王 淼

(遼寧師范大學 國際教育學院，遼寧 大連 116029)

一、引 言

二語加工研究的主要研究內容是非母語使用和習得的心理過程。它借用心理語言學的研究方法和理論框架，發(fā)現(xiàn)和研究二語加工的特殊問題，并為了解二語習得的心理過程提供證據(jù)[1]。在認識人腦的認知方式、進行二語習得研究與教學實踐等方面均有著重要意義。

本文運用陳超美教授開發(fā)的科學計量分析軟件CiteSpace，整理分析國際二語加工研究相關文獻，通過可視化知識圖譜動態(tài)呈現(xiàn)國際二語加工研究的整體圖景，客觀描述二語加工的研究前沿及研究趨勢，以期為國內二語加工研究提供借鑒與參考。

二、研究設計

(一)數(shù)據(jù)來源及采集

本研究以Web of Science數(shù)據(jù)庫作為基礎數(shù)據(jù)庫和樣本來源，采用高級檢索方式，對學術期刊進行文獻檢索，文獻來源類別為 Web of Science 核心合集。檢索條件如下：TS=(“second language”)AND TS=(processing)；文獻類型為“論文”“會議錄論文”“綜述論文”“在線發(fā)表”；類別為“l(fā)inguistics”；語種為“English”；檢索時間為 2022 年 1 月14日。經過數(shù)據(jù)的標準化和剔除重復數(shù)據(jù)等處理后，共獲得引文數(shù)據(jù)2 081篇。對所得數(shù)據(jù)進行發(fā)表年度趨勢統(tǒng)計，發(fā)現(xiàn)從2008年始，本研究領域發(fā)文量呈明顯上升趨勢，因此將2008—2021年的1 691篇文獻作為本文的研究對象。

(二)研究工具及方法

本研究以量化研究為主，運用CiteSpace(5.8R3版)可視化軟件對二語加工研究的文獻數(shù)據(jù)進行可視化分析。在“Selection Criteria”面板選擇“g-index”，閾值設置為25，Time Slicing 設為2，其他設置均選擇默認選項。結合閱讀文獻內容，對CiteSpace生成的可視化知識圖譜進行深入解析。為保證軟件數(shù)據(jù)分析的可靠性和準確性，對數(shù)據(jù)分析結果呈現(xiàn)出的關鍵文獻進行人工閱讀、分析和總結，以此獲取信度較高的結論。具體分析方法將在下文中結合圖譜解讀進行詳細介紹。

(三)研究問題

本研究包括兩個主題：(1)2008—2021年國際二語加工研究前沿分析；(2)2008—2021年國際二語加工研究趨勢分析。本研究采用CiteSpace提供的文獻共被引及聚類分析功能，探測國際二語加工研究前沿；采用突現(xiàn)檢測和結構變異功能，探測國際二語加工研究趨勢。

三、國際二語加工研究前沿及研究趨勢

探測學科研究前沿以及研究趨勢的變化，有助于研究者科學地辨識某一學科領域知識結構的內在聯(lián)系、演變過程，為進一步的科學研究提供參考性依據(jù)。

(一)研究前沿分析

最早提出“研究前沿”概念的是普賴斯，他認為某個研究前沿大概由40～50篇最近發(fā)表的文章組成[2]。CiteSpace為了探測某一學科的研究前沿，將引證分析(歷時性)和共引分析(結構性)綜合起來，創(chuàng)建了從“知識基礎”映射到“研究前沿”的理論模型[3]。

1.文獻共被引分析

2008—2021年國際二語加工研究文獻共被引圖譜(見圖1)中的點(節(jié)點)表示引文，連線表示引文之間的共被引關系，本知識圖譜中含有節(jié)點602個，連線2 168條，節(jié)點大小代表文獻被引頻次的高低。

