句子处理

每当读者或听者单独或在对话或文本的上下文中处理语言话语时，就会发生句子处理。许多关于人类语言理解过程的研究都集中在阅读没有上下文的单个话语（句子）。广泛的研究表明，语言理解受到给定话语之前的上下文以及许多其他因素的影响。

实验研究产生了大量关于句子理解的结构和机制的假设。模块化与交互式处理以及分析的串行与并行计算等问题已成为该领域的理论分歧。

在行为研究中，受试者经常被呈现语言刺激并被要求执行一个动作。例如，他们可能会被要求对一个词做出判断（词汇决定)、再现刺激或大声说出视觉呈现的单词。速度（通常是反应时间：对刺激做出反应所用的时间）和准确性（正确反应的比例）是行为任务中常用的表现衡量标准。研究人员推断，任务所需的潜在过程的性质会导致差异；这些任务的较慢速度和较低准确度被视为增加难度的措施。任何行为任务的一个重要组成部分是它对“正常”语言理解保持相对真实——当任务与人们实际接触语言的方式几乎没有共同之处时，概括任何任务结果的能力就会受到限制。

一个常见的行为范式涉及启动效应，其中首先向参与者呈现素数，然后是目标词。目标词的响应时间受素数和目标之间关系的影响。例如，Fischler(1977)使用词汇决策任务研究了单词编码。她要求参与者决定两串字母是否是英语单词。有时字符串是需要“是”响应的实际英语单词，有时它们是需要“否”响应的非单词。合法词的一个子集在语义上是相关的（例如，cat-dog），而其他的则是不相关的（例如，bread-stem）。Fischler发现，与不相关的词对相比，相关词对的响应速度更快，这表明语义相关性可以促进词的编码。

眼动追踪已被用于研究在线语言处理。这种方法在告知阅读知识方面具有影响力。此外，Tanenhaus等人。(1995)建立了视觉世界范式，它利用眼球运动来研究在线口语处理。该研究领域利用了眼球运动与当前关注焦点密切相关的关联假设。

非侵入性技术的兴起为检查语言理解的大脑基础提供了无数机会。常见的例子包括正电子发射断层扫描(PET)、功能磁共振成像(fMRI)、脑电图(EEG)和脑磁图(MEG)中的事件相关电位(ERP)以及经颅磁刺激(TMS)。这些技术的空间和时间分辨率各不相同（fMRI的分辨率为每像素几千个神经元，而ERP的精度为毫秒），并且每种类型的方法在研究语言理解中的特定问题时都有一组优点和缺点。

计算建模是另一种探索语言理解的方法。模型，例如在神经网络中实例化的模型，特别有用，因为它们要求理论家在他们的假设中是明确的，并且因为它们可用于为理论模型生成准确的预测，这些理论模型非常复杂，以至于使散漫分析变得不可靠。语言研究中计算建模的一个经典例子是McClelland和Elman的语音感知TRACE模型。可以在Hale(2011)的“理性”广义左角解析器中找到句子处理模型。该模型推导出花园路径效应以及局部连贯性现象。计算建模还有助于将句子处理与语言的其他功能联系起来。例如，句子处理中的ERP效应模型（例如N400和P600）认为，这些现象产生于支持语言习得和语言适应的学习过程。