——从“表面迁移”到“变形中守住同一交际责任”的三域理论重构
语言习得研究长期把“会了”结算为正确率上升、保持时间延长、迁移到新任务、加工速度提高或规则能够被显性说明。本章在一个限定材料范围内重新提出问题:当一句话经历语序、语态、时态、语体、嵌套、指称和言语行为形式的变化时,学习者究竟凭什么把其中一些变化识别为“仍在承担同一交际责任”,又在何处判断“已经不是同一件事”?本章从古希腊与罗马哲学、拓扑与同伦论、高性能与并行计算三个异质领域提取三条互相约束的证据线:承诺只有在反例中重新安排才显示其真实结构;对象身份要在变形与尺度变化中由不变量和边界共同辨认;局部运算能力只有在通信、同步与数据移动成本受控时才构成系统能力。由此提出“承诺守恒域”:学习者逐渐形成一个带边界的语言等价域,在预先指定的意义保持变形下维持交际责任签名,在真正跨越指称、时间、情态、言语行为力或篇章关系边界时及时改判。本章进一步提出守恒域完整率CDR及二维辨别格,并以本站二语习得20条研究线做测量覆盖审计。结果为0/20直接覆盖完整判据,6/20提供部分代理。该不利结果意味着本章目前只能提出一种可检验的测量框架,而不能声称其已经获得学习者级经验验证。本章据此把语言习得重新定义为:不是形式越来越固定,而是学习者在变形中既能守住该守的同一性,也能在边界处停止守恒。
关键词:语言习得;承诺守恒域;变形不变量;边界辨别;守恒域完整率
This paper reframes the essence of language acquisition as the formation of a Commitment-Conservation Domain (CCD). Instead of equating acquisition with higher accuracy, longer retention, transfer, faster processing, or explicit rule knowledge, CCD asks whether a learner can preserve the same communicative commitment across meaning-preserving surface transformations while detecting the exact point at which a transformation changes referential responsibility, temporal anchoring, modality, illocutionary force, or discourse relation. The framework is reconstructed from three heterogeneous domains in a closed corpus: Ancient Greek and Roman philosophy, topology and homotopy theory, and high-performance/parallel computing. A measurement proposal, the Conservation-Domain Rate (CDR), is introduced together with a two-axis diagnostic grid. A coverage audit of twenty second-language-acquisition research lines in the same corpus finds no direct operationalization of the full CCD criterion and only partial proxies in six lines. The result is treated as an unfavorable measurement-gap finding rather than empirical confirmation. The central claim is therefore deliberately narrow: acquisition of a generative form–function family occurs when sameness can survive appropriate transformation, difference can be detected at boundary crossings, and the coordination cost of maintaining that distinction remains bounded under task variation.
Keywords: language acquisition; commitment-conservation domain; invariance; boundary discrimination; transformation; CDR
语言习得最容易被看见的是“结果”:一个词会不会说,一个句式会不会用,一段话能不能完成,一项考试能不能通过。因此,研究与教学很自然地围绕成功率组织证据。即使理论已经从单一正确率推进到延迟保持、迁移、在线加工、个体差异与人工智能辅助,核心问题往往仍是“在另一个时间或另一个任务里,这个学习者还能不能成功”。这种改进非常重要,却留下一个更基础的问题:所谓“另一个任务里的同一个能力”,其中的“同一个”究竟由谁来判定?如果这个判定本身没有被测量,迁移就可能只是研究者把不同事件预先归到同一类别之后,再去统计学习者是否成功。
设想一个学习者已经掌握请求这一交际功能。他能说“Could you open the window?”,也能理解“Would you mind opening the window?”。传统测量可能把第二句看作新形式上的迁移。但如果他把“Can you open the window?”、“You will open the window.”、“Open the window.”和“I wonder whether the window can be opened.”全部视为同一种“礼貌请求”,那么他虽然显示出广泛迁移,却同时抹平了情态、言语行为力、责任归属和语体差异。反过来,如果他认为每一种表面形式都是一条独立规则,需要逐条重新学习,他又会表现为极强的碎片化。语言习得的成熟状态显然既不是无限合并,也不是无限分裂。
因此,本研究把问题从“新情境还能不能做对”改写为:“语言形式经历变形以后,学习者如何判断哪些变化仍保持同一交际承诺,哪些变化已经越界?”一旦问题这样重写,语言习得的本质不再只是记忆容量、规则库存、反应速度或迁移成功,而涉及一个更深的分类能力:建立一个有内部连通性、也有外部边界的等价域。这个域如果不存在,学习者只能靠表面相似度行动;这个域如果过宽,学习者会把真实差异吞掉;这个域如果过窄,学习者又无法把不同表达看成同一个语言行动的变体。
本章全部网络材料来自同一本书语料系统,重点使用“跨学科领域索引”面板。选源不以“和语言学有多近”为标准,而以三个来源能否从不同位置对同一个对象提出互不相容的判据为标准。本轮固定编号抽样后,第512号古希腊与罗马哲学、第3号拓扑与同伦论、第351号高性能与并行计算形成了最强的三向约束:第一家把“成立”压到承诺是否真正被改写,第二家把“同一”压到变形中什么保持、什么越界,第三家把“能力”压到局部处理与跨部件协调成本能否同时成立。三个来源任何一家都不能直接推出本章结论,但它们合在一起逼出一个此前没有被语言习得研究直接结算的对象。
本书第512号面板对苏格拉底反诘的整理提供了第一个关键限制:真正的检验不是问答格式是否完整,而是回答者是否承认自己的普遍主张与已经认可的生活判断不能同时成立,并据此撤回或修订承诺。这里最重要的不是古典哲学史本身,而是一种评价观:外表上完成了一连串正确步骤,不代表对象内部的责任结构已经变化。对语言学习来说,这等价于提醒我们,学习者能够复述规则、选择正确答案、甚至完成一段看似流畅的表达,并不能自动说明他已经重新组织了“说出这句话意味着承担什么”。
同一面板对柏拉图对话形式的讨论又提供第二个限制:命题不能总是从人物、场景和对话次序中剥离。相同句面由不同说话者在不同场景说出,可能改变权威、责任与哲学意义。这个事实与语言习得高度相关,因为学习者常被训练去识别形式—意义对应,却较少被要求判断“同一字面形式换了说话者、关系、时机以后,是否还承担同一交际责任”。如果场景本身进入内容,那么表面保留不是承诺守恒;如果人物与场景改变而核心责任仍未变,那么表面变化也不必构成新对象。
因此,古典哲学来源给本章的不是“哲学启发”,而是一条硬判据:必须把“说了什么”与“承担了什么”分开。语言习得若只记录形式产出,就可能把承诺结构未改变的机械复现当成学习,也可能把形式变化但承诺保持的表达误判为另一个知识点。
第3号拓扑与同伦论面板提供了第二条完全不同的证据线。持续同调的本书介绍强调:给点云引入尺度参数,记录某些拓扑特征在尺度变化中何时出现、何时消失,从而把“什么在噪声与变形中保持”变成可追踪对象。这里不能把数学概念直接搬进语言学;真正可迁移的是认识论结构:对象的身份不是靠表面完全相同来保证,而是在允许的变形族中由不变量与死亡边界共同定义。
如果只取“不变量”,理论会滑向“无论怎么变都一样”的空话;如果只取“边界”,理论又会退化成错误分类。拓扑视角最有价值的地方恰恰是两者必须同时存在:有一组变化不破坏对象身份,也有一些变化会让原先的结构出生、死亡或断裂。把这一结构翻译到语言习得,问题就变为:什么样的语序、语态、词汇替换、语体转换、嵌套方式改变仍允许学习者保持同一组交际责任?而什么样的时态、情态、指称、言语行为力或篇章关系变化必须触发“不是同一个东西”的改判?