圖1 2008—2021年國際二語加工研究文獻共被引圖譜

高頻被引文獻表示對該主題研究具有突出貢獻和價值的文章。CiteSpace 提供的文獻共被引圖譜可以幫助我們通過圖譜中的關鍵節(jié)點、聚類及顏色的深淺，進行前沿分析、領域分析、科研評價等[3]。CiteSpace可按被引頻次的高低導出被引文獻信息。本文將對2008—2021年國際二語加工研究的前5篇高被引文獻進行討論分析。

排名第一的高被引文獻是Bates等人發(fā)表于2015年的文獻[4]，被引頻次為56次。文章介紹了如何運用R語言平臺中的lme4包完成模型的參數(shù)估計，詳細描述了該模型的結構、評估分析偏差的步驟、約束最大似然估計法的準則。Bates通過混合模型實例、數(shù)學原理呈現(xiàn)以及l(fā)me4包應用，使用戶能夠參考本高被引文獻，調用R語言中的lme4包，建立混合模型，解決實際問題。

排名第二的高被引文獻是Clashen & Felser于2006年發(fā)表的文獻[5]，被引頻次為39次。文章采用實驗心理語言學技術對不同群體語言學習者的語法加工過程進行了詳細研究，發(fā)現(xiàn)成人母語者傾向于采用以句法結構為導向的加工策略，而二語學習者則更傾向于利用詞匯、語義線索為指導。Felser在后續(xù)的研究中對所提出的“淺層結構假說”進行了進一步的闡釋[6]。12年后，Clashen針對學界的誤解和后期的研究成果對“淺層結構假說”的某些問題進行了澄清，并提供了解釋性的補充說明(詳見下文“聚類分析”)。

排名第三的高被引文獻是Barr等人發(fā)表于2013年的文獻[7]，被引頻次為32次。文章提出線性混合效應模型(LMEM)在心理學和相關領域中的作用越來越突出，通過理論論證和蒙特卡羅模擬，如果使用最大化隨機效應結構，線性混合效應模型的普適性最強。因此，最大線性混合效應模型應成為心理語言學及其他領域驗證性假設檢驗的“黃金標準”。

排名第四的高被引文獻是Hopp發(fā)表于2010年的文獻[8]，被引頻次為23次。Hopp進行了四項有關二語形態(tài)句法的實證研究，結果顯示二語形態(tài)句法發(fā)展不存在關鍵期，學習者非本族語法和本族語法的加工系統(tǒng)本質上相同，不存在根本性差異，二者的區(qū)別僅在于，由于母語的影響二語系統(tǒng)運算效率偏低。

排名第五的高被引文獻是Kuznetsova & Brockhoff發(fā)表于2017年的文獻[9]，被引頻次為22次。文章提出運用R語言中應用最普遍的lme4包進行混合線性分析時，可以將lmerTest包用于檢測lme4對象的固定因子和隨機因子。lmerTest包擴展了lme4包的一些功能，為使用者提供了更為方便的進行總體均值計算和多重比較檢驗的方法。

一般來說，發(fā)表時間早的文獻往往比發(fā)表時間晚的更能獲得較高的引文量，比如Clashen & Felser于2006年發(fā)表的文獻[5]，但是通過對高被引文獻的分析我們發(fā)現(xiàn)，一些發(fā)表較晚的文獻，如Bates等人發(fā)表于2015年的文獻[4]和Kuznetsova等人發(fā)表于2017年的文獻[9]，也都獲得了較高的引文量，表明這些文獻近年來在國際二語加工研究領域受到了較高的關注。高被引的5篇文獻中，有3篇均與數(shù)據(jù)量化分析方法有關，可以看出計算機智能算法和程序等相關領域的研究越來越多地應用到二語加工研究中，跨學科融合特點日益凸顯。

2.聚類分析

共被引文獻聚類表征著當前活躍的研究領域。依據(jù)網(wǎng)絡結構和聚類的清晰度，CiteSpace 提供了模塊值(Q值)和平均輪廓值(S值)兩個指標，這兩個指標可以作為我們評判圖譜繪制效果的依據(jù)。

