《Scientific Data》：Dataset for Evaluating the Production of Phonotactically Legal and Illegal Pseudowords
編輯推薦：
為解析語音運動序列學習與監控的神經機制，研究人員利用 MEG 技術開展假詞生成實驗，對比法語中語音合法與非法假詞的神經響應。發現非法假詞學習存在適應性調控，數據集為 speech production、reafference cancellation 等研究提供高時間分辨率資源。
論文解讀
語言學習的本質是對聲音序列規則的掌握，人類如何在大腦中構建和監控語音運動序列？當前研究對詞匯后階段語音生成的動態過程及適應性學習機制仍存空白。例如，語音監控中感覺反饋與預測的匹配機制（如 M100 成分調制）如何在復雜語音任務中發揮作用？不同語言規則（如語音合法性）如何影響神經活動的時空模式？為填補這些空白，法國艾克斯 - 馬賽大學（Aix Marseille Univ）等機構的研究團隊開展了一項磁 encephalography（MEG）研究，相關成果發表于《Scientific Data》，為解析語音學習的神經基礎提供了重要數據資源。
關鍵技術方法
研究采用 248 通道 MEG 掃描儀采集 17 名法語母語者（11 女，平均年齡 25.7±3.5 歲；6 男，平均 26.3±3.9 歲）在假詞學習任務中的腦活動，包括任務前后的靜息態數據。刺激為 36 個 CCVCC 音節（C = 輔音，V = 元音），分為符合法語語音規則的合法假詞與違反規則的非法假詞，通過視覺和聽覺同步呈現。實驗流程遵循腦成像數據結構（BIDS）標準，數據經濾波（0.5–30 Hz）、重采樣（250 Hz）、頭動校正（Maxwell 濾波）和信號空間投影去噪等預處理，并提取事件相關場（ERFs）進行初步分析。行為數據通過 LabVIEW 軟件記錄，準確率評估基于發音正確性（含插入、遺漏等錯誤則判定為不正確）。
研究結果
行為表現與學習效應
合法假詞的準確率始終高于 70%，而非法假詞在前 3 個序列中接近概率水平（50%），隨后顯著提升，表明非法假詞學習存在明顯的適應性過程。個體數據顯示，僅受試者 sub-12 在兩類假詞中表現均接近概率水平，提示其可能存在特殊學習模式。
MEG 數據結構與預處理
數據集按 BIDS 組織，包含原始 MEG 文件、行為日志、刺激音頻等。通過修改觸發值編碼刺激類型（合法 / 非法）、序列順序（1–9）和響應準確性（正確 / 錯誤），并生成事件文件（_events.tsv）。預處理步驟包括 EOG/ECG 通道重命名、壞導檢測、生理噪聲去除，確保數據質量。頭動分析顯示多數受試者位移小于 3 mm，僅 sub-17 和 sub-19 在部分運行間位移較大，但通過空間重對齊校正。
初步神經動力學分析
ERFs 分析提取了刺激 onset 前后 2 秒的時間窗口，基線校正后排除異常 epochs（閾值 ±3000 fT）。全腦及區域（枕葉、左右顳葉）的 ERFs 和均方根（RMS）信號顯示，不同條件下神經活動的時空模式存在差異。例如，合法正確條件下枕葉區域呈現特定幅度變化，可能與視覺處理和語音整合相關。
研究結論與意義
本研究構建的 “MEG-GLOUPS” 數據集提供了法語母語者在語音合法與非法假詞生成任務中的高時間分辨率神經數據，結合行為學結果，揭示了語音運動序列學習中適應性監控的動態過程。數據中非法假詞學習后期準確率的提升，印證了基于感覺預測誤差的適應性控制機制（如 reafference cancellation 的調整）。此外，數據集與現有 fMRI 數據集（Gloups, ds004597）形成互補，為跨模態研究語音學習的神經基礎提供了整合資源。
該研究的意義體現在三方面：其一，為 speech production 模型提供了詞匯后階段（post-lexical）的神經證據，補充了音節組合過程的時空動態圖譜；其二，通過對比合法與非法條件，分離了語音監控、學習和運動序列生成的神經成分，有助于理解語言習得中的錯誤修正機制；其三，標準化的 BIDS 數據結構和開源代碼（如 Python 腳本）提升了數據的可重復性和跨實驗室兼容性，為全球研究者探索語言、認知與神經可塑性的關聯提供了重要工具。未來研究可結合計算模型，進一步解析預測編碼在語音適應中的具體作用，或拓展至病理群體（如語言障礙患者）的神經機制研究。