这使“迁移”获得了更严格的前提。新任务成功只有在研究者和学习者都正确识别了变形后的对象身份时才有意义。否则,所谓迁移可能只是研究者把两个其实不同的交际事件归成同一类,也可能是学习者把两个其实相同的交际事件当成互不相干的规则。
第351号高性能与并行计算面板把第三条限制引入进来:一个系统不能只凭峰值算力、平均速度或“能运行”证明自己,通信、数据移动、同步与能耗必须进入结果。屋顶线模型尤其清楚地表明,局部计算峰值与内存带宽共同限定实际性能;数据不能及时到位,再快的算术单元也无法转化为整体能力。
这给语言习得一个容易被忽略的对照。学习者可以拥有大量局部“正确模块”:时态题会做,代词会选,礼貌表达会背,话语连接词也会用。但在真实表达中,他需要让这些局部选择彼此协调。如果每改变一个表面形式,就要重新调用显性规则、反复检查前文、停下来确认人物关系,那么系统虽然局部知识丰富,跨模块协调成本却极高。这样的“会”无法稳定进入实时语言行动。
并行计算来源因此反过来限制本章的新概念:不能只测学习者能否把不同形式归入同一承诺类,还要观察维持这种分类是否需要越来越高的协调成本。真正成熟的守恒域必须在表面变形增多时仍保持可用,而不是靠无限延长思考时间、反复回看提示或外部工具来维持。
三个领域彼此并不共享术语,却共同顶住一个旧前提:一个对象可以通过某个单一可见指标被直接读出。哲学来源说,形式上的胜负不能直接读出承诺是否改变;拓扑来源说,单个表面形状不能直接读出对象在变形中的身份;并行计算来源说,局部峰值不能直接读出整体系统能力。放到语言习得中,这个旧前提变成:“只要某个语言项目在当下表现正确,就可以把它结算为已经习得的同一个能力。”
问题不在于正确率没有价值,而在于正确率没有回答“正确的是哪一个对象”。例如,学习者把主动句改成被动句时仍然保持事件角色,这是同一命题的形式变形;把过去时改成将来时却可能改变时间承诺;把陈述句改成疑问句可能改变言语行为力;把“must”改成“might”会改变认识立场。若研究只统计最终答案是否被教师接受,就把这些不同类型的变形压成了一个“迁移成功”。
因此,本章的共有前提推翻不是“学习很复杂”这种宽泛结论,而是一条更硬的否定:语言能力不能只由结果、路径或环境中的任何一项单独读出;它必须包含一个关系对象——学习者对“哪些变形仍是同一交际承诺、哪些变形已经跨界”的内部划分。这个划分本身如果不进入测量,任何关于迁移、自动化和泛化的结论都可能把研究者自己的分类预设偷偷带入结果。
语言习得的系统级本质,是承诺守恒域的形成:学习者在一组预先界定的表面变形中维持该维持的交际责任,并在真正跨越责任边界时及时改判。
“承诺守恒域”不是说意义永远不变,也不是把语言理解为物理守恒定律。这里的“守恒”是操作性的:研究者先为一个目标形式—功能家系写出一组“责任签名”,再规定哪些变形按任务定义不应改变这些责任,哪些变形必须改变其中至少一项。学习者如果能在第一类变形中保持同类判断,并在第二类变形中准确改判,就说明他形成了一个既有内部连通性、又有外部边界的语言等价域。
责任签名可以写成六个维度:第一,指称责任——说话者究竟把谁或什么指认为事件参与者;第二,事件角色——谁做了什么、谁受到什么影响;第三,时间锚定——事件位于何时以及是否完成;第四,情态与认识立场——说话者把命题当作确定、可能、必要、推测还是愿望;第五,言语行为力——一句话是在陈述、请求、承诺、警告、质疑还是命令;第六,篇章关系——这句话在上下文中承担补充、转折、解释、因果、回应或修正中的哪一种关系。
并非每一次变形都要求六维全部不变。恰恰相反,每项测试必须事先写清“本次应该守住哪几维,允许哪几维改变”。例如主动—被动转换可以允许信息结构变化,却要求事件角色和核心命题保持;直接请求变为间接请求可以允许句法与礼貌策略变化,却要求目标行动和请求力保持;把“must”替换成“might”则属于边界变换,因为认识承诺发生了改变。守恒域的关键不在于拥有一张永远固定的签名,而在于学习者能否识别每类变形的合法不变量。
从这个角度看,“学会”不是把一种形式固定下来,而是把一组形式组织成有边界的连通区域。学习者不再逐句记忆,而是知道哪些表达可以在不改变核心责任的情况下互相变形;同时也知道某些看似很小的变化会让责任发生质变。成熟因此是一种双重能力:内部允许变,边界处敢于判不同。
| 近邻 | 它主要回答什么 | 本章新增的对象 | 判决性分离线 |
|---|---|---|---|
| 迁移/新任务保持 | 问同一能力能否在新任务中继续成功 | 先问新旧任务中哪些事件应被视为同一承诺,哪些已跨边界 | 若学习者新任务正确率高,却把边界变换也当作同义变体,迁移指标高而CDR低 |
| 使用本位构式网络 | 问频率、显著性与竞争如何塑造构式表征 | 问构式之间的表面变形是否被组织成有边界的等价域 | 若两个学习者构式类型数相同,但一个能辨别守恒边与越界边,本章预测其CDR更高 |
| 动态系统 | 问多个子系统如何随时间波动并形成吸引子 | 问某一时点的学习者如何划分“同一承诺”的变形域 | 波动轨迹相似不推出守恒域边界相同 |
| 程式语/整体提取 | 问多词序列能否整体提取、降低在线规划成本 | 允许整体提取很快但仍不会在变形中守住责任边界 | 若固定短语反应极快,却一改语态/语体就失去同一性判断,程式化高而CDR低 |
| 语用/语境主义 | 问具体语境如何参与话语内容 | 把语境参与进一步变成可编码的变形边与边界边,并要求同一学习者逐边判定 | 同一语境解释理论可以成立,而学习者仍可能没有稳定的守恒域 |
| 心理语言学预测 | 问加工过程中哪些候选被提前激活 | 问变形后的表达是否被归为同一责任对象 | 预测下一个词正确不等于知道变形前后承诺是否同一 |
| 语言差异释出 | 问差异是否能离开原例后独立取用并保留使用边界 | 问多个变体之间的同一关系本身有没有形成 | 能抽出差异不等于建立了等价域;反之等价域也可能建立于无法显性说出的差异上 |
| 后续约束继承 | 问上游选择是否约束尚未出现的后续位置 | 问表面变换是否保持同一交际责任 | 一个选择可以产生强后果,但仍可能被错误归类为与另一变体同一或不同 |
上表的意义不是证明“本章更深”,而是规定失败方式。只要未来发现CDR与其中某个成熟指标在多语言、多任务中几乎完全重合,而且没有任何可复现的分离案例,承诺守恒域就应该被该既有概念吸收,而不是靠改名维持独立性。
单一“守恒率”仍然不够,因为学习者可能通过把所有东西都判成“差不多一样”获得很高的表面稳定。因此本章强制加入第二根轴:边界辨别。第一轴问,在意义保持的预注册变形中,学习者能否维持指定责任签名;第二轴问,在预注册越界变形中,学习者能否准确识别至少一个责任维度已经改变。
| 守恒保持低 | 守恒保持高 | |
|---|---|---|
| 边界辨别低 | 表面依赖态:既连不起等价变体,也抓不住真实边界 | 过守恒态:能把很多变体归成一类,但把真正改变责任的形式也吞进同一类 |
| 边界辨别高 | 碎片辨别态:很会看差异,却无法把合法变体连成同一对象 | 承诺守恒域态:该同一时保持同一,该越界时及时改判 |
“过守恒态”是本理论最重要的靶格。它在很多传统测量里甚至会表现得不错:学习者敢于把学过的规则广泛套用到新任务,迁移率看似很高;教师也容易把这种“举一反三”当作成熟。然而一旦新情境跨越了情态、指称、言语行为力或篇章责任的边界,过度守恒会把真实差异压平。它的危险在于短期指标可能改善,而错误不会以“不会做”的方式发出信号。
与之相对,“碎片辨别态”常出现在规则意识强、纠错经验丰富的学习者身上。他们能说出两个句子的细微差别,却不敢把不同表面形式看成同一语言行动,于是表达时不断重新求解。二者共同说明,成熟不能只等同于“更会找相同”或“更会找不同”,而是对同一与差异的边界形成稳定的结构。
为了避免新概念停在隐喻层,本章提出守恒域完整率(Conservation-Domain Rate, CDR)。研究者先针对一个目标形式—功能家系建立变形图G。图中的节点是具体表达,边分为两类:守恒边表示表面变化后预注册责任子集保持不变;越界边表示至少一个预注册责任维度必须发生变化。每条边都由同一学习者完成配对判断或生成任务。
CDR =(正确处理的守恒边数 + 正确处理的越界边数)÷ 全部预注册变形边数。