本研究的聚類圖譜中，Q值為0.754 7，S值為0.896 9，因此可以認為該共被引知識圖譜中聚類主題的區(qū)分度較好[3]。包含文獻數(shù)較少的聚類往往不如較大的聚類具有代表性[10]，因此本研究僅對規(guī)模大于20的前11個聚類進行討論分析。

文獻共被引還可以通過CiteSpace提供的時間線視圖(timeline view)方式進行呈現(xiàn)。在時間線視圖中, 各個聚類按文獻數(shù)量情況從高到低縱向排列，代表了各個聚類的重要程度，還可以看出各個聚類中被引文獻的時間跨度以及某一個特定聚類研究的興起、繁榮以及衰落過程[11]。

對于每個聚類，研究者尤其需要關注大型節(jié)點或深色年輪狀節(jié)點，因為具有這樣特征的節(jié)點表示此文獻或者為高被引文獻或者為突現(xiàn)引文(citation burst)或者兼而有之[12]。本研究的時間線視圖見圖2。

圖2 2008—2021年國際二語加工研究文獻共被引圖譜(時間線視圖)

從圖2可以看到，聚類1、2、3、8包含了大部分大型節(jié)點或深色年輪狀節(jié)點，表明這四個聚類構成了2008—2021年國際二語加工的主要研究前沿，具體分析如下。

聚類1，語法性別一致(gender agreement)。本聚類包含了二語加工領域早期的一些重要文獻，高被引文獻除了已探討過的Clashen & Felser發(fā)表的文獻[5]，還有Hopp于2006年發(fā)表的文獻[13]和Sabourin & Stowe于2008年發(fā)表的文獻[14]，被引次數(shù)也均在15次以上。Hopp進行了大量的實證性實驗來探討語法性別一致問題，發(fā)現(xiàn)學習者的語言水平對于目標語加工起著至關重要的作用。Sabourin & Stowe對比了不同語言學習者動詞語域依存性和語法性別一致的腦神經加工數(shù)據(jù)，發(fā)現(xiàn)當目標語的語法結構和母語類似時，實驗探測出 P600 指標，表明母語和二語在句法結構相似時加工過程相同，母語和二語相似性與句法加工的一致性呈正相關。

聚類2，二語句子加工(second language sentence processing)。本聚類的時間跨度最長(2004—2016年)，可見本聚類涉及的研究前沿在相對較長時間內一直受到關注。Felser & Roberts利用圖片啟動任務研究了英語二語學習者對含有類似wh-依存關系句式進行的實時加工，發(fā)現(xiàn)二語者難以表征具有復雜層級結構的句子，因為二語者的心理表征缺乏抽象的語言結構[15]。Sorace在2006年提出了“界面假說”，后又對其進行了修正，認為作為外部界面的“句法—語用”界面和“句法—語篇”界面對于二語學習者來說是非常難以習得的部分，因為處理外部界面需要完成更多的加工任務，二語學習者很難達到母語者的加工水平[16]。本聚類中的其他文獻也從不同角度對二語句子加工機制進行了探討。

聚類3，預測加工(predictive processing)。本聚類包含了前文提到的3篇高被引文獻，即Bates等人發(fā)表的文獻[4]，Barr等人發(fā)表的文獻[7]和Kuznetsova等人發(fā)表的文獻[9]，以及突現(xiàn)值高于6的7篇引文(本聚類共含48篇引文)，同時本聚類的出現(xiàn)時間較晚(2009年始)，表明“預測加工”在二語加工研究領域是近期較為重要的研究前沿。如前文所述，計算機領域的成果已經越來越多地應用于心理學和心理語言學領域，而且線性混合效應模型在數(shù)據(jù)分析中具有更多的優(yōu)勢。Clashen&Felser在澄清一些誤解的基礎上進一步闡釋了“淺層結構假說”，認為無論是母語者還是二語學習者的語言加工策略都不是一成不變的，針對不同情況都會采用“淺加工”和“深加工”路徑[17]。也有研究認為，就句子加工機制而言，母語者和二語者在預測方面本質上是相同的，區(qū)別就在于母語者和二語者的預測性激活[18]，或由于預測的認知資源不足[19]，或由于檢索的干擾[20]，減緩了預測的形成。本聚類集中探討的就是學習者個體在編碼、存儲、檢索等方面的差異，進而推進對學習者語言預測加工機制的了解。

