密度估计(kernel density estimation, KDE)(Parzen, 1962)估计它们的概率密度函数，其中带宽是自动选择的(Botev et al., 2010)。其次，为上述获得的概率密度函数计算概率分布函数(probability distribution function, PDF)，并获取其PDF中任何一对ROI之间的KL散度。最后，基于上述KL散度，用Shen-268图谱为每个被试生成形态连接矩阵(自连接设置为0)。
2.7 线性回归分析过程
使用在FSL中实现的混合效应FLAME 1模型，检验每个眼动指标上的词频效应大小与全脑水平上GMV的关联。在回归分析中，依次添加性别、年龄、父亲与母亲受教育程度和总GMV作为协变量，以便消除这些因素对模型的潜在影响，然后添加由每个眼动指标估计的词频效应量。由于在更严格的统计阈限下没有发现显著性结果，故报告的统计结果在聚类水平(z>3.1, p<0.05)和家族误差率为0.05的情况下进行确定，使用高斯随机场理论进行多重比较校正。
2.8 基于连接体的预测建模
使用基于连接体的预测建模方法探索形态脑连接是否可以预测词频效应的个体变异性。具体而言，整个样本被分为训练数据集和测试数据集。在训练数据集中，先使用p<0.001的统计显著性阈值对连接矩阵中的每个边缘与眼动指标进行Pearson相关分析，来识别正向和负向预测网络。然后，通过对正向网络和负向网络中的显著边缘权重求和，进一步计算单个被试的汇总得分。接下来，生成一个预测模型，该模型假设连接数据的单个被试汇总得分(自变量)和行为变量(因变量)之间存在线性关系。在测试数据集中，计算该被试的汇总得分，然后将其输入到预测模型中。结果是当前被试的预测行为变量。采用留一法交叉验证策略测试预测性能。最后，通过1000次排列测试获得实际得分和预测得分之间的Pearson相关系数的大小，以此来评估模型性能。基于零分布，将留一法预测的p值计算为大于或等于真实预测相关性的抽样排列的比例。
3 结果
3.1 眼动结果
在R语言环境下使用lme4数据处理包(Bates et al., 2015)建立线性混合模型(linear mixed model, LMM)进行数据分析(R Core Team, 2022)。眼动指标的描述性结果如表2 所示，固定效应估计值见表3 。
表2 高频和低频条件下目标词上眼动指标的平均数和标准差[M(SD)] |
| 眼动指标 | 高频 | 低频 |
| 首次注视时间(ms) | 231(33) | 243(36) |
| 首次注视次数 | 1.05(0.08) | 1.08(0.12) |
| 单次注视时间(ms) | 231(34) | 242(39) |
| 凝视时间(ms) | 245(42) | 266(50) |
| 回视路径时间(ms) | 293(70) | 318(89) |
| 总注视时间(ms) | 305(68) | 349(89) |
| 总注视次数 | 1.33(0.23) | 1.46(0.34) |
结果表明，词频效应在所有眼动指标上均显著(|t|s>2.87, ps<0.01)，与高频词相比，低频词注视时间更长、注视次数更多，支持以往研究中经典的词频效应(Clifton et al., 2016; Rayner, 2009)。
3.2 词频效应的VBM分析
先计算每个被试在每个眼动指标上的词频效应，然后分别对该词频效应及其VBM做相关分析。结果表明，只有在回视路径时间上的词频效应与左侧顶叶上小叶(superior parietal lobule, SPL)灰质体积显著正相关(峰值MNI=[−20, −56, 60], Z=4.11; Cluster size=203; 如图1 所示, 也见散点图2 )，即个体词频效应越大，其左侧SPL灰质体积越大。其他眼动指标与全脑灰质体积没有显著相关性。
图2 左侧顶叶上小叶GMV和回视路径时间的词频效应的相关散点图(r=0.43, p<0.001)注：在剔除了SPL>0.8的极端数据后，VBM分析结果没有明显变化，左侧顶叶上小叶和回视路径时间的词频效应依然显著相关(r=0.37, p<0.001)。 |
表3 高频和低频条件下目标词上的固定效应估计值 |
| 眼动指标 | 词频效应(低频vs.高频) | ||||
| b | SE | t | p | 95%CI | |
| 首次注视时间 | 0.05 | 0.01 | 4.41 | <0.001 | [0.03, 0.08] |