“正确处理守恒边”意味着学习者在表面变化后仍维持预注册的责任签名;“正确处理越界边”意味着学习者在责任真正改变时不再把两者判为同一类,并能在选择、解释或生成中显示相应改判。CDR不要求学习者使用专业术语解释自己。一个儿童完全可能无法说明“情态立场”是什么,却在任务中稳定区分“must”和“might”何时不能互换;这种行为可以进入CDR。
为了防止把思考时间无限拉长后获得的正确分类当作成熟,本章另设协调成本比CCR作为次级读数:CCR=变形任务中的中位反应时÷匹配基线任务中的中位反应时。CCR不与CDR混成一个总分,因为速度与正确性在不同年龄、语言和任务里具有不同伦理含义。CDR回答“域有没有建立”,CCR回答“维持这个域要花多少实时协调成本”。
一个完整编码手册必须写清五件事:目标形式—功能家系;六维责任签名中本任务涉及的子集;每条边是守恒边还是越界边;边界判定的语言学理由;无法分类和多解样本如何进入分母。事后看结果再改边类型,会把理论变成不可证伪的解释器。
| 场景 | 变形 | 责任判断 | 边类型 |
|---|---|---|---|
| 语态变形 | The dog chased the cat. → The cat was chased by the dog. | 核心事件角色守恒;信息结构变化 | 守恒边 |
| 时间越界 | She works here. → She worked here. | 时间锚定改变 | 越界边 |
| 情态越界 | He must be home. → He might be home. | 认识承诺强度改变 | 越界边 |
| 礼貌变形 | Open the window. → Could you open the window? | 在预注册“请求目标行动”层可守恒;言语行为力度/礼貌方式变化须另记 | 条件守恒边 |
| 指称越界 | John told Bill that he was late. 在不同指称解析下 | 参与者责任改变 | 越界边 |
零情态词判据可以直接写成一句任务问题。
任务问句如下:“把原句依次改写语序、语态、时态、情态、语体和嵌套方式后,学习者把哪些样本归为同一交际承诺,并在哪一条变形边上改判?”这句话不依赖“真正、充分、合理、恰当”等评价词,任何实验记录都能对它给出0或1的编码。
第一步是“多表面对齐”。学习者必须遇见足够多的表达变体,使同一个交际目标不被单一表面形式垄断。若请求永远只以“Can you...?”出现,学习者没有机会发现哪些变化属于表面变形,哪些属于责任变化。这里频率仍然重要,但频率的作用不是把一个模板磨得更熟,而是提供构建等价域所需的多样节点。
第二步是“最小差异反例”。只有相似样本没有边界,学习者容易过守恒;只有错误纠正没有等价变体,学习者又容易碎片化。因此教学和自然互动中最有信息量的事件,是表面差异很小但责任发生变化的配对:must/might、did/has done、promise/predict、ask/tell、a/the、he/she/they等。边界不是靠教师宣布“这个不一样”建立,而是学习者在交际后果中发现一个微小形式变化会改变责任。
第三步是“跨表面重构”。学习者需要在撤去原始范例后,从一个新表面出发恢复责任签名,再从责任签名生成另一个表面。如果只会从例句A直接回忆例句B,守恒域可能只是记忆链;如果能面对从未出现过的C仍判断它属于同一域,才显示内部关系正在脱离具体项目。
第四步是“边界回写”。每一次越界误判都必须反馈到域的边缘,而不是简单增加一个“例外”。真正成熟的系统会重画边界:原先被当作同一类的两种表达,在新证据出现后分开;原先被分开的两个形式,也可能因为新的交际经验被连接起来。承诺守恒域因此不是固定地图,而是可修订的等价结构。
第五步是“协调成本下降”。高性能计算来源提醒我们,关系结构即使正确,也可能因为调用成本太高而无法进入实时行动。随着习得推进,学习者不再逐项检查六维责任,而是形成更紧凑的在线判断。此时反应更快不是因为差异被忽略,而是因为正确的等价关系和边界已经成为系统组织的一部分。
为了避免只在纸面上声称“现有研究都没测过”,本章对本站第234号“二语习得”面板列出的20条研究线进行字段覆盖审计。审计在阅读结果之前先固定四个条件:A,同一学习者面对来自同一基项的配对变形;B,至少包含一条预注册守恒边;C,至少包含一条预注册越界边;D,结果必须编码“责任同一/责任改变”,而不是只报告正确率、保持、迁移、反应时或产出质量。四项齐全才记为“直接覆盖”;满足其中两至三项记为“部分代理”;其余记为“未覆盖”。
| 序号 | 研究线 | 覆盖判定 | 原因 |
|---|---|---|---|
| 1 | 使用取向 | 部分代理 | 记录构式类型与频率,但无守恒/越界配对 |
| 2 | 动态系统 | 未覆盖 | 记录个体时间波动,不编码变形等价边 |
| 3 | 程式语 | 部分代理 | 涉及整体提取与加工成本,但无责任边界 |
| 4 | 二语动机自我系统 | 未覆盖 | 对象是动机方向 |
| 5 | 纠正反馈 | 未覆盖 | 核心读数为延迟增益 |
| 6 | 任务重复 | 部分代理 | 区分重复任务与新任务保持,但不判定等价域 |
| 7 | 多语转向 | 未覆盖 | 对象是跨语言资源与身份 |
| 8 | 发音教学 | 未覆盖 | 对象是可懂度 |
| 9 | 眼动研究 | 部分代理 | 有在线轨迹,但没有守恒边/越界边的责任编码 |
| 10 | 开放材料库 | 未覆盖 | 对象是可复现性 |
| 11 | 自动写作评价 | 未覆盖 | 对象是反馈采纳与写作策略 |
| 12 | 跨语实践教学 | 部分代理 | 涉及多模态/多语资源整体协同,但不测责任等价图 |
| 13 | 非正式数字学习 | 未覆盖 | 对象是自选数字生态互动 |
| 14 | 字幕视频 | 未覆盖 | 对象是输入频率与注意分配 |
| 15 | CEFR伴随卷 | 部分代理 | 描述中介与多语能力,但没有成对变形与边界编码 |
| 16 | 在线口语评估 | 未覆盖 | 对象是平台条件对分数的重写 |
| 17 | 复制研究 | 未覆盖 | 对象是效应边界与复现 |
| 18 | 生成式AI自导写作 | 未覆盖 | 对象是学习者对AI支架的控制 |
| 19 | AI文本性 | 未覆盖 | 对象是人机互文链中的能力归属 |
| 20 | 对话动机 | 未覆盖 | 对象是关系中的动机与认同更新 |
审计结果为0/20直接覆盖,6/20部分代理,14/20未覆盖。这个数字对本章不构成正面验证。它只说明:在该面板当前列出的读数里,尚没有研究同时把“意义保持变形”和“责任越界变形”放进同一个学习者级测量图。换言之,本章发现的是一个测量空位,而不是一个已经被数据证成的新心理机制。
这个不利结果反过来修订了本章。最初候选版本试图把“跨形式保持”本身当作习得证据;覆盖审计迫使本章加入越界边,因为任务重复、使用本位和CEFR等研究已经足以覆盖“新表面仍能成功”这一宽泛现象。没有边界辨别,承诺守恒域就会被既有迁移概念吸收。
1. 预测一:在控制延迟保持与一般迁移正确率后,CDR仍应解释一部分新语境中的误套类型;若解释增量长期接近零,本理论应降级。
2. 预测二:过度泛化学习者可能表现出较高的新任务完成率,却在越界边上大量误判,因此“迁移高—CDR低”应当真实存在。若此类分离在多语言中始终不存在,过守恒态的必要性受损。
3. 预测三:高度程式化学习者可以拥有很低的反应时,却在表面变形后迅速掉出等价域,因此加工速度与CDR不应高度同一。
4. 预测四:多语学习者即使产出含有非目标语表面特征,也可能准确维持交际责任签名;因此某些“形式不标准”样本的CDR可高于单一正确率暗示的水平。
5. 预测五:儿童或隐性学习者可能先在行为上形成守恒域,而后才获得显性规则说明;CDR上升不应以规则口述能力为必要前提。
6. 预测六:生成式AI可显著提高成品质量,却只有在撤去工具后学习者仍能处理守恒边和越界边时才提高CDR;工具使用率与CDR可以分离。
7. 预测七:随着熟练度提高,CDR上升与CCR下降应出现部分但非完全耦合;若速度下降的唯一原因是牺牲边界辨别,系统会进入过守恒态而非成熟态。
第一处约束来自古典哲学:承诺并不总能被观察为清楚的撤回或修订。沉默、羞耻、权威关系和翻译选择都会造成“看似承认”的假象。因此CDR不能把显性解释作为唯一证据,也不能把教师认可当作承诺签名的真值来源。某些任务必须允许“无法裁决”。
