1. 引言
中华语言文化，作为世界上最古老且连续不断的文化之一，其深厚的底蕴和独特的魅力正逐渐为世界所认识和欣赏。随着经济的飞速发展，中国与世界各国的交流日益频繁，汉语作为沟通桥梁的重要性愈发凸显。全球“汉语热”不仅仅是语言学习的热潮，更是中国文化走向世界的一个标志。越来越多的国家将汉语纳入其教育体系，在有些国家，汉语甚至已经成为了重要的第二语言。对汉语作为第二语言的学习进行研究，有助于我们更深入地了解非汉语母语者在学习汉语过程中的难点和挑战，从而制定更有效的教学策略，推动汉语的国际传播。
汉语，作为一种典型的声调语言，其声调在区分语义方面发挥着至关重要的作用。不同的声调往往代表着截然不同的意义(王瑞明，杨静，李利，2016)，例如，“mā”代表“妈”，而声调稍作变动的“má”、“mǎ”和“mà”则分别对应着“麻”、“马”和“骂”等不同的词汇。对于那些母语非声调语言的学习者来说，掌握汉语声调的微妙变化无疑是一项巨大的挑战。正因如此，汉语声调学习不仅被视为汉语语音学习中的一大难点，更成为了汉语二语学习研究领域的核心议题(柯传仁，沈禾玲，2003)。本文基于文献图谱分析，对国际上的相关文献进行了系统梳理与总结，旨在为未来的研究和实践提供有益的借鉴和启示。
2. 方法
2.1. 文献来源与整理
本文的数据来源于Web of Science (WOS)数据库中的Core Collection。我们运用了高级检索功能，分别以“Mandarin learning”和“lexical tone learning”作为关键词，对abstract (摘要)内含有关键词的论文进行搜索。其中设定2024年7月作为检索的时间上限，对于期刊来源则保持开放，不设置特定限制。以这两个关键词搜索出文献分别为775篇和184篇。仔细阅读这些论文的摘要，排除重复发表的论文后，根据以下标准来选取论文：1) 实证研究；2) 被试的母语为非汉语；3) 被试在参加研究之前没有系统学习汉语的经历。我们最终选出83篇文献作为研究样本。
2.2. 文献分析
本文在研究中采用了文献计量方法，并借助CiteSpace 6.3 R3可视化软件(网址：https://citespace.podia.com/)进行深入的定量分析，旨在实现数据的可视化。作为一款在综述类文章写作中广泛使用的工具，CiteSpace凭借其卓越的性能和广泛的认可度，成为当前文献计量领域中的用于图谱绘制的常用分析软件。运用CiteSpace绘制的关于汉语声调学习实验研究的可视化图谱，聚焦于作者、机构以及关键词的知识网络，为我们提供了一个客观、全面的视角来分析汉语声调学习的研究现状。
3. 研究结果
3.1. 文献基本情况的描述性分析
3.1.1. 文献发文量时序分析
论文发表数量是衡量一个学术领域关注度和发展态势的重要指标。在考察汉语作为第二语言的声调学习的研究动态时，我们发现其研究热度整体呈现一种从缺乏关注到维持稳定热度的趋势。具体而言，如图1所示，从2003年至2013年，每年发文量在4篇以下，表明在这近十年时间里面，汉语声调学习的研究在国际学术界上并没有得到较多关注。从2014年开始至2024年(截至7月份)，大部分年份发文量在4篇以上，表明在最近十年汉语声调学习的研究开始获得国际学术界关注，研究热度保持稳定。
Figure 1. Trends in the number of publications over time in the study of learning Mandarin tones in Chinese as a second language
图1. 汉语作为第二语言的声调学习研究的发文量随时间变化的趋势
3.1.2. 文献作者与机构分析
在团队合作分析方面，我们利用CiteSpace软件生成了作者共现图谱(图2)。在图2中，节点的大小直观地体现了作者在该领域的影响力。网络节点(作者)共176个，连线共367条，网络密度为0.238。发文量前十的核心作者分别为：Chandrsekaran Bharath，Wong Patrick C M，Maddox W Tood，Li Ping，Yi Han-Gyol，Hao Yen-Chen，Perrachione Tyler K，Escudero Paola，Fang Shin-Yi和Gullberg Marianne。从图谱可知，整个网络呈现较为集中的态势，揭示了作者间多样的合作模式，包括多点多线组合、两点一线组合和单点独立存在等形式的研究组合。排名前两位的核心作者Chandrsekaran Bharath和Wong Patrick C M之间存在较多连线，其他核心作者之间的连线较少，说明除了最高产的两个研究团队建立了合作关系以外，其他研究团队之间的合作较少。
Figure 2. Author co-occurrence mapping in a study of tone learning in Chinese as a second language
图2. 汉语作为第二语言的声调学习研究的作者共现图谱
