用视觉世界范式研究自闭症普通话儿童的句子理解

摘要

我们提出一个协议, 以检查形态学线索在儿童的实时句子理解的自闭症。

摘要

句子理解依赖于快速整合不同类型语言和非语言信息的能力。然而, 目前还缺乏研究, 探讨自闭症学龄前儿童如何理解句子使用不同类型的线索。基本的句子理解的机制在很大程度上仍然不清楚。本研究提出了一种研究自闭症学龄前儿童句子理解能力的协议。更具体地说, 一个视觉世界范式的眼球跟踪是用来探索的时刻对时间句子理解的儿童。这种范式具有多种优势。首先, 它对句子理解的时间过程很敏感, 从而可以提供关于句子理解如何随着时间的推移而展开的丰富信息。其次, 它需要极小的任务和通信需求, 所以它是测试自闭症儿童的理想选择。为了进一步减少儿童的计算负担, 本研究将出现的眼球运动作为对语言输入的自动反应, 而不是测量伴随着有意识反应的口头指令的眼球运动。

引言

句子理解依赖于快速整合不同类型语言和非语言信息的能力^{1、2、3、4、5、6,7,8,9,10,11}. 先前的研究发现, 年轻的典型开发 (TD) 儿童使用语言和非语言线索^12、13、14, 递增计算句子的含义, ^{15,16,17,18,19}。然而, 目前还缺乏研究, 探讨自闭症学龄前儿童如何理解一个句子使用不同类型的线索。在他们的句子理解基础上的机制仍然很不清楚。

人们普遍认为自闭症儿童的语言能力有很大的变异性, 特别是在表达语言方面;例如, 一些患有自闭症的儿童的结构语言相对较好, 有的在词汇和语法领域表现出缺陷, 有的表现为语法障碍, 有些则从未获得功能性口语^{20、21。 ,22,23,24,25}。此外, 先前的研究似乎表明, 他们的接受语言比他们的表达语言^26,27,28,29更受到损害。对自闭症儿童的句子理解能力进行评估的大多数研究都使用离线任务 (例如标准化测试、看护者报告), 结果表明, 他们的句子理解能力可能是特别损伤^{30,31,32,33,34,35,36,37}。然而, 有人指出, 理解能力差更可能与这些儿童的整体缺乏社会反应, 而不是语言处理赤字^38,39。请注意, 以前的研究中使用的这些离线任务通常需要高响应要求或与实验者的交互, 这可能对自闭症儿童造成特别困难, 因为他们经常表现出各种具有挑战性的行为或症状。因此, 这可能与高任务和沟通要求和掩饰他们的理解能力 [概述的方法评估接受语言的儿童自闭症, 见 Kasari et 等 (2013)²⁷和 Plesa Skwerer 等人 (2016)²⁹]。因此, 可以更好地控制这些混杂因素的实验范式需要进一步了解自闭症的句子处理机制的性质。

在本研究中, 我们提出了一种能直接有效地评估自闭症儿童句子理解能力的眼追踪范式。与离线任务相比, 眼球跟踪是一种比较敏感的测试范式, 可以证明儿童的理解能力。它对理解过程的时间过程很敏感, 不需要参与者的明确的运动或语言反应, 这使它成为研究年幼儿童和自闭症儿童的一种有希望的方法。此外, 我们将眼球运动记录为对语言输入的自动反应, 而不是测量伴随有意识反应的语言输入的眼球运动。

方案

本研究已获清华大学医学院伦理委员会批准。该项研究所包括的所有个别参与者均已获得知情同意。

1. 参加者筛选和研究准备

1. 招收有自闭症的讲普通话的学龄前儿童。
   注: 他们的诊断应由儿科神经学家在医院使用 DSM-IV-TR⁴⁰或 DSM-5⁴¹确认, 理想的是, 参与者的数量应该不少于15。本研究招募了25名患者确诊诊断。
2. 使用像自闭症诊断观察附表⁴²这样的黄金标准诊断仪器独立评估每个参与者。
3. 使用韦克斯勒学前和初级智力量表 (CN) 测量参与者的口头智商, 这是为2-6 岁至 6-11⁴³之间的讲普通话的儿童设计的标准 iq 测试。
   注意: 在本研究中, 自闭症患儿的口头智商分数均高于80。他们都是自闭症的高功能儿童。
4. 计算每个参与者的平均话语长度 (MLU), 将单词的总数除以每个语音样本中的话语数。记录每位参与者与家长或教师的互动100个话语。然后, 通过将每个参与者的话语总数除以100来计算 MLU。
   注: MLU 表示参与者的句子复杂性级别。
5. 招募 TD 儿童。理想的匹配 td 儿童的年龄自闭症儿童 (td 组 1), MLU (td 组 2), 和口头智商 (td 组 3)。
   注: 本研究从本地幼稚园招募50个 TD 儿童 (25 男童及25女童)。25与自闭症患儿的年龄和25匹配的儿童自闭症的 MLU 和口头智商。