第二处约束来自拓扑:不变量只在明确的对象族和变形规则中有意义。本章不能声称存在一套跨所有语言、所有体裁、所有年龄都统一的六维守恒图。不同语言家系、不同交际任务需要不同的预注册边集合;把一个英语礼貌请求的变形图直接迁移到另一语言,属于超出定义域。
第三处约束来自高性能计算:系统性能不是结构正确就结束。如果一个学习者可以在十分钟分析后完美区分所有边,但真实对话中无法及时调用,这只能说明离线守恒域存在,不能直接结算为在线交际能力。于是本章必须把CDR与CCR分开报告,不能用一个总分掩盖速度代价。
第四处约束来自二语习得现有面板:0/20直接覆盖说明本章还没有学习者级现成数据。它不能把“别人没测”偷换成“所以我对”。在未来数据出现前,承诺守恒域的地位是一套可检验对象与编码框架,而不是已获确认的普遍机制。
如果承诺守恒域是一个值得检验的对象,课堂设计就要从单点练习转向“变形族”。教一个过去时句子,不只让学生换主语、换词汇、换地点,还要安排最小越界:把过去改成现在完成、把事实改成推测、把陈述改成承诺,让学生观察哪一种变化仍保留原交际责任,哪一种已经改了。这样的任务不是为了增加难度,而是给学习者一张边界地图。
第二,纠错不能只指出“这里错了”,还要指出错误属于哪一种边界误判。学生把两个等价变体分开,是碎片化;把两个不同承诺合并,是过守恒。两类错误需要完全相反的教学动作:前者要增加跨表面对齐,后者要增加最小差异反例。若教师只给更多同类型正确示例,可能让过守恒继续扩大。
第三,复述和迁移任务可以重做。传统复述常要求“换一种说法表达同样意思”,这恰好适合测试守恒边;但还要加入“故意只改一个责任变量”的干扰项,让学习者判断它已经不是同一个意思。真正有价值的任务不是让孩子无限改写,而是让他知道哪一种改写仍然安全、哪一种改写会改变责任。
第四,阅读与听力也能测守恒域。学生看到同一事件的主动句和被动句时,能否保持事件角色;看到同一命题换成不确定语气时,能否意识到认识承诺变了;看到代词换指以后,能否重建责任对象。这些都比单纯问“文章大意是什么”更接近语言关系结构。
生成式人工智能把“表面变形”推到前所未有的密度。一个提示可以瞬间得到十种改写、三种语体、不同礼貌程度和多种结构。这看起来天然有利于迁移,却也制造新的风险:模型会让不同表达都显得流畅,学习者因此更容易把“都能说”误读为“都承担同一责任”。AI时代最稀缺的不是变体,而是边界。
因此,AI最适合承担的角色不是替学习者给出“最佳句子”,而是生成成对的守恒边和越界边。学习者必须先判断,再让模型解释;或者先让模型提供多种改写,学习者标注哪些仍属于同一承诺、哪些已经改变指称、时间、情态、言语行为力或篇章关系。这样,AI提供变形空间,学习者负责画边界。
这也给AI辅助写作评价一个新的责任:不能用成品流畅度直接推断学习。一个学生提交的文本可能在AI帮助下形式极佳,但如果撤去工具后无法判断模型改写是否改变了原本承诺,其CDR仍可能没有变化。相反,一个表面错误较多的学习者若能稳定识别责任边界,可能正在形成更深的语言结构。
第一个原型是“最小变形图实验”。研究者选取一个形式—功能家系,例如请求、证据立场或时态叙事,构造24个基项。每个基项生成两条守恒边和两条越界边,总计96条变形。所有边在收数前由两个独立编码者确定责任签名和边类型;分歧样本进入公开的不可分类栏,不在事后删除。学习者完成同一/不同判断、简短解释和生成任务,计算CDR,并与延迟迁移正确率比较。
第二个原型是“纵向域扩展实验”。不是只在前测后测比较正确率,而是在8周中每周抽取同一目标家系的变形图。真正的理论预测不是所有节点一起变好,而是学习者的守恒域会经历重画:开始时可能过窄,随后扩展;扩展过头时会出现越界误判;在反馈后边界再次收缩并稳定。如果只看总正确率,这种“先扩后收”的成熟轨迹会被压成噪声。
第三个原型是“在线协调实验”。在CDR相近的学习者之间比较CCR,观察同样正确的域是否已经进入实时加工。若一个人CDR高但CCR长期极高,说明离线结构形成而在线协调尚未成熟;若另一个人CCR很低但CDR低,可能是程式化或过守恒。这个双读数能把“快而错边界”和“慢而对边界”分开。
CDR不得被直接用作给学习者贴“语言能力高低”的单一标签。它测的是某个预注册形式—功能家系、在某组变形规则下的结构状态,而不是人的固定属性。同一个学习者在请求语、时态叙事和学术论证中的守恒域可以完全不同。
不得为了“测真实能力”而在高风险考试、医疗沟通、移民程序等场景故意制造误解或撤去必要支持。研究任务应在低风险环境中完成,任何工具撤除都必须不损害参与者现实权益。
如果CDR进入教学评价,编码规则、边类型、无法分类样本与申诉通道必须公开。否则最容易出现的指标游戏是:教师只选择边界清楚、学生熟悉的变形,让CDR看起来很高。真正可靠的使用必须把失败边、争议边和无法分类边保留在同一账本。
本章最需要防范的反噬正是“过守恒”:把哲学的承诺、拓扑的不变量和并行计算的协调成本都归入同一个漂亮框架,然后宣称它们本来就是一件事。三者并不是同一对象。古典哲学处理生活与论证中的责任重组,拓扑处理严格定义的数学结构,高性能计算处理机器资源与任务上界。本章只能抽取它们对“单一表面读数不足”的不同约束,不能把领域实体互相等同。
因此,本理论必须接受一个最强替代解释:“承诺守恒域不过是迁移能力加语用敏感度。”如果未来实证显示,只用延迟迁移正确率和已有语用判断指标就能无损预测所有CDR结果,且不存在过守恒态、碎片辨别态这样的分离样本,本章的新构念应被撤销。反之,只有当CDR在同等迁移水平下稳定区分边界处理方式,才有资格作为独立对象存在。
第二个自反问题是“承诺签名是否由研究者强加”。如果六维签名只能靠研究者事后解释,而不同独立编码者无法在预注册阶段达到稳定一致,那么本章把主观语言哲学包装成了量化指标。为此,任何正式研究都必须报告边定义的一致性、争议边比例和无法分类率。高无法分类率不是坏数据,而是理论定义域过宽的警报。
到2031年8月10日,如果至少三套相互独立的学习者级数据、覆盖至少两种语言,在预注册变形图上显示:加入CDR后,对新语境表现的预测增量长期低于1%,且过守恒态与碎片辨别态无法稳定复现,则本章撤回“承诺守恒域是独立语言习得对象”的核心主张。
以下情况不算命中或反驳:只比较一次课堂前后测;只报告单一语言、单一熟练度群体;事后根据学习者表现修改守恒边和越界边;把“没有显著差异”建立在严重样本不足上;只用表面正确率而没有责任边界编码。撤回条件必须针对本章自己的对象,而不是针对一个被简化后的影子。
语言习得研究已经越来越善于测量输入频率、个体轨迹、反馈效果、任务迁移、在线加工与人工智能支架。本章并不否定这些成果,而是指出它们共同依赖一个较少被直接测量的前提:研究者和学习者都必须知道,表面变化之后我们究竟还在谈“同一个语言对象”还是已经跨到另一个对象。
三个异域来源共同把这个前提逼到台前。哲学提醒我们,形式完成不等于承诺改变;拓扑提醒我们,同一性只能在允许变形与失败边界中被定义;并行计算提醒我们,局部正确若无法以可接受协调成本组织起来,就不能直接结算为系统能力。由此形成“承诺守恒域”:在该守恒的变形中保持责任,在该越界的地方停止守恒。
因此,本章对“语言习得的本质是什么”的回答不是“记住更多”“自动化更多”或“迁移更远”。更精确的回答是:语言习得使学习者逐渐获得一种有边界的同一性判断。表面可以不断变化,但他知道哪些变化仍然是同一句话在承担同一件事;边界一旦跨过,他又能立即知道责任已经不同。语言真正进入一个人的系统,不是它从此不变,而是它终于能够在变化中保持该保持的东西,并在变化真正改变事情时承认差异。
| 轮 | 编号 | 三领域 | 结果 |
|---|---|---|---|
| 1 | 184/175/324 | 建筑与建成环境 × 家庭与亲密关系 × 核化学与放射化学 | 淘汰 |
| 2 | 571/613/30 | 可持续建造与可拆解设计 × 婚姻沟通、权力与冲突 × 单细胞组学 | 淘汰 |
| 3 | 209/85/310 | 供应链与经济安全 × 公共政策 × 空间统计与地理统计 | 淘汰 |
| 4 | 20/607/597 | 电化学与能源材料 × 婚姻社会学与婚姻制度变迁 × 医学物理 | 淘汰 |