聚類8，電生理技術(electrophysiological approaches)。Dowens 等人以22名英語為母語的西班牙語二語高水平學習者為被試，收集了他們進行數(shù)與語法性別一致加工時的事件相關電位(ERP)數(shù)據(jù)。實驗分母語組及二語組進行，結果支持母語遷移假說，當母語與二語有重合時，高水平學習者在二語加工過程中可以誘發(fā)與母語者相似的P600效應[21]。Foucart&Frenck-Mestre利用ERP技術考察了母語和二語相似性對于二語加工的影響。該結果進一步證明二語中的句法加工受到母語與二語句法規(guī)則相似性的影響[22]。Morgan-Short等人采用人工語言學習范式學習人工語言BROCANTO2，結合ERP技術，研究二語學習者在顯性學習和隱性學習兩種不同的學習方式下的語言性別一致加工問題。被試在加工 BROCANTO2 時產生了和自然語言相似的大腦活動特征[23-24]。本聚類中的其他文獻也都與電生理技術在二語加工研究領域的應用有關，由于電生理技術能夠精確獲取人腦認知加工的動態(tài)信息，增強實驗結果的可信度，因此成為二語加工領域的研究前沿。

其他聚類也代表了二語加工研究的不同關注點。比如，聚類0，眼球追蹤(eye tracking)，是最大的聚類，包含85篇引文。近些年大量的實證研究證明眼球追蹤技術優(yōu)于其他的研究方法，如有聲思維、自定步速閱讀任務等，并且認為眼球追蹤可能是二語習得研究的一個有價值的補充[25]。聚類5，二語水平(second language proficiency)。二語水平如何影響二語學習者的二語加工機制進程一直備受學界關注。同時也有不少研究開始關注語言水平對三語習得的影響，并提出了語言類型優(yōu)選模型(TPM)[26]。聚類6，從人體神經學角度對二語學習者本身展開研究。有研究證明二語學習經歷對大腦有可塑性，可以引發(fā)大腦功能重組，當然這種可塑性與習得年齡和語言熟練度有關[27]，然而大腦結構如何因雙語經歷而改變仍然是一個有爭議的話題。如何將“模糊的視圖(hazy view)”變得清晰可見，正是研究者關注的課題。聚類10，領域一般性聽覺加工(domain-general auditory processing)。有研究表明，聽覺模式與語言結構的各個層面關系密切，包括語音、韻律、詞匯和語法特征等。而聽覺加工與二語習得成功的相關性超過了習得年齡、居住時長等因素[28]。因此，探索二語學習者的聽覺加工機制, 對進一步認識聽覺加工的本質有重要的意義。

以上聚類代表了二語加工的主要研究前沿。聚類分析表明，目前二語加工研究方向較為分散，沒有形成較大、較集中的研究主題。

(二)研究趨勢分析

科學研究的新趨勢是研究者們始終關注的話題，探測學科未來研究趨勢的變化可以幫助研究者更好地開展科學研究。通過動態(tài)可視化方式可以更加直觀地展現(xiàn)研究趨勢。

1.突現(xiàn)檢測分析

對最新的持續(xù)一段時間的突現(xiàn)引文進行分析，可以在一定程度上揭示某一領域的未來研究趨勢[29]。本研究即采用CiteSpace突現(xiàn)檢測功能提取突現(xiàn)引文，并結合二次文獻法，將今后的研究趨勢歸納為以下幾類。

