汉语自闭症儿童递归处所加工的ERP研究
摘要
这项ERP研究考察了汉语自闭症儿童对递归处所结构的加工,发现自闭症谱系障碍(ASD)组早期预测参与减弱,语义整合需求增加。
arXiv:2606.05620v1 公告类型: 新
摘要: 递归能够生成层级性语言结构,但在实时理解过程中会带来较大的加工负担。尽管已有研究报告自闭症谱系障碍(ASD)患者在复杂句法方面存在困难,但递归加工的时间动态仍鲜为人知。本研究采用事件相关电位(ERP)技术,考察汉语ASD儿童如何处理两级递归处所结构。24名儿童(12名ASD,12名典型发育(TD))参与了一项跨模态句子-图片匹配任务。在控制心理年龄的前提下,分析了与结构预测(P200)、语义整合(N400)和句法重分析(P600)相关的三个加工阶段的神经反应。结果显示两组之间存在系统性差异。TD儿童在面对结构失配时表现出明显的P200和P600调制,而ASD儿童早期分化减弱,晚期重分析效应降低。相反,ASD儿童在失配条件下N400反应增强,表明语义整合需求增加。此外,ASD组在半球偏侧化上表现出显著更大的个体间变异性,但偏侧化强度与接受性词汇成绩无关。这些发现支持一种级联解释:ASD患者早期预测参与减弱导致递归加工中整合成本增加和重分析效率降低。更广泛地说,这些结果强调了时间加工动态和神经变异性在理解ASD语言差异中的重要性。
查看缓存全文
缓存时间: 2026/06/05 08:07
# 自闭症谱系障碍汉语儿童递归处所加工的事件相关电位研究 来源:https://arxiv.org/abs/2606.05620 查看 PDF (https://arxiv.org/pdf/2606.05620) > 摘要:递归能够生成层级化的语言结构,但在实时理解过程中会施加显著的加工负荷。尽管自闭症谱系障碍(ASD)中存在复杂句法处理困难的报告,但递归加工的时程动态仍知之甚少。本研究采用事件相关电位(ERPs)考察汉语ASD儿童如何处理两级递归处所结构。24名儿童(12名ASD,12名典型发育儿童,TD)参与了跨通道句子-图片匹配任务。在控制心理年龄的条件下,分析了与结构预测(P200)、语义整合(N400)和句法重新分析(P600)相关的三个加工阶段的神经反应。结果显示两组之间存在系统性差异。TD儿童在结构失匹配条件下表现出清晰的P200和P600调制,而ASD儿童则表现出早期区辨减弱和晚期重新分析效应降低。相反,ASD儿童在失匹配条件下表现出增强的N400反应,表明语义整合需求增加。此外,ASD组在半球偏侧化方面表现出显著更大的个体间差异,尽管偏侧化强度与接受性词汇表现无关。这些发现支持一种级联解释:ASD儿童早期预测性参与的减少导致递归加工过程中整合成本增加和重新分析效率降低。更广泛地说,结果凸显了时程处理动态和神经变异性在理解ASD语言差异中的重要性。 ## 投稿历史 来自:王晓义 [查看电子邮件 (https://arxiv.org/show-email/07450950/2606.05620)] **\[v1\]** 2026年6月4日星期四 02:45:13 UTC (914 KB)
相似文章
普通话中的重叠结构:通过分布语义学进行社会情感剖析
本研究使用词嵌入来分析中文普通话中的重叠结构,揭示了语义和语用分化,并验证了分布语义学在语言研究中的有效性。
用于评估自闭症社交语言障碍特征的前瞻性多智能体对话框架
本文介绍了TPA (Think, Plan, Ask),一种前瞻性多智能体对话框架,利用LLMs通过选择基于临床的提问策略,系统地揭示自闭症中潜在的社交语言障碍特征。它实现了82.1%的特征覆盖率,优于临床医生的真实临床对话。
@TDataScience:跟随@neural_avb的全方位深度解析,了解“递归语言模型(RLM)是什么、为何它们会在长上下文基准测试中持续胜出……”
一篇关于递归语言模型(RLM)的教育性深度文章,解释了RLM是什么、为何它们能在长上下文基准测试中胜出,以及它们与现有智能体框架(如ReAct或CodeAct)的不同之处,并通过一个简单的案例研究进行说明。
递归语言模型
本文介绍了递归语言模型(Recursive Language Models, RLMs),这是一种推理策略,使大型语言模型(LLMs)能够通过将任意长的提示视为外部环境,并在提示片段上递归调用自身来处理这些提示。RLMs可以处理超出上下文窗口两个数量级的输入,并且在长上下文任务上以可比的成本优于基础LLMs。
转录儿童语音:ASR性能与获取可靠的正字法转写
这篇论文评估了九种ASR模型(Whisper、Parakeet、Wav2Vec2)在荷兰语儿童语音数据集JASMIN和DART上的表现,发现微调后的Whisper-medium取得了最佳性能(在JASMIN上WER为5.54%,在DART上为70.37%)。它还提出了一种选择方法,能够以高精度自动识别发音正确的录音片段,从而减少人工验证的需求。