| 5 | 448/186/150 | 家庭、学校与社区 × 土木与结构工程 × 公司金融与治理 | 淘汰 |
| 6 | 566/99/298 | 智能电网与综合能源系统 × 文学理论 × 跨文化沟通与国际教育 | 淘汰 |
| 7 | 512/3/351 | 古希腊与罗马哲学 × 拓扑与同伦论 × 高性能与并行计算 | 最终入选 |
| 8 | 386/477/596 | 移植医学 × 太空政策与轨道治理 × 生物过程工程与生物制造 | 淘汰 |
| 9 | 578/480/618 | 科技外交与技术地缘政治 × 未来学与情景规划 × 亲职、共同养育与亲子关系 | 淘汰 |
| 10 | 275/34/574 | 艺术史 × 进化生物学 × 空间可持续性与太空碎片治理 | 淘汰 |
| 11 | 297/338/248 | 科技政策与科研管理 × 真菌学与菌物资源 × 算法与计算复杂性 | 淘汰 |
| 12 | 406/47/538 | 社会运动与集体行动 × 机器学习理论 × AI评测、保证与审计 | 淘汰 |
| 13 | 564/489/482 | 碳捕集利用封存与碳移除 × 水土保持与土地退化治理 × 人因工程与工效学 | 淘汰 |
| 14 | 427/110/289 | 医事法 × 儿科与围产医学 × 全科与初级卫生保健 | 淘汰 |
| 15 | 48/563/464 | AI对齐与安全 × 气候技术 × 心理语言学 | 淘汰 |
| 16 | 387/356/155 | 医院管理与医疗质量 × 计算教育与编程学习 × 平台与数字经济 | 淘汰 |
| 17 | 35/398/455 | 系统与网络生物学 × 健康传播与健康素养 × 技术史与工业史 | 淘汰 |
| 18 | 17/341/529 | 受控核聚变 × 水文学与陆面过程 × 军事史与战争研究 | 淘汰 |
| 19 | 274/42/622 | 古典学 × 精神医学的神经基础 × 离婚、分居与关系解体 | 淘汰 |
| 20 | 505/454/37 | 伊斯兰思想与教法学 × 医学史 × 计算神经科学 | 淘汰 |
抽样固定后不根据结果改号;淘汰只依据来源能否分别占住不同问题位置、三方是否具有真实斜对立、是否能够从索引面板抽出可核承重点,以及候选是否被既有语言理论直接吸收。第7组在“承诺—变形不变量—协调成本”三个位置上形成最强互相约束,因此进入正文。
| 对 | 来源一承重点 | 来源二承重点 | 形成的可检验问题 |
|---|---|---|---|
| A1×B1 | 反诘成功看承诺修订,不看问句数量 | 对象身份由允许变形中的不变量辨认 | 语言同一性不能由表面形式判定,要看承诺在允许变形中是否保持 |
| A1×B2 | 反诘成功看承诺修订,不看问句数量 | 持续同调追踪特征随尺度出现与消失 | 承诺不是静态标签,应观察它在连续变形中何时出现、何时失效 |
| A1×B3 | 反诘成功看承诺修订,不看问句数量 | 结论必须写明定义域、失败域与边界 | 任何“同一意思”判断都必须写出变形边界,不能无限外推 |
| A2×B1 | 人物、场景与对话次序参与内容 | 对象身份由允许变形中的不变量辨认 | 场景变化既可能是合法变形,也可能改变对象身份,必须区分 |
| A2×B2 | 人物、场景与对话次序参与内容 | 持续同调追踪特征随尺度出现与消失 | 说话者/场景变化可以作为尺度轴,追踪责任结构的出生与死亡 |
| A2×B3 | 人物、场景与对话次序参与内容 | 结论必须写明定义域、失败域与边界 | 语境不是无限解释权;每项语境化都必须有失败边界 |
| A3×B1 | 同名命题脱离场景未必仍是同一哲学内容 | 对象身份由允许变形中的不变量辨认 | 同名不同物提示语言教学不能用“同一句型”预设同一功能 |
| A3×B2 | 同名命题脱离场景未必仍是同一哲学内容 | 持续同调追踪特征随尺度出现与消失 | 相似形式只有在跨尺度保持责任时才可归为同一类 |
| A3×B3 | 同名命题脱离场景未必仍是同一哲学内容 | 结论必须写明定义域、失败域与边界 | 命名一致不能代替对象一致,边界样本必须进入分母 |
| A1×C1 | 反诘成功看承诺修订,不看问句数量 | 实际性能由算力与内存带宽共同夹定 | 显性规则掌握只是局部峰值,承诺修订才是系统结果的一部分 |
| A1×C2 | 反诘成功看承诺修订,不看问句数量 | 通信、同步、数据移动与能耗进入结果 | 语言知识若不能在实时表达中跨模块协调,局部正确不等于习得 |
| A1×C3 | 反诘成功看承诺修订,不看问句数量 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 单次完美表现可能是冠军配置,不能代表稳定能力 |
| A2×C1 | 人物、场景与对话次序参与内容 | 实际性能由算力与内存带宽共同夹定 | 场景与角色像带宽条件,会限制形式知识能否转成有效行动 |
| A2×C2 | 人物、场景与对话次序参与内容 | 通信、同步、数据移动与能耗进入结果 | 跨句、跨说话者的信息搬运成本必须进入语言能力评估 |
| A2×C3 | 人物、场景与对话次序参与内容 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 一种课堂场景调出的最佳表现可能换情境即失效 |
| A3×C1 | 同名命题脱离场景未必仍是同一哲学内容 | 实际性能由算力与内存带宽共同夹定 | 同名规则的局部正确不保证整体交际责任一致 |
| A3×C2 | 同名命题脱离场景未必仍是同一哲学内容 | 通信、同步、数据移动与能耗进入结果 | 表面相同的表达在不同关系网络中需要不同协调 |
| A3×C3 | 同名命题脱离场景未必仍是同一哲学内容 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 教学不能用一次最优答案替代跨变体稳定性 |
| B1×C1 | 对象身份由允许变形中的不变量辨认 | 实际性能由算力与内存带宽共同夹定 | 等价域不仅要结构正确,还要在资源约束下可调用 |
| B1×C2 | 对象身份由允许变形中的不变量辨认 | 通信、同步、数据移动与能耗进入结果 | 维持不变量需要跨模块同步,协调成本是第二读数 |
| B1×C3 | 对象身份由允许变形中的不变量辨认 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 只在一组熟悉变形上成立的等价域不能称稳定 |
| B2×C1 | 持续同调追踪特征随尺度出现与消失 | 实际性能由算力与内存带宽共同夹定 | 变形尺度增加时应观察结构何时失效,而不是只看平均正确率 |
| B2×C2 | 持续同调追踪特征随尺度出现与消失 | 通信、同步、数据移动与能耗进入结果 | 特征死亡可能来自真实边界,也可能来自协调失败,两者要分开 |
| B2×C3 | 持续同调追踪特征随尺度出现与消失 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 一次幸运的跨任务成功不能替代多边、多尺度复现 |
| B3×C1 | 结论必须写明定义域、失败域与边界 | 实际性能由算力与内存带宽共同夹定 | 定义域与性能上界必须共同写进语言测量条件 |
| B3×C2 | 结论必须写明定义域、失败域与边界 | 通信、同步、数据移动与能耗进入结果 | 失败样本和不可分类边是系统成本,不得从分母删除 |
| B3×C3 | 结论必须写明定义域、失败域与边界 | 冠军配置不等于跨平台稳定能力,搜索成本要入账 | 可移植能力要求公开变形图、搜索/提示预算与失败边 |
| 候选 | 主要问题 | 处置 |
|---|---|---|
| 形式稳定域 | 太宽;“稳定/迁移/泛化”均可直接吸收 | 淘汰 |
| 交际同伦 | 数学母体痕迹过重,容易成为漂亮隐喻而缺少语言学判据 | 淘汰 |
| 语用不变量 | 语言哲学与语用学已有强占位,无法靠名字获得独立性 | 淘汰 |
| 变形后承诺 | 描述了现象但没有第二轴,无法识别过度合并 | 淘汰 |
| 承诺守恒域 | 同时要求守恒保持、边界辨别和协调成本;可写出分离预测 | 保留 |
| 方向 | 占位者 | 它已经占住什么 | 本章必须保住的分离线 |