除了作者共现分析外，我们对研究机构之间的合作情况进行了分析。具体来说，我们利用CiteSpace软件生成了研究机构共现图谱(图3)。如图3所示，在研究机构共现图谱里面，节点的大小直观地体现了研究机构在该领域的影响力。我们分析了120个研究机构，发现269条连线，网络密度为0.0377。发文量前十的核心研究机构分别为：西北大学(Northwestern University)、德克萨斯大学奥斯汀分校(University of Texas at Austin)、德克萨斯大学(University of Texas System)、宾夕法尼亚州高等教育联邦体系(Pennsylvania Commonwealth System of Higher Education)、宾夕法尼亚州立大学(Pennsylvania State University)、香港中文大学(Chinese University of Hong Kong)、宾夕法尼亚州立大学帕克分校(Pennsylvania State University—University Park)、匹兹堡大学(University of Pittsburgh)、加州大学系统(University of California System)和西悉尼大学(Western Sydney University)。研究机构共现图中的影响力较大的机构之间存在较多的合作关系，但并未形成明显的较大的聚类或者集群。仅有少数影响力较大的研究机构与个别机构存在合作关系，多数机构之间缺乏紧密的学术联系。这个现象反映出，尽管汉语声调学习这个研究领域得到了多家学术机构的关注，但作者之间的合作主要仍局限于有影响力的机构之间或者同一机构内部，跨机构合作相对较少，整体上呈现了以独立研究为主的态势，机构间的合作意识和研究成果的共享性有待加强。
Figure 3. Co-occurrence mapping of research organizations in the study of Mandarin tones learning in Chinese as a second language
图3. 汉语作为第二语言的声调学习研究的研究机构共现图
3.1.3. 文献学科分类分析
对汉语声调学习研究领域的学科分类进行深入剖析，不仅有助于我们把握当前的研究热点，还能揭示论文所运用的研究方法、作者的研究视角以及研究成果的主要归属领域。如图4所示，该领域的研究已广泛覆盖语言学、心理学、听力学、神经科学、教育学和生物学等多个学科领域。进一步观察学科分布结构，我们发现不同学科领域的文献数量存在显著差异。具体来说，语言学、心理学和神经科学的研究文献占据了主导地位，分别有33篇、30篇和27篇，紧随其后的是教育学和听力学领域，文献数量分别为16篇和15篇。相比之下，其他学科如计算机科学，生物学以及放射学等领域的文献数量则相对较少。这种分布情况既反映了语言学、心理学以及神经科学在汉语声调学习研究中的重要地位，也意味着汉语声调的研究目前学科集中度较高，未来的研究需要更多的学科参与进来。
Figure 4. Disciplinary distribution of in the study of Mandarin tones learning in Chinese as a second language
图4. 汉语作为第二语言的声调学习研究的学科分布
3.2. 研究热点与趋势的图谱可视化分析
3.2.1. 关键词共现分析
Figure 5. Keyword co-occurrence network mapping for the study of learning Mandarin tones in Chinese as a second language
图5. 汉语作为第二语言的声调学习研究的关键词共现网络图谱
关键词作为文献研究内容的精炼表达，是考察汉语声调学习研究热点的重要手段。通过应用CiteSpace软件，我们提取了2003至2024年间汉语作为第二语言的声调学习研究文献中频次超过2次的关键词，形成了该领域的关键词共现网络图谱(图5)。此图谱共包含268个节点(代表了不同的研究焦点)，以及1185条连接线(反映了这些焦点之间的关联程度)，整体网络密度为0.0331。在图5中，英语词语的大小直接反映了其在文献中被引用的频次，即词语越大，表示相关文献被引用的次数越多。从图谱中可以清晰地看到，acquisition (学习)、language (语言)、English (英语)、individual differences (个体差异)、identification (识别)、discrimination (辨别)、brain (大脑)、experience (经验)、Chinese (汉语)和category learning (类别学习)等的关键词的节点最为显著，体现了在汉语声调学习研究中的核心地位。此外，human auditory cortex (人类听觉皮层)、fMRI (功能磁共振)和heschl’s gyrus (赫尔氏区域)等关键词与brain (大脑)紧密相连，Chinese tones (汉语声调)、lexical tones (词汇声调)与categorical perception (类别知觉)紧密联系，representation (表征)、memory (记忆)和speech (言语)与acquisition (习得)紧密联系，这些当前该领域的研究热点词汇，揭示了研究的焦点方向和学科特色。
3.2.2. 关键词聚类分析
Figure 6. Keyword clustering mapping for the study of learning Mandarin tones in Chinese as a second language
图6. 汉语作为第二语言的声调学习研究的关键词聚类图谱