| 首次注视次数 | 0.02 | 0.01 | 2.88 | 0.004 | [0.01, 0.04] |
| 单次注视时间 | 0.05 | 0.01 | 4.15 | <0.001 | [0.03, 0.08] |
| 凝视时间 | 0.08 | 0.01 | 5.79 | <0.001 | [0.05, 0.11] |
| 回视路径时间 | 0.08 | 0.02 | 4.36 | <0.001 | [0.05, 0.12] |
| 总注视时间 | 0.12 | 0.02 | 7.02 | <0.001 | [0.09, 0.16] |
| 总注视次数 | 0.08 | 0.01 | 5.35 | <0.001 | [0.05, 0.10] |
3.3 词频效应的CPM形态结构连接性预测分析
使用CPM模型探讨形态结构连接性是否与眼动指标上的词频效应有关。结果显示，在使用特征选择阈值p<0.001后，正向模型可预测总注视次数上的词频效应(正向模型, r＝0.17, p<0.001, 1000次排列r=0.17, 对应p=0.05)，而负向模型则无法预测词频效应。图3A 显示了关键节点的连接，包括皮质下小脑和视觉系统。此外，在使用相同特征选择阈值p<0.001后，正向模型和负向模型分别可预测首次注视次数上的词频效应(正向模型, r=0.24, p=0.04, 1000次排列r=0.22, 对应p<0.05; 负向模型, r=0.37, p<0.001, 1000次排序r=0.23, 对应p<0.05)。运动、内侧额叶和额顶系统是正向模型的关键节点，而默认模式网络在负向模型中起着重要作用(图3B )。表4 提供了具体的结构连接信息。此外，无论是正向还是负向模型都不能预测其他眼动指标上的词频效应(ps>0.05)。
4 讨论
本研究考察了句子阅读中词频效应个体差异的形态基础，并通过基于连接体的预测模型考察形态结构连接性是否可预测词频效应的个体差异。VBM分析结果表明，回视路径时间上的词频效应与左侧顶叶上小叶的灰质体积显著正相关。CPM结果发现，正向模型和负向模型都可以从形态结构连接性上成功预测首次注视次数上的词频效应，正向模型还可以从形态结构连接性上预测总注视次数上的词频效应。下面分别对这些结果进行讨论。
4.1 词频效应的形态基础
VBM分析结果显示，回视路径时间上的词频效应与左侧顶叶上小叶灰质体积显著正相关。以往研究发现左侧顶上区在汉字识别中起着关键作用(Kuo et al., 2003)，由左侧SPL所代表的背侧视觉通路高度参与中文词汇识别(Deng et al., 2012)。汉字正字法、语音和语义加工任务均会激活左侧SPL等脑区，左侧SPL可能参与这些任务中的正字法识别(Wu et al., 2012)。本研究从结构像上证明左侧SPL的灰质体积与中文词汇加工个体差异的关系，补充了以往研究结果。
SPL是额顶控制网络和背侧注意网络的一部分。相关研究显示，背侧注意网络与眼球运动以及内隐空间注意转移有关(Corbetta & Shulman, 2002)，在视觉空间信息加工和引导视觉注意方面具有重要作用(Silver et al., 2005)。额顶控制网络则涉及冲突监控、对目标行为的更新和执行以及对感觉信息和内部意图的整合(Vincent et al., 2008)，在需要高级认知功能和灵活适应的任务中起关键作用(Cole et al., 2013)。此外，SPL还与工作记忆有关(Koenigs et al., 2009)，而且左侧SPL的激活与执行功能个体差异(Otsuka et al., 2008)、内隐注意转移(Vandenberghe et al., 2001)以及字符或字母的视觉空间加工均有关系(Deng et al., 2012)。自然阅读任务涉及视觉信息加工、词汇识别与整合、注意转移与分配、眼动控制等过程，需要背侧注意网络和额顶控制网络的协同以确保读者有效地理解文本。回视路径时间反映了读者探测到目标词语义整合困难并重读前文语境的过程，因此，本研究结果表明词汇语义整合效率与左侧SPL灰质体积正相关。具体来说，当阅读材料语义整合困难时，左侧SPL会对冲突信息进行有效的监控并试图重新计划目标行为，为了解决困难，读者的注意需要转移到前文内容进行重读，整个过程均需要工作记忆的参与，以便对文本信息进行实时存储和处理。对阅读效率更高的读者来说，他们的眼动控制和注意转移更精准且有效(Reichle et al., 2013)，将词汇语义信息整合到上下文的效率更高(Ashby et al., 2005)，其左侧SPL灰质体积变得更小。以往研究发现皮层灰质结构与个体阅读能力有关(Blackmon et al., 2010; He et al., 2013)，本研究结果进一步揭示了特定脑区(即左侧顶叶上小叶)灰质结构与阅读中具体词汇加工阶段的个体差异有关。