|---|---|---|---|
| 经典层 | Wittgenstein 1953 语言游戏 | 意义与使用不可剥离 | 本章必须把“语境参与”进一步操作为守恒边/越界边,否则被吸收 |
| 经典层 | Chomsky 1965 能力/表现区分 | 表现不能直接等于内在能力 | 本章不以“表现≠能力”为创新点,而测内部等价域结构 |
| 应用层 | 使用本位(本书第234号) | 频率与显著性塑造构式网络 | CDR在同构式类型数下仍须能区分边界处理 |
| 应用层 | 任务重复/新任务保持(本书第234号) | 重复收益不能自动代表新任务能力 | 新任务成功仍可能伴随过守恒;需越界边分离 |
| 应用层 | 程式语(本书第234号) | 整体提取降低规划成本 | 低成本不保证变形后责任同一判断 |
| 方法层 | 眼动在线加工(本书第234号) | 把总理解拆成加工轨迹 | 轨迹不是等价域;可作为CCR/过程代理而非CDR本身 |
| 专著/理论层 | 《语言的智慧》(同一作者的姊妹卷) | 语言被理解为发生与生成而非静态库存 | 本章只负责“变形中何者仍是同一责任”的窄对象 |
| 邻近学科 | 心理语言学预测加工(第464号) | 加工中多层候选被提前激活 | 预测候选不等于判定变形后的责任同一 |
| 邻近学科 | 语言哲学语境主义(第511号) | 具体场景进入话语内容 | 本章要求同一学习者在预注册边上给可重复分类 |
| 同系列自撞 | 语言差异释出/后续约束继承 | 分别处理差异离开原例、上游选择约束下游 | 本章对象是多个表面变体之间的同一关系与边界 |
版本:2026-08-10。本章网络来源限定为跨学科领域索引索引页面;经典理论层的两项对照来自模型既有学术库存,仅用于占位检查,不作为新增经验数据。本章不声称CDR已经获得学习者级验证。当前唯一“实跑”是对一份二语习得研究线清单的测量字段覆盖审计,其0/20直接覆盖结果已经作为不利材料写入正文。
人机分工声明:问题、封闭站点约束与产出要求由用户给定;编号抽样、来源阅读、候选淘汰、概念操作化、正文组织与文档生成由语言模型执行。任何后续投稿或实证使用,均应由独立研究者重新核验索引题录、预注册变形图并收集学习者级数据。
下面六组演示不是经验数据,而是为了证明“守恒边/越界边”可以被具体编码。每组都必须先写出目标责任签名,再给出允许变化和禁止压平的边界。它们的用途是把抽象构念变成能够被不同研究者复核的任务模板。
以“请对方关闭窗户”为目标家系。基项可以使用英文请求句 Could you close the window?。守恒边还可以设置 Would you mind closing the window? 与 Could the window be closed, please? 等表面变体。
预注册阶段先把核心责任写清:说话者向听话者发出使窗户关闭的请求。随后才允许句法、礼貌策略、直接程度和部分信息结构发生变化,同时保持目标行动与请求责任不变。这样,边的分类先于学习者结果,不会因为事后表现而移动。学习者若把这些变体完全当作不同知识点,说明守恒域过窄。
越界边则必须精心设计。“You will close the window.”表面词汇高度重叠,却可能是预测、安排或带权力色彩的指示;“The window should be closed.”可能把行动者责任隐去;“I closed the window.”直接改变了施事和时间。若学习者因为词汇相似就把这些样本全部归为请求,他的迁移看似大胆,实际上进入过守恒态。
该家系最适合展示“交际承诺”不是“字面意思”的同义词。两句话可以表达大体相似的现实目标,却在谁对谁承担何种言语行为责任上不同。CDR要求的是预注册责任层面的同一,不要求把所有语用细节压成一个标签。
以“Mary在这里工作”作为事件核心。Mary works here、Mary is working here、Mary worked here、Mary has worked here虽然共享大量词汇与事件角色,却并不自动属于同一责任域。不同测试可以预注册不同守恒子集:如果任务只问施事—事件关系,那么若干形式可能守恒;如果任务问当前有效性、完成性或与现在的关联,时态与体的微小变化就成为越界边。
这说明守恒域不是“每个句子只能有一种标准答案”。同一变形在一个任务层面可以是守恒边,在另一个任务层面可以是越界边。关键是研究者必须事先写明所守的责任子集,而不能在看到学习者答案后再决定“其实我问的是另一个层面”。
对于儿童和初学者,这类任务还能解释一个常见现象:他们可能已经掌握事件角色,却尚未把时间锚定纳入责任签名。传统评分只会看到“时态错误”;守恒域分析则能区分“核心事件结构已连接,但时间边界尚未建立”和“整个句子仍是表面模仿”两种不同状态。
He must be home、He may be home、He might be home、He cannot be home在句法框架上近乎相同,却对应不同的认识承诺。如果学习者只靠结构熟悉度判断,它们非常容易被压进同一个“推测句型”。承诺守恒域要求研究者把认识立场写成边界维度:强必然、许可可能、弱可能与排除并非同一。
与此同时,也存在表面差异很大但认识承诺接近的变体,例如“It is almost certain that he is home”和“He must be home”在某些语境与分析口径下可以被设计为近似守恒边。学习者若只能识别同构句型,却无法把跨句法形式的认识责任连起来,就表现为碎片辨别态。
情态家系特别适合检测“过守恒”的隐蔽性,因为很多课堂活动奖励学生大胆替换近义表达。若替换使认识责任强度改变,所谓丰富表达可能恰恰暴露边界没有建立。
指称关系是局部正确率最容易漏掉的领域。John told Bill that he was late这一类句子,即使每个词、每个时态和句法结构都正确,he究竟指John还是Bill仍可能改变事件责任。守恒域测试应把不同语境线索、代词替换、名词重复和视角变化组合成变形图,观察学习者能否保持或改判参与者身份。
如果学生在每个孤立题目里都能根据最近名词猜对,却无法在连续语篇中维持同一指称链,那么他的局部正确没有形成跨句守恒。反过来,如果他把所有同形代词都锁定为同一人物,也属于过守恒。这里“同一”的对象不是单词,而是跨时间持续的指称责任。
指称家系也提醒研究者,某些样本本来就存在真实歧义。CDR不能强迫学习者在语言本身未提供足够信息时做唯一判断;“识别为多解并保持未决”可以被编码为正确边界处理。否则指标会奖励过度确定。
学术语言和真实社会交流都要求说话者标记证据来源。“The results show…”, “The results suggest…”, “According to the report…”, “It is rumored that…”在表面上都可以引入命题,却承担不同的证据责任。学习者若把它们当作“高级连接句”互换,会在形式上显得成熟,却在责任层面制造严重越界。
守恒域测试可以把命题内容固定,只改变证据来源和立场标记,再要求学习者判断哪些表达仍承担同一强度与来源责任。也可以反过来改变句法形式而保持证据责任,测试跨表面守恒。这个家系能把“词汇高级度”和“认识责任精度”彻底分开。
对AI辅助写作而言,这一类尤其重要。模型往往能把句子润色得更像学术英语,但如果suggest被改成demonstrate、may被改成will,文本的证据承诺已经变化。学习者是否能捕捉这种越界,是比成品流畅度更直接的学习问题。
语言能力不仅存在于句内。because、although、therefore、however、for example、in other words等关系标记会改变句间责任。两个句子分别都正确,把however换成therefore却可能让论证关系彻底改变。传统语法正确率容易忽略这种层级,因为每个句子单独看都没有错误。
在守恒域框架中,研究者可以固定两个命题,只变换连接方式,预注册哪些变体保持“解释”关系、哪些改成“因果结论”或“反转”。学习者如果能记住连接词释义,却无法在篇章中保持关系签名,说明词汇知识没有组织成关系域。
这一家系还连接到高性能计算来源所强调的协调问题:句内模块都正确,跨句同步仍可能失败。CDR负责判断关系同一,CCR则记录维持跨句责任需要的在线成本。二者共同防止把“句句正确”直接等同于“语篇系统已经形成”。
