引言

中国人民大学心理学系张清芳团队在《Scientific Data》期刊发表了题为《Open access dataset integrating behavioral and EEG measures in Chinese spoken word production》的数据论文，该研究整合了87名汉语母语者在四项汉语口语产生实验中的行为与脑电数据，首次提供了标准化的多模态公开数据集，系统探究了汉语母语者在词汇产生过程中音节与音素的加工机制，为理解声调语言的音韵编码过程提供了宝贵资源，并为开展跨语言比较研究提供了重要数据基础。

研究背景与科学问题

语言产生是一个复杂的认知过程，包括概念准备、词汇选择、音韵编码、语音编码和发音等多个阶段。其中，音韵编码是连接词汇语义表征与发音运动的关键环节，其核心争议在于不同语言中音韵编码的“最小功能单位”是否存在差异。已有研究表明，区别于英语、荷兰语等字母语言，汉语母语者在词汇产生中更依赖音节而非音素作为基本编码单位，表现出显著的“音节效应”——即当启动词与目标词共享音节时，命名反应更快、更准确。然而，目前缺乏同时记录行为与神经活动（如EEG）的公开数据集，尤其缺乏针对汉语这类声调语言的系统资源。基于此，研究旨在构建首个整合行为与EEG的汉语口语产生公开数据集并对其进行描述和技术验证，为后续研究提供标准化、可复用的多模态数据支持。。

研究方法

数据集包含四个实验，均以“图片命名”为核心任务，采用掩蔽启动范式（masked priming paradigm）和图-词干扰任务（picture-word interference）两种范式，共纳入87名汉语母语者被试（年龄17–26岁，男女均衡）。实验材料包括88张常见物体的黑白线条图，命名方式涵盖单音节与双音节词。其中实验1和2采用掩蔽启动范式，在该任务中，目标图片出现前会短暂呈现一个启动字，被试需忽略启动字，只对目标图片进行命名；实验3和4采用图-词干扰任务，在该任务中，目标图片上会叠加一个干扰汉字，被试需要忽略干扰字并命名图片。所有实验均避免语义或正字法重叠，并通过统计检验确保各条件在词频和笔画数上无显著差异。

数据内容与结构

数据集通过Open Science Framework（OSF）平台公开发布（https://doi.org/10.17605/OSF.IO/NMKE5），包含以下内容：

• 原始行为数据： trial级别的反应时与准确率；

• 原始EEG数据： 未处理的.cnt格式文件；

• 预处理后的EEG分段数据： 按实验条件分段后的数据；

• 分条件平均后的波幅数据：各实验条件下的平均波幅数据；

• 刺激材料： 所用图片与文字材料；

• 分析脚本： 用于数据预处理与统计验证的MATLAB与R代码。

主要研究发现

通过对“音节相关”与“音节无关”条件的比较对行为和脑电数据进行技术验证，结果发现：

• 行为层面：

1. 行为数据质量：所有实验条件的有效试次保留率均>90%，准确率均超过90%，且反应时具有相似的分布特征，符合汉语图片命名基准范围（700-900ms），证明范式与数据有效性；

2. 音节效应稳定性：音节相关条件下的反应时更短（701 ms vs. 722 ms），准确率更高（93.74% vs. 92.78%），表现出稳定的音节促进效应；

图1 不同条件下的准确率与反应时分布箱型图，验证数据集与音节加工基准的一致性。音节相关条件与音节无关条件下的（a）准确率分布和（b）反应时（ms）分布。

• 脑电层面：

1. EEG数据质量：信噪比分析表明，所有实验的EEG信号质量良好（SNR > 15 dB），有效试次保留率达71.14%-93.47%，数据质量稳定可靠；

2. 音节效应稳定性：通过数据驱动的基于簇的置换检验发现，各实验音节效应显著的时间窗范围为242-496ms（覆盖汉语音韵编码的关键阶段），效应主要分布于前额、中央和顶叶区域，与以往研究一致；

3. 统计检验力：各实验音节效应的 Cohen’s d 值均为中等效应量，统计检验力均>80%（80.00%-86.15%），确保结果可靠。

图2 不同条件下的事件相关电位（ERP）波形图，验证音节加工的神经关联性。通过数据驱动的基于簇的置换检验识别出的显著电极点上的平均ERP波幅，分析时窗为图片呈现前100 ms至后500 ms。阴影区域表示条件差异显著的时间窗口（实验1：348-424 ms；实验2：334-436 ms；实验3：326-496 ms；实验4：242-342 ms）。实验范式：（a）掩蔽启动范式（实验1）；（b）掩蔽启动范式（实验2）；（c）图-词干扰任务（实验3）；（d）图-词干扰任务（实验4）。

主要结论和学术价值

该数据集是首个公开的、同步记录行为与脑电的汉语口语产生数据集，技术验证结果一致表明，音节是汉语音韵编码的核心单位，该数据集能有效捕捉到音节加工的神经过程。具有以下价值：

1. 填补研究空白：首次公开声调语言音韵编码的多模态整合数据，揭示音节加工的时空动态，弥补现有资源缺失的局限；

2. 支持多方法分析：适用于时域分析、时频分析、微态分割分析等进一步分析方法；

3. 促进开放科学：提供完整的数据与代码，支持重复使用与后续扩展研究；

4. 助力跨语言研究：可为双语或多语研究提供基础数据，探究语言特异性对音韵编码的影响。

论文信息

题目： Open access dataset integrating behavioral and EEG measures in Chinese spoken word production
期刊： Scientific Data (IF = 8.7, SCIE, JCR: Q1)
DOI： 10.1038/s41597-025-05671-9
作者： 谭成慧（第一作者），张清芳（通讯作者）
引用：Tan, C., & Zhang, Q. (2025). Open access dataset integrating behavioral and EEG measures in Chinese spoken word production. Scientific Data, 12(1), 1348.

数据链接： https://doi.org/10.17605/OSF.IO/NMKE5

原文链接：https://doi.org/10.1038/s41597-025-05671-9

联系方式：qingfang_zhang@ruc.edu.cn