(1)跨學科實驗研究范式持續(xù)增加

二語加工的研究范式不斷演進。隨著信息技術、認知心理學和腦科學的不斷發(fā)展，利用眼球追蹤技術和腦成像技術來收集腦神經加工數(shù)據(jù)，探究腦神經加工的實驗范式不斷增加。Elgort等人采用眼球追蹤技術探索荷蘭語母語者進行英語閱讀時的眼球運動軌跡，發(fā)現(xiàn)隨著學習次數(shù)累加，新詞加工時間出現(xiàn)從高速到平緩的變化趨勢，甚至出現(xiàn)“平臺期”[30]。

眼球追蹤技術還被應用到詞匯加工領域。Godfroid等人通過為期兩天的眼球追蹤閱讀實驗，探討學習者在閱讀長篇真實語料時，如何隨著新詞的復現(xiàn)對其進行加工和習得。通過生長曲線模型發(fā)現(xiàn)復現(xiàn)率能預測新詞的習得，證明了在詞匯習得中重復的重要性，建議語言教師在教學過程中制定高標準，提供豐富語料，培養(yǎng)學習者終身自主學習能力[31]。

傳統(tǒng)的認知神經科學研究通常采用ERP研究大腦對視聽刺激的加工過程。Caffarra等人回顧了現(xiàn)有的二語句法加工的ERP研究，以確定各因素在二語加工過程中的相對權重，并進行了Logistic回歸分析。結果表明，沉浸時間與和句法加工早期機制相關的ERP呈正相關，而整體水平與和后期語言監(jiān)控活動相關的ERP呈正相關[32]。

本聚類中的其他文獻也探討了二語加工研究的跨學科研究實驗與研究范式，基于眼球追蹤技術和ERP技術的在線任務，能更敏感而準確地捕捉到被試的語言加工動態(tài)，因此更受推崇。

(2)量化質化研究方式有機結合

二語加工研究趨向于量化質化研究相結合，計算機程序或者軟件廣泛應用于二語加工研究。運用R語言輔助二語加工研究的實驗范式持續(xù)增加。Bates詳細介紹了如何運用其開發(fā)的lme4包構建混合效應模型，進行數(shù)據(jù)分析[4]。Matuschek等人指出，在心理學和心理語言學領域，線性混合效應模型越來越多地代替方差分析，為其他領域研究者在應用線性混合效應模型建模時提供了借鑒與參考[33]。

二語加工研究的核心議題之一是二語語音加工。Boersma & Weenink開發(fā)的語音學軟件Praat是一款跨平臺的多功能語音學專業(yè)軟件，可以采集語音，并將其做數(shù)字化處理、分析，生成各種語圖，以及對語言學數(shù)據(jù)進行統(tǒng)計分析，可以為語音加工研究提供重要的數(shù)據(jù)支撐。

元分析可以審視研究設計、數(shù)據(jù)分析和結果報告的科學性、規(guī)范性，對具體的統(tǒng)計方法和統(tǒng)計指標進行系統(tǒng)評價，以保證研究具有理論及實踐的參考價值。Plonsky & Derrick選取537篇二語研究領域的文獻，對其內部一致性、評分者和評分者間的信度系數(shù)進行元分析，證明不同研究設計，包括樣本數(shù)的大小、測量工具的差異等，都可能造成信度系數(shù)的差異，并發(fā)現(xiàn)內部一致性系數(shù)值最低，同時研究提供了一組一般的可靠性估計范圍，為研究人員在信度系數(shù)選擇和解釋方面提供參考，并建議加強對二語教師及研究者進行包括心理測量學等方面的培訓[34]。

除了主流的量化和心理測量手段，學者們還注重質化研究。Dornyei&Ryan在二語習得領域個體差異研究重心轉變背景下，在《語言學習者學習心理“再探”》一書中總結2005—2015年的最新研究成果，提出了質化研究方法，即敘事研究[35]。