在新理论写作中,最危险的句式之一是“现有研究都没有关注X,所以X很创新”。测量空位并不等于本体空位。一个变量可能已经被别的成熟概念隐含覆盖,只是没有使用同一个名字;也可能根本不值得单独测量。因此本章把0/20解释为失败起点:它只证明当前本书二语习得面板没有一条研究线同时满足四个操作字段,不证明学习者脑中存在一个独立的“守恒域模块”。
六个部分代理也具有双重意义。使用本位说明学习者会形成构式网络;程式语说明多词单位可以整体提取;任务重复说明同一任务的再做会释放规划资源;眼动说明加工可以按时间展开;跨语实践说明资源可以跨表面系统协同;CEFR伴随卷则把中介与多语能力写进能力描述。这六条都从不同方向逼近“表面不同不等于能力不同”。如果CDR只是在这些现象上重新贴一个标签,它就没有独立价值。
因此真正的实验必须专门寻找“分离案例”。例如两名学习者延迟迁移得分相同,却一个主要错在守恒边,一个主要错在越界边;两名学习者程式语提取速度相同,却一个能跨表面维持责任,一个只能复现原串;两名多语学习者的跨语资源使用频率相同,却一个能准确保护证据立场,另一个在语言切换时系统性改变认识承诺。只有这种分离被稳定观察到,新构念才获得存在理由。
反过来,如果未来数据发现守恒边正确率、越界边正确率与现有迁移/语用指标几乎一一对应,那么最好的结果不是硬保新词,而是撤掉新概念,把变形图作为既有理论的一种测量工具。一个理论是否有价值,不取决于名字能不能留下,而取决于它有没有迫使我们区分以前无法区分的对象。
课堂里早就存在“举一反三”“变式练习”“同义改写”,这正是承诺守恒域最容易被质疑为旧方法换名的地方。区别在于,普通变式练习通常只增加守恒边:换词、换人、换地点、换句型,目标是让学生继续做对。边界实验必须同时加入越界边,并且越界边要足够相似,使学生不能靠表面差异轻易识别。
例如教学过去时,普通变式会让学生把I played football yesterday改成She played tennis yesterday。两句只是词汇替换,时间责任相同。边界实验会混入She has played tennis since 2024或She is going to play tennis tomorrow。学生不仅要做对形式,还要说明哪些变体仍可承载同一时间叙事,哪些已经改变时间框架。这里真正被训练的不是“更多句型”,而是边界。
再如阅读推断训练,普通做法让学生在不同文章中寻找原因。边界实验则把because、so、although、but等关系做最小替换,要求学生判断替换是否仍保留原论证关系。若学生只凭熟悉连接词流畅阅读,却没有发现关系改变,说明其篇章守恒域尚未建立。
因此,本章并不声称要发明全新的课堂活动。它提出的是一种重新记账的方法:任何变式练习都可以问两次——“什么被允许改变?”和“改变到哪里就必须算成另一件事?”当第二问不存在时,练习更容易生产过守恒;当第一问不存在时,练习更容易生产碎片化。
学习者知道a与the的规则,并不等于已经形成指称责任边界。研究可以先给出一个故事,其中首次出现a dog,随后再次提及时使用the dog。守恒边是换掉狗的颜色、动作或句法位置但保持同一已建立指称;越界边则在故事中引入第二只狗,使the dog的唯一指称条件被破坏。若学习者仍机械选择the,他的规则正确率可能很高,却把指称边界压平。这个案例特别适合把显性语法知识与责任守恒分开。
学习者常能分别做对两种时态练习,却在真实叙事中把二者当作可互换的“过去”。变形图可固定事件内容,只改变是否给出明确完成时间、是否强调当前相关性以及话语是否仍处于开放时间窗。守恒边允许人物和词汇变化,越界边只改变时间框架。若学习者在孤立题目正确、在最小时间边界上却持续合并,说明其时态知识尚未形成承诺守恒域。
He said, “I am tired.” 与 He said that he was tired 在一定条件下可保持命题来源和说话者责任,但代词、时间和视角必须重新映射。变形任务可以保持报告来源不变而改变表面形式,也可以偷偷更换信息来源,使转述者从“报告别人的话”变成“自己断言”。学生如果只盯着时态回退规则,会忽略谁为命题负责。该案例把句法变换和证据责任同时纳入一个图。
If I had known, I would have called 与 If I know, I will call 共享if结构,却把事件现实性、时间位置和因果可能空间组织成不同承诺。传统练习往往按一二三类条件句分别记规则;守恒域实验则要求学习者判断哪些词汇替换不改变反事实结构,哪些微小时态变化已经把反事实改成开放条件。一个学生能背出条件句表格,却把两类场景混为一谈,属于高形式知识、低边界辨别。
All the students did not leave 与 Not all the students left 可能在自然语言使用中产生不同范围读法。研究者可以把词汇和句法复杂度控制相近,只改变否定词位置、量词和语境提示。守恒边保持同一范围关系,越界边改变“无人离开”和“并非所有人离开”的责任。这个案例能检验学习者是否把表面否定当作单一功能,也能显示某些高级学习者为何句法完全正确却仍产生严重意义偏差。
Could you send me the file? 在同事之间可能是普通请求,在上下级或紧急场景中则带有不同权力后果。研究可以固定目标行动,系统改变关系、紧迫度与公开/私下场景,要求学习者判断哪些表面变体仍承担同一请求责任,哪些已经变成命令、催促或讽刺。该案例提醒承诺签名不能脱离社会场景,但也不能把所有语境差异都当作新对象;边必须预先定义。
show、suggest、indicate、prove在学生作文里常被当作“高级替换词”。研究可固定同一数据摘要,只改变证据强度和来源质量,再让学习者选择或改写。守恒边允许句法重组而保持同一证据强度,越界边只改变动词导致认识责任升级或降级。如果学习者为了词汇丰富把suggest替成prove,他的语言形式更高级,交际责任却更不精确。
X is associated with Y、X predicts Y、X causes Y三种表达在学术语篇中表面相近,却承担不同因果责任。学习者可以准确使用所有单词,却在转述研究时把associated with改写成causes。传统词汇或语法评分可能无法捕捉;承诺守恒域把这种替换直接标为越界边。若改写成There is an association between X and Y,则可设计为守恒边。
第一人称叙事改成第三人称叙事时,事件顺序可以守恒,但可知信息、内心状态和证据来源可能改变。研究可让学习者改写同一故事,分别测试事件角色守恒和认识视角边界。如果第三人称叙述者突然知道原第一人称角色无法知道的信息,表面故事仍流畅,却发生责任越界。这类任务能把阅读理解、写作和语用统一到一个可检验图中。
多语学习者可能在一句话中切换语言,却保持同一请求、解释或立场。若评价只看目标语纯度,会把表面变化误判为能力下降;若评价把所有跨语表达都视为等价,又会忽略某些语言选择带来的身份、礼貌或证据立场变化。守恒域实验可以预注册哪些跨语切换只改变形式资源,哪些会改变社会责任。这样,多语性既不会被惩罚,也不会被浪漫化。
连续围绕同一问题产生多个理论,最容易发生“新名字换旧对象”。因此,本章必须对前序概念逐一给出可以被数据裁决的分离,而不能只说关注点不同。下面的判决句都采用同一形式:如果观察到左侧结果,更支持本章;如果观察到右侧结果,本章应被前序理论吸收或降级。
| 前序理论 | 若观察到X:本章仍独立 | 若观察到Y:本章应降级 |
|---|---|---|
| 证据源换手 | 若两名学习者产生新证据的能力相同,但守恒边/越界边处理显著不同,则CCD有独立信息 | 若证据换手率几乎完全决定CDR且无残差分离,CCD独立性下降 |
| 生成可达域重构 | 若可生成路径数量相同而等价域边界不同,则CCD独立 | 若所有CDR差异都能由可达/不可达路径解释,CCD可并入可达域 |
| 正确性去补贴化 | 若撤去提示后两人都能正确表现,但一人过守恒、一人边界准确,则CCD独立 | 若无补贴保持率完全预测CDR,CCD降级 |
| 语言后代性 | 若两个形式家系都能产生多代新表达,但一个不断跨越责任边界,则后代性高而CDR低 | 若能产生后代必然伴随正确边界,CCD无新增区分 |