2. 热身会议

1. 在实际测试之前邀请参与者参加热身会议。将参与者介绍给研究环境, 并与他或她互动, 建立良好的人际关系。
   注意: 这可以在测试会话的同一天进行, 或者在不同的日期组织。在热身会议中, 两个实验者通常参与使用玩具和道具与参与者互动。

3. 条件和实验设计

1. 构建测试刺激。创建12个目标项目, 每一个都包括一个视觉刺激, 和两个口语句子包含的形态学标记 BA 和北, 分别。用相同的结构构造口语句子: 形态学标记 + 名词短语 + 副词 + 动词短语 (VP) (参见下面的示例1a 和 1b)。
   注: 标记 BA 表示以下 np 是持有事件的接收者 (见 2a), 而北表示以下 np 是事件的发起者 (见 2b)。当 np 的指称语境可用时, 汉语中句子的主语 NP 常常会被省略。
   
   例子:
   (1) BA狮子 qingqingdi 宝乐起来。
            巴狮轻轻地抱起
   意思是: 有人轻轻握住狮子。
   b.北狮子 qingqingdi 宝乐起来。
            北狮轻轻地抱起
   意思是: 有人轻轻地抓住了狮子。
   (2) BA + [NP]_收件人
   b. 北 + [NP]_发起人
   1. 使用 Pixelmator (或其他图像编辑器) 创建可视图像。打开 Pixelmator。单击 Pixelmator 图标。从模板创建可视图像。单击 "模板选择器" 中的 "显示详细信息"。双击该模板以将其打开。从弹出式菜单中调整宽度、高度、分辨率和颜色深度。输入相关参数。单击"确定"。
   2. 使用 Praat (或其他音频编辑器) 构造口语句子。设置麦克风。打开 Praat。单击 Praat 图标。从新菜单中选择 "记录单音声音"。通过单击44100的采样率选项设置录制条件。单击 "记录" 按钮。
   3. 通过要求一位当地的北京国语演讲者以儿童为导向的方式来记录所说的句子。通过单击 "保存" 保存录制。
      注: 典型地, 12 到16个目标项目被构造为句子理解研究与孩子。可以使用其他图像和音频编辑器为视觉世界研究创建测试刺激。
2. 构造视觉图像, 每张都包含两幅图片。这两张图片描述的是同一事件, 涉及相同的字符。反转两张图片中两个字符的事件角色 (启动器或收件人)。使一幅图片与包含 ba (ba) 的建筑相兼容, 并与包含北 (北靶事件) 的建筑配合使用。图 1中提供了一个示例。
   注: 本图经周、马 (2018)¹⁹批准转载。
3. 平衡和随机化: 将目标试验分为两个实验列表, 参与者看到每个视觉刺激, 但只听其中一个记录的刺激的句子。在两个实验列表中平衡含 ba 和北的口语句子, 6 个包含 ba 和6的结构包含了北。将12填充物添加到每个实验列表中, 并按随机顺序排列目标和填充试验。随机将参与者分配给两个列表。

4. 实验程序

1. 眼球追踪程序。
   1. 邀请参加者舒适地坐在远程眼球追踪器的显示屏显示器前。设置参与者的眼睛和显示器之间的距离在60厘米左右. 通过要求参与者随机连续地盯着五个固定目标的网格, 执行标准校准和验证程序。
   2. 在标准的视觉世界范式^10,44中, 在看到视觉图像的同时, 给参与者提供一个口语的句子。使用单眼眼球跟踪选项跟踪的眼睛, 是在同一侧的眼睛跟踪器的光源。使用眼球追踪器记录参与者的眼球运动。
      注意: 本研究中使用的眼球追踪器允许远程眼球跟踪, 采样率为500赫兹。
2. 测试和测量。
   1. 单独测试参与者。简单地告诉参加者在看图片时要听口语句子。请一个实验者监视计算机上的参与者, 一个站在参与者的后面, 轻轻地将手放在参与者的肩膀上, 以尽量减少参与者的突然动作。
   2. 测量参与者的眼球运动, 这些动作是使用眼球追踪器对语言输入的自动响应而产生的。
      注意: 任务不要求参与者对所说的句子作出任何有意识的判断, 以最小化他们的计算负担。眼球追踪器自动记录眼球运动。
   3. 测试过程中的监视: 使用计算机屏幕上的实时查看器模式, 在测试期间由眼睛跟踪者展示, 观察参与者的前瞻行为。询问那些通过实时查看器模式监视数据收集的实验者, 向站在参与者后面的实验者发出信号, 如果他或她的眼睛盯着电脑屏幕, 就会重新定向参与者。