4.2 基于CPM的形态结构连接性预测词频效应
本研究得到了能预测首次注视次数词频效应的正向模型与负向模型。首次注视次数反映了早期词汇加工难易。在正向模型中，更强的连接预示着在首次注视次数上有更大的词频效应。其中，运动网络是关键节点，运动网络与阅读之间的关系主要体现在对眼球运动的控制中。运动网络涉及多个脑区，其中辅助运动区参与计划和协调眼球运动(Zhou & Shu, 2017)，额叶眼动区在注意分配和扫视运动中发挥重要作用(Schall, 2004)。基于此，本研究结果揭示了词频效应个体差异体现在个体运动网络的结构连接性上。在负向模型中，更强的连接预示着在首次注视次数上有更小的词频效应，其中默认网络发挥了重要作用，这可能和默认网络的特点有关。研究表明，当注意需求增加时，默认模式网络激活水平会降低，并且默认网络和注意网络、额顶控制网络等执行认知任务所需的脑区网络之间存在反相关关系，随着认知任务的执行，表现为负激活，这体现了大脑在处理不同认知需求时的灵活性以及对认知资源分配的有效性(Raichle, 2015)。因此，本研究推测，默认网络与其他网络的结构连接越强，表明大脑处理认知需求的灵活性和对认知资源分配的有效性越好，从而有助于个体词汇加工效率的提高。
在总注视次数上得到的正向词频效应模型，关键节点包括皮质下小脑和视觉系统。在该模型中，更强的连接预示着在总注视次数上有更大的词频效应。总注视次数反映了整体和后期词汇整合时的加工难度。视觉网络在阅读过程中发挥重要作用，视觉皮层的激活能预测个体的阅读表现(Demb et al., 1997)。Kristanto等人(2020)使用CPM方法证明视觉皮层与阅读相关脑区的连接可正向预测个体阅读表现，而本研究进一步发现视觉系统和皮质下小脑的连接可正向预测个体词频效应。小脑参与执行功能(Clark et al., 2021)，还与注意调节有关(Kellermann et al., 2012)，而执行功能以及将注意合理地分配到文本内容上对熟练阅读至关重要(Rayner, 2009)。此外，小脑还与计划能力有关，Siman-Tov等人(2019)将小脑在计划能力中的作用归因于它对基于错误进行学习的过程的参与。本研究显示总注视次数上的词频效应越大，在皮质下小脑和视觉系统关键节点上连接越强，这意味着读者词汇加工效率越低，其词汇整合更容易出现困难，进而需要多次注视以重新进行语义整合。本研究结果同时也支持Kristanto等人的结果，即不同区域之间更强的连接与较低的阅读效率有关。
综上所述，大脑形态结构连接性能预测词频效应个体差异，而且相比于注视时间，其对眼球运动次数(即注视次数)更敏感。该结果可为未来研究其他群体(如儿童读者、阅读障碍群体等)在阅读中的词频效应进行初步预测，也可为词频效应的其他预测模型提供参照。
本研究也存在一定的局限。第一，本研究使用CPM方法初步建立了词频效应个体差异的大脑结构连接的预测模型，但由于CPM本质上是由数据驱动而无需进行先验假设的一种数据分析方法，因此，CPM识别出的神经网络是否能有效拓展到更大范围的群体需要进一步验证。第二，目前还不清楚与词频效应有关的左侧SPL灰质体积的变化具体是和神经元大小、树突或轴突以及皮层折叠或皮层厚度哪些变化有关(Mechelli et al., 2005)。本研究仅通过评估GMV来研究皮层结构，而GMV来源于灰质厚度和皮层表面积，因此，为了清楚地描述灰质变化，未来研究需要同时评估灰质厚度和GMV。此外，与分别记录眼动和磁共振成像相比，同步记录被试的眼动数据和大脑活动有助于揭示认知过程的动态性，深入理解复杂认知任务(如，阅读)的时间进程(周蔚, 2017)。今后可结合该技术进一步将CPM方法拓展到自然阅读个体差异的神经基础研究中。
5 结论
本研究结合眼动和磁共振成像技术发现顶上小叶在中文阅读的词汇语义整合中起着至关重要的作用。此外，CPM结果表明大脑形态连接可预测词频效应个体变异性，皮质下小脑与V1皮层、运动网络脑区与相关脑区以及默认网络脑区与其他脑区之间的结构连接是词频效应个体差异的结构基础。
致谢 本研究数据采集和分析过程得到了祝文伟博士的支持与帮助，在此表示诚挚的感谢！