基于汉语声调学习研究的关键词共现网络图谱，我们在CiteSpace软件中进一步生成了自2003年以来的关键词聚类可视化图谱(见图6)。聚类分析精准地揭示了汉语声调学习研究领域的热点问题现状。借助聚类分析的结果，并结合现有文献的深入研究，我们提炼出了9个主要的聚类标签：listeners (听者)、inferior colliculus (下丘)、auditory category learning (听觉类别学习)、second language word learning (第二语言词语学习)、1st language (第一语言)、word learning (词语学习)、corticostriatal systems (皮质纹状体系统)、homophony (谐音)和conceptual metaphor (概念隐喻)。其中，inferior colliculus (下丘)和corticostriatal systems (皮质纹状体系统)这两个聚类反映的是汉语声调学习的脑基础方面的研究热点。auditory category learning (听觉类别学习)、second language word learning (第二语言词语学习)和word learning (词语学习)这些聚类反映的是汉语声调作为语音类别以及作为区分不同词汇的特征来进行研究的共识。1st language (第一语言)这个聚类反映的是汉语作为第二语言学习对学习者的第一语言的影响。homophony (谐音)和conceptual metaphor (概念隐喻)这两个聚类反映的则是相对于英语等印欧语系，汉语声调在学习与使用上的语言特殊性研究。总之，通过这九个方面的研究，我们可以更全面地理解汉语作为第二语言的声调学习的现状和挑战，为未来的对外汉语教学和学术研究提供有价值的参考。
4. 讨论
本研究通过CiteSpace软件对汉语作为第二语言的声调学习的英语文献进行了计量分析，深入探讨了文献的外部特征与内部结构，并总结了研究热点主题的变迁趋势。以下是我们的主要发现：
第一，在汉语声调学习的研究作者和研究机构方面，作者和研究机构共线图谱显示，现有的研究者和研究机构主要聚集在美国。虽然研究机构之间存在紧密合作，但主要局限在影响力较大的研究机构之间或者研究机构内部，跨机构的合作现象较少，研究成果的共享性不强。当前研究机构主要集中在美国的教育机构，以西北大学(Northwestern University)、德克萨斯大学奥斯汀分校(University of Texas at Austin)、德克萨斯大学(University of Texas System)、宾夕法尼亚州高等教育联邦体系(Pennsylvania Commonwealth System of Higher Education)、宾夕法尼亚州立大学(Pennsylvania State University)等为典型代表。也有少数影响力的亚洲研究机构，比如香港中文大学(Chinese University of Hong Kong)。这些研究机构成为了汉语声调学习研究的重要力量。
第二，关于汉语声调学习的研究趋势，从文献的学科分布发展趋势图可以鲜明地看出，研究内容正持续扩展，不再局限于语言学、教育学和心理学领域，而是广泛生物学、神经科学、计算机科学等多个领域。值得一提的是，神经科学已经成为了汉语声调学习研究领域里面的一个重要的学科方向，这与脑成像技术广泛应用在语音学习的实证研究当中有关(张才蕙，叶渐桥，杨静，2023；Deng et al., 2016, 2018; Yang & Li, 2019)。
第三，结合对汉语声调学习研究的关键词共现分析以及聚类分析的图谱来看，研究的视角呈现出多样化的特点。例如，对汉语声调学习的研究除了从语音类别学习和词汇学习这些角度去开展以外，近年的研究开始关注影响最终学习效果的个体差异因素(Deng et al., 2016; Feng et al., 2021; Wong et al., 2017)以及学习者学习汉语声调背后的汉语声调学习的神经机制(张才蕙，叶渐桥，杨静，2023)。这些趋势均表明汉语声调学习的研究正在向更为全面、深入的方向发展。
5. 研究展望
总体而言，国际上有关汉语声调学习领域的研究虽初见成效，但从研究的广度和深度来看，仍有待进一步拓展和深化。展望未来，研究可以从以下几个方向加以完善：
首先，在研究内容上，我们需要更加深入探讨汉语声调学习背后的神经机制，特别是脑机制。尽管目前有不少研究运用脑成像手段对这个问题进行探讨(张才蕙，叶渐桥，杨静，2023)，但是并没有提出一个明确阐述汉语声调学习的脑机制模型。这要求我们在今后的研究中继续关注汉语声调学习的脑机制问题，尤其需要重视这方面的理论建设。
其次，在研究视角上，我们应当追求更为丰富和均衡的跨学科研究。当前，语言学、心理学和神经科学在汉语声调学习研究中占据主导地位，而其他学科如计算机科学、生物学和放射学等虽然有所涉猎，但其贡献和影响力尚待提升。然而，鉴于目前人工智能和虚拟现实技术开始介入人们日常使用的语言学习软件，未来我们应着力于加强人工智能相关学科的研究(Legault et al., 2019)，引入更多元的研究视角，以保证汉语声调学习的研究跟上时代发展的步伐。
最后，在研究方法上，当前的研究主要采取实验室研究，基于自然语言课堂环境的研究不足(Nelson, 2009)。未来研究可以更多在带有社会互动要素的自然语言课堂环境中去观察社会心理学变量对汉语声调学习所产生的影响，让汉语声调学习的研究具有更大的生态效度。
基金项目
广州市“菁英计划”留学项目(JY201245)。
NOTES
*通讯作者。