| 求证路由内生化 | 若两人都知道何时内决/外询/挂起,但对表面变形的同一关系判断不同,则CCD独立 | 若路由准确率足以预测所有守恒边和越界边,CCD降级 |
| 后续约束继承 | 若上游选择都能稳定约束下游,但学习者仍把两个不同承诺当同一类,则约束继承高而CDR低 | 若每个约束继承结构都唯一决定等价域,CCD并入该理论 |
| 失误征募半径 | 若局部错误都被限制在局部,但学习者系统性过守恒,ERR低而CDR仍低 | 若ERR下降必然带来守恒边与边界边共同改善,CCD信息增量有限 |
| 语言差异释出 | 若差异能够脱离原例被独立取用,却不能把不同表面形式组织成同一责任类,则LDR高而CDR低 | 若差异释出自动产生完整等价域,CCD可作为LDR子指标 |
这张分离网络使本章承担更高风险:它不能靠“都是语言发生的不同侧面”来回避重叠。只要未来数据让右栏持续成立,就应合并概念。反之,如果左栏中至少若干分离在不同任务和语言中稳定复现,承诺守恒域才获得独立研究价值。
第一,研究对象必须小到能够画图。不要直接写“英语能力”或“语用能力”,而应写成“英语请求家系中的请求力保持”“叙事时态家系中的时间责任保持”“学术证据表达中的认识立场保持”。对象越宽,边类型越容易依赖研究者印象,CDR也越容易失去可复算性。
第二,所有变形边必须在收集学习者结果之前冻结。每条边记录基项、变形项、预注册责任子集、边类型、语言学理由和允许的多解情况。若独立编码者对某条边存在分歧,该边进入争议栏;不能等看到哪个分类更有利于理论以后再决定。争议边比例本身就是理论清晰度的读数。
第三,分母必须包含失败、拒答和无法分类。学习者说“两个都可以,但意思有一点不同”不能被研究者随意归到正确或错误;应按照预注册编码规则判断其是否识别了责任变化。设备故障、任务未完成和真实歧义分别记账,不得把困难样本删除后只剩漂亮边。
第四,同一篇研究中CDR只能有一个定义。正文、证伪部分、附录和未来撤回条件必须使用同一分母与同一边类型规则。若需要报告“只看守恒边的准确率”和“只看越界边的准确率”,应把它们作为两个分量单独命名,而不能在不同章节偷偷换成CDR。
第五,CDR必须与至少一个强近邻指标并列。最低建议包括延迟迁移正确率、显性规则知识或语用判断中的一个;若研究涉及实时加工,再加入CCR或其他反应时指标。没有近邻对照,就无法知道CDR究竟测到了新对象,还是换一种形式重算旧能力。
第六,结果报告必须同时呈现四格分布,而不能只报平均CDR。两个学习者都可能得到0.75:一个主要漏掉守恒边,另一个主要漏掉越界边;他们对应的学习状态完全不同。平均值会把碎片辨别和过守恒压成同一个数字,因此二维辨别格是CDR解释的一部分,不是装饰性图表。
第七,跨语言研究不能直接复制英语边表。不同语言会把时间、情态、敬语、证据来源、指称省略和篇章关系编码在不同位置。真正可比较的不是“同一批句子”,而是“同一责任维度在各语言中分别由哪些形式承担”。如果为了统一刺激而牺牲语言自身结构,跨语言比较会制造伪守恒。
第八,任何教育使用都应把CDR解释为任务位置,而不是人的等级。一个孩子在叙事时态中处于过守恒态,不代表他在请求、指称或篇章组织中也处于同一状态。测量的目的首先是找到应该增加等价变体还是应该增加边界反例,而不是生成一个新的排名分数。
最后需要强调:承诺守恒域不是要求学习者把语言压成固定本质,而是要求任何同一性判断都伴随边界。允许变化而不丢责任,承认差异而不把所有形式拆成孤岛,这两件事同时成立,才构成本章所说的成熟。
本章此前只在索引材料范围内检索,这使它的独立性没有经过最严的检验。承诺守恒域讨论的是“变形之后,还算不算同一件事”,这个问题在语言学与二语习得里有四条现成的、比本章更早的答案线。不处理它们,本章的新意无从成立。
其一,言语行为理论的以言行事之力。 Austin 区分了以言表意、以言行事与以言取效三层;Searle 进一步把以言行事之力写成一组构成性规则——命题内容条件、准备条件、真诚条件与本质条件。本章所谓“责任签名”的第五维(言语行为力)几乎就是这一组条件的重写。因此本章不能宣称第一次提出“表面变化之下有一个必须保持的行动身份”。
分离线:言语行为理论给出的是类型学——一句话属于哪一类行事;本章要求的是同一学习者在一组预注册变形上的配对判断分布,并且强制加入越界边。一个人完全可以正确说出两句话都是“请求”(类型判断正确),却在“Can you open the window?”与“You will open the window.”之间不作区分(越界边判错)。若越界边表现完全由言语行为类型知识预测,本章并入言语行为能力,不再是独立对象。
其二,形式—意义映射与输入加工。 VanPatten 的输入加工模型主张学习者在处理输入时优先抓取词汇线索、优先处理句首成分,因而某些形态标记长期无法建立稳定的形式—意义连接。这条理论已经占住“表面形式与所承担的意义之间的对应关系是否建立”这一片。本章的额外要求是:映射不是逐个形式建立的,而是在一组变形上同时成立与同时失效;因此本章预测存在这样的学习者——单个形式的映射测验成绩不低,却在同一家系的变形图上守恒边与越界边同时判错。若单形式映射成绩足以预测整张变形图的表现,本章并入输入加工。
其三,最近发展区与辅助水平。 Vygotsky 区分独立解决问题的水平与在他人协助下能够达到的水平,二者之差即最近发展区。本章的守恒域与它有一处真实的重叠:都主张“能做到”不是一个单点,而是一个有边界的区域。分离线是边界的来源:最近发展区的边界由外部协助的多少决定,本章的边界由责任维度是否改变决定。同一名学习者在完全无协助的条件下仍然有守恒边与越界边之分;反之,协助水平提高不必然使越界边判断变好,甚至可能因为协助方替他压平了差异而变差。这条预测——协助增加而越界边表现下降——若从不出现,本章对最近发展区的独立性受损。
其四,监控假说。 Krashen 主张显性习得的规则只能在时间充裕、注意形式、且规则已知这三个条件同时满足时充当监控器,因而它在自然交际中很少真正起作用。本章的守恒域完整率若只是“有时间时能想清楚边界”,就是监控效应的换名。本章因此在指标里另设协调成本比,并明确规定:在延长思考时间后才出现的正确边界判断,与在实时任务中出现的正确边界判断,必须分开报告,不得合并计入同一个完整率。若两者的差值可以完全解释守恒域完整率的个体差异,本章降级为监控能力的一种测量方式。
本章此前报告过一次覆盖审计,对象是一份内部整理的二语习得研究清单,结果为零覆盖。这条结果的信息量近乎为零:用自家的清单去查自家的新词,零覆盖几乎是必然的,它既不支持也不反对本章。这里必须把它换掉,并把原结果的地位降为方法示例。
替换后的审计对象是可公开检索的二语能力测量工具与常用任务:语法性判断(限时与不限时两种版本)、诱发模仿、自定步速阅读、可接受度评分、话语补全任务、以及以语用适当性判断为核心的一类工具。审计的问题只有一个:这些工具里,有没有任何一件在同一名受试身上同时取“保持责任的变形”与“改变责任的变形”两类配对判断,并把两类分开计分?
审计结果对本章不利,也不利于本章的对手:话语补全任务与语用适当性判断确实成对呈现变体,但通常只报告一个总分,不区分守恒边与越界边;限时与不限时语法性判断确实成对,但对照的是时间条件而不是责任维度;诱发模仿保留形式变化,却不设计“表面高度重叠而责任改变”的干扰项。也就是说,本章所要求的那一栏在现有工具里普遍缺席——但这只说明缺一份数据,不说明本章的构念成立。缺口不是证据。
因此本章的经验地位必须写清:截至定稿,承诺守恒域没有任何学习者级数据支持。本章唯一能主张的是,若把上述任一工具改造成配对设计并分开计分,就能在一次实验里同时给本章和它的四位占位者一个失败机会。若改造后的数据显示守恒边与越界边成绩高度相关、且控制单形式映射成绩后守恒域完整率不再有增量预测力,本章应当撤回。
“语言留生体”主张压缩之后仍为被删掉的差异保留一个可定位的再入界面。它与本章都在处理“变化之后什么还在”,重叠最大。分离线:留生体关心的是被删掉的那一部分能否回来,本章关心的是没被删掉的那一部分算不算还是同一件。可分的交叉格是:一名学习者可以为被删差异保留很好的再入界面(留生读数高),却把所有变体都判成同一件事(守恒域过宽);也可以边界判得极准,却对任何被压缩掉的信息都不再有回收通道。若这两格在实验上不可得,两个构念应合并。