由此可見，各種計算機程序和軟件的應用拓寬了二語加工研究的范疇，為二語加工研究的量化研究提供了科學翔實的數(shù)據(jù)支撐，同時質化研究、混合式研究等多種研究方法也越來越多地應用于二語加工研究。

(3)多層面研究向縱深方向發(fā)展

二語加工研究開展得比較多的三個方面是語音加工、詞匯加工、句子加工[1]?，F(xiàn)在越來越多的研究將二語加工的關注點放到了預測加工、語篇加工以及情緒詞匯加工等方面。進行補充性說明后的“淺層結構假說”繼續(xù)為二語加工研究提供理論支撐[17]，使二語加工研究不斷向縱深發(fā)展。

預測加工對語言研究最重要的貢獻之一是，改變了人們對理解和產出關系的認識[36]。Kuperberg & Jaeger運用反應時研究范式，發(fā)現(xiàn)語言理解具有預測性，是一個迅即的過程。預測性激活的水平和程度依賴于理解者的目標、先驗知識和自下而上的信息輸入[18]。

眼球追蹤技術和電生理技術等多種實驗方法的出現(xiàn)和發(fā)展，推動了預測機制的研究進程。Hopp通過兩個實驗探討了成人第二語言習得中性別一致性的預測加工[37]。Cunnings還發(fā)現(xiàn)，二語學習者與母語者句子加工機制本質上是相似的，其加工過程的差異只是一種量的差別，是由二語加工認知資源受限而導致檢索受到干擾[20]。此研究結果與Hopp的觀點一致。

詞匯加工繼續(xù)向縱深發(fā)展。以往研究大多通過行為和腦電實驗探究情緒詞加工機制，而Kazanas & Altarriba采用雙語樣本對雙語者的兩種語言情緒標注詞和情緒負載詞的加工機制進行了對比研究，發(fā)現(xiàn)因為情緒標注詞更直接地表達情緒，其內涵會迅速吸引學習者的注意力，促進詞匯的加工，反應時更短，正確率更高，情緒標注詞比情緒負載詞所產生的啟動效應更大。因此，今后的研究應該對兩類情緒詞進行區(qū)分, 分類別探討認知加工機制上的異同[38]。

相較于語音加工、詞匯加工和雙語加工，二語加工研究的語篇加工較少。Barkaoui考察了54名不同二語水平、不同鍵盤操作能力的二語學習者，在應對不同計算機定時寫作任務時進行實時寫作修改的表現(xiàn)[39]。通過閱讀本被引文獻的重要施引文獻，發(fā)現(xiàn)學者們開始關注計算機輔助二語寫作研究[40-42]。本研究推測這將為二語綜合加工研究(包括詞匯加工、句子加工、語篇加工等)提供新的切入點。

(4)不同情境下對比性研究加強

二語加工和二語習得密切相關，不同教學方法及不同語境對二語習得與二語加工的影響也越來越受到學者們的關注。Long在《二語習得和任務型語言教學》一書中，全面闡述了任務型教學(task-based language teaching，TBLT)的心理語言學基礎和實施方法，提出了認知—互動理論(cognitive-interactionist theory)，認為顯性學習更能促進成人學習者二語加工機制的發(fā)展[43]。很多研究為此理論提供了實證性的支持。Cerezo等人采用兩項產出性任務，考察70名大學生復雜西班牙語gustar結構加工的情況。研究結果表明，在完全在線的環(huán)境下，顯性歸納式教學方式優(yōu)于顯性演繹式教學方式[44]。