5. 数据处理和分析

1. 在两个兴趣区域中编写参与者的固定密码。使用数据查看器绘制两个兴趣区域: BA 目标事件区域和北目标事件区域 (见图 1)。打开数据查看器。在工具栏上选择一个 "兴趣区" 形状图标。使用鼠标在要定义为利息区域的区域周围拖动一个框。将利息区域保存在 "利息区域集" 文件夹中。将兴趣区应用于其他可视图像。
   注:图 1上部面板中所描述的事件与 ba 构造匹配, 因此是 ba 目标事件, 下面板中描述的事件与图 1b匹配, 因此为北目标事件。用于数据编码的软件是数据查看器, 它附带了研究中使用的眼跟踪仪。其他数据分析软件也可用。
2. 使用数据查看器分析眼睛凝视模式。
   1. 打开数据查看器。从菜单中选择示例报表函数, 以设置分析的时间窗口 (例如,本研究的时间窗口中每200毫秒)。使用相同的功能时间锁定在利益区域的固定比例, 以开始的标记为每个试验。使用菜单中的导出函数将原始数据导出到 excel 文件中。
   2. 使用 excel 函数可以平均在每个区域标记开始后的固定比例。使用 excel 函数计算从两个区域的标记开始的5200毫秒 (目标句的平均长度 + 200 毫秒) 的每个时间窗口内的固定比例 (200 毫秒)。将线性混合效应模型应用于眼球运动数据, 并在下面的代表性结果中详细说明。
      注: 使用200毫秒作为时间窗口的基础上的标准程序, 以分析儿童眼凝视数据的文献^{12,13,18,19,45, 46,47}, 一般认为它需要大约 200 ms 观察语言标记对眼睛运动的影响⁴⁸。

结果

本研究使用最小对作为例子1a 和 1b, 以调查是否和如何快速儿童自闭症可以使用事件信息编码在两个形态学标记在实时句子理解。据预测, 如果他们能够快速有效地使用两个标记中的事件信息, 在实时句子理解, 那么他们应该看更多的 ba 目标事件时, 听到 ba 比当听到北。此外, 在听完后, 他们应该更多地关注北靶事件, 而不是听了 BA。

有代表性的结果显示, 5 岁的自闭症患者与年龄匹配的 TD 同龄人的比较。图 2显示了在两种情况下, TD 5 岁的人在 BA 目标事件 (小组 A) 和北靶事件 (小组 B) 中的平均固定比例。图 3总结了5岁自闭症患者的平均固定比例。

这些数据表明, 自闭症组显示的眼球运动模式类...

讨论

在本研究中, 我们提出了一种能直接有效地评估自闭症儿童句子理解能力的眼追踪范式。我们发现, 5 岁的自闭症儿童, 像他们同龄的 TD 同龄人, 表现出眼睛凝视模式, 反映了有效和快速使用的语言线索在实时句子理解。

这些发现提供了证据, 即眼球追踪 (特别是视觉世界范式) 是对自闭症儿童的实时句子理解的敏感度量。与离线方法相比, 该范式具有多种优点。首先, 它对句子理解的时间过程很敏感。其次, 它最大限度地减少了所涉及的任务和通信需求, 因此是一种更适合的方法, 可用于具有挑战性的行为特征的儿童。第三, 它只记录眼球运动作为语言输入的自动反应, 而不要求参与者对输入进行有意识的判断, 大大减少参与者的计算负担。

视觉世界范式基于一个链接假设, 即视觉世界中的眼球运动与同时语言刺激的实时处理同步。因此, 使用视觉世界范式进行有效的语言理解研究需要在视觉世界中的眼睛凝视模式与口语的参照处理之间进行密切的映射。为了确保两者之间的密切映射, 首先设计视觉刺激是很重要的, 以便视觉图像中的眼球运动只反映语言的理解过程, 以及可能影响参与者...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
EyeLink 1000 plus 眼动仪	SR Research Ltd. 公司		EyeLink 1000 plus 无需头部支撑即可进行远程眼动追踪。眼动仪提供有关参与者的信息的凝视点采样率为 500 Hz，其精度为 0.5 度的视角。