一、文献名称 ¶

Chater, N., McCauley, S. M., & Christiansen, M. H. (2016). Language as skill: Intertwining comprehension and production. Journal of Memory and Language, 89, 244–254. http://doi.org/10.1016/j.jml.2015.11.004

二、研究背景 ¶

​ 理解和创造语言的能力需要熟练的技能，但这是一项还是两项技能呢?理解和产出之间的转换似乎表明是单一的系统;听一种语言似乎对说这种语言至关重要。毕竟，孩子们在学习汉语的同时也不能理解德语。事实上，在语言科学的不同理论视角中，人们普遍认为，在语言的理解和产出过程中，知识和处理操作之间存在一定的重叠。但对于这种关系的性质，各方存在相当大的分歧。

三、目的及方法 ¶

扩展之前的CBL模型，以探索理解和产生之间的不对称是如何产生的。文章首先简要概述了CBL模型的操作，然后报告一组新的模拟结果，在这些模拟中，理解和生产性能根据相同的度量标准进行评分。

材料 ¶

语料库的选择：the Thomas corpus（英语）和the Leo corpus（德语）

话语测试：为了作为测试话语，从每个语料库中随机选择100个成人话语和100个儿童话语，限制每个话语包含至少四个单词

过程 ¶

​ 1、主要涉及CBL模型的操作。该模型对语料库逐字处理，跟踪词和词对的频率信息。这种分布信息被用于在线计算单词之间的向后转移概率(BTP)。具体来说，每当模型计算达到或超过运行平均值的单词之间的BTP时，这两个单词就被分组，形成一个块的一部分。相反，只要单词之间的BTP低于运行平均水平，就会在单词之间插入一个块边界，这样创建的块就会被放置在模型的chunkatory中。

​ 模型还利用其chunkatory使在线“预测”涉及哪些词应该分块:当遇到一对词组,他们组合在一起超过两次,作为一个完整的块或chunkatory作为一个更大的块。例如，假设模型第一次遇到短语the blue ball，它的chunkatory包括the blue car和blue ball。在处理the和blue时，模型不会在这两个单词之间设置边界，因为单词对已经在chunkatory中表示了。

​ 评估模型的性能：使用了一个浅解析器来解析输入语料库。浅层解析器广泛应用于自然语言处理任务。在对语料库进行浅解析后，去掉短语标签(VP、NP等)，用CBL产生的类别边界标记代替。然后，将模型的解析和生成尝试与对应语句的黄金标准解析进行比较，从而对其进行评分。

​ 2、使用了双语评估替补研究(BLEU)算法。通过比较模型输出与目标话语的Gold Standard解析的输出，使用BLEU对CBL的解析和生成性能进行评分

四、结果 ¶

1、Fig-1

在所有10个时间点上，成人英语测试中，理解和表达的平均布鲁f分分别为0.44和0.37。英语儿童的平均f值在理解和表达上分别为0.44和0.35。德语测试的结果也遵循同样的模式，儿童在理解和表达上的平均f分分别为0.37和0.33，成人在理解和表达上的平均f分分别为0.35和0.31。

在跨语言上，CBL表现出了一种理解-产出的不对称性。对于儿童和成人测试集，解析和生成的不对称性在早期阶段表现得最为明显。虽然解析和生成之间的不对称部分来自于不同的任务需求，但随着学习的进行，任何这种不对称都会减少，并且在德国儿童测试集中消失了，(图1c)。

五、存在的问题及其他 ¶

​ 学习一门语言应该被看作是习得一种感知运动技能，而不是学习一种抽象的语言结构理论。

​ 同时，这种CBL模型适不适用于孤立语的汉语，用汉语语料库进行实验会不会有不同的结果，这也是后来者的研究方向之一。