《二語習得理論》第六章“技能習得理論”由DeKeyser撰寫。DeKeyser認為人們習得技能時都要經歷三個階段：陳述性階段、程序性階段和自動化階段。語言習得作為技能習得的一種，必定也要經過以上三個階段[45]。同時，進行精細化、個性化、具體化的練習后，才能“習得技能”。通過閱讀該被引文獻的重要施引文獻發(fā)現(xiàn)，很多研究為“技能習得理論”提供了實證性的支持。有研究探討了不同的語言訓練方式，如感知訓練對語音加工的影響[46]、不同學習語境對學習者二語習得與二語加工的影響[47]。

2.結構變異性分析

如果一篇文獻在引文知識圖譜中構建了跨越不同主題邊界的新奇的引文軌跡，引起了知識圖譜結構的變異，那么我們可以就此推斷，此引文可能具有引發(fā)新的研究結構的潛力[48]。CiteSpace能夠通過模式性變化率(ΔM)、聚類間鏈接變化率(ΔClw)和中心性分散度(ΔCkl)對知識圖譜的結構變異情況進行計量[49]。

通過分析發(fā)現(xiàn)，Morgan等人發(fā)表于2010年的文獻[23](以下稱文獻1)和Sagarra & Herschensohn發(fā)表于2010年的文獻[50](以下稱文獻2)，其ΔM、ΔClw、ΔCkl三個計量指標值均處于較高水平，這兩篇文獻又同為較重要的被引文獻，尤其是文獻1突現(xiàn)值高達7.04，說明兩篇文獻對知識圖譜結構變異的影響力很大，是引發(fā)新的結構變異的潛在標志。文獻1探討了顯性教學和隱性教學對學習者二語加工的影響(見上文“聚類分析”)；文獻2通過在線自定步速實驗和離線語法判斷任務實驗，發(fā)現(xiàn)所有被試離線語言加工任務表現(xiàn)一致，中級水平二語學習者和母語者在線語言加工任務表現(xiàn)一致。圖3展示了兩篇文獻引起知識圖譜結構變異的引文軌跡，文獻1見左圖，文獻2見右圖。兩篇文獻的引文軌跡結構相近，但有所不同。文獻1引文軌跡跨越了四大聚類，分別為1、2、4和8號聚類，文獻2引文軌跡跨越了1、2、4和11號聚類，兩篇文獻發(fā)表的年份同為2010年，且通過分析影響知識圖譜結構變異的文獻，發(fā)現(xiàn)影響力較大的引文中有50%的文獻發(fā)表于 2010 年，說明2010年是引起二語加工研究知識圖譜結構變異的重要年份。通過對施引文獻的進一步閱讀、分析，本研究推測各種實驗范式的結果是否在自然語言環(huán)境下具有同樣解釋力，同時二語加工研究成果如何有效應用于三語乃至多語加工，有望成為今后研究關注的方向。

圖3 文獻1(Morgan et al.， 2010)和文獻2(Sagarra & Herschensohn， 2010)引文軌跡

四、結 語

以Web of Science數(shù)據(jù)庫為依托，以可視化軟件CiteSpace為工具，本文考察了 2008—2021年間國際二語加工研究的發(fā)展現(xiàn)狀、研究前沿與研究趨勢。首先，從文獻發(fā)表年度趨勢的統(tǒng)計看出，二語加工研究一直是學界關注的重點，發(fā)文數(shù)量總體呈上升趨勢；其次，通過文獻共被引和聚類分析功能，探測二語加工研究前沿，發(fā)現(xiàn)學界關注點比較分散，沒有形成較大、較集中的研究前沿；最后，通過突現(xiàn)檢測和結構變異分析發(fā)現(xiàn)，二語加工研究趨向于量化質化研究相結合，基于計算機程序的實證或實驗研究是主流范式?？鐚W科研究方法尤其是結合腦神經科學和計算機科學的研究方法快速增長，研究層次也逐漸向縱深發(fā)展，不同情境下的對比研究不斷拓展，同時增強各種研究范式在三語和多語加工研究中的應用效力以及在自然語言環(huán)境下的解釋力，有望成為今后的研究方向。