《Bilingualism: Language and Cognition》:Discrete emotion norms for 1,122 English words: A database of categorical ratings by Chinese-English bilinguals
编辑推荐:
尽管离散情绪(discrete emotion)视角在情感与心理语言学研究中的关注日益增加,第二语言(second language,L2)中的大规模常模数据集仍有限。为弥补该空白,本研究引入一个针对L2英语的离散情
尽管离散情绪(discrete emotion)视角在情感与心理语言学研究中的关注日益增加,第二语言(second language,L2)中的大规模常模数据集仍有限。为弥补该空白,本研究引入一个针对L2英语的离散情绪常模综合数据库。该数据集包含由525名中国英语双语者(Chinese-English bilinguals)评定的1,122个单词,覆盖五类离散情绪:happiness(快乐)、anger(愤怒)、fear(恐惧)、disgust(厌恶)和sadness(悲伤)。参与者使用5点Likert量表(5-point Likert scale)对其中部分单词进行评定。结果表明较高的评分者间信度(inter-rater reliability),并揭示离散情绪评定与情感维度(affective dimensions)之间的系统关系。此外,这些类别评定与情绪典型性(emotion prototypicality)及关键心理语言学变量相关,包括习得年龄(age of acquisition,AoA)、词频(word frequency)、具体性(concreteness)和语义多样性(semantic diversity)。分布分析突显一种显著不对称性:happiness(快乐)在语义空间中占主导。该数据库为每个单词提供详细的离散情绪评定,并为L2情绪研究中选择受控刺激提供细粒度工具。
情绪是认知的基本维度,在语言加工和交流中具有关键作用。情感与语言界面长期被视为心理语言学核心议题。既有实证研究主要聚焦词汇层面,并受维度模型(dimensional model)和离散情绪模型(discrete emotion model)两种理论框架指导。维度模型通常将情绪体验归纳为价(valence,愉悦度)和唤醒(arousal,生理激活程度)两个连续维度,虽为词汇识别研究提供基础,但结果异质,尤其负性刺激效应存在促进、抑制或无效等不一致发现。将情绪简化为正负区分,也会忽略共享同一价态的离散情绪差异。离散情绪模型认为happiness、sadness、anger、fear和disgust等基本情绪具有不同进化起源和认知轮廓。母语(first language,L
1)研究表明,离散类别在价和唤醒之外具有解释力。为量化这些效应,研究人员依赖严格控制的情绪词常模。维度框架已有较广泛数据库,但L
2研究显示双语者加工L
2情绪信息时存在情绪脱离,且L
2常模多集中于词频、具体性和情感维度,缺乏离散情绪规范,阻碍L
2离散情绪加工研究。因此,研究人员报告1,122个英语单词的L
2离散情绪评定数据库,由525名中国英语双语者完成,聚焦五类基本情绪,目标包括填补双语领域类别指标空白、考察离散情绪与价、唤醒和情绪典型性的关系,以及分析其与AoA、词频、具体性和语义多样性等词汇变量的关系。该数据库意在成为心理语言学研究的基础资源,促进跨语言比较,并推进对L
2词汇表征、情绪体验和具身加工机制的理解。
关键技术方法方面,研究采用在线问卷。样本队列来源为525名中国英语双语者,其中本科生66.7%、研究生33.3%,平均年龄22.08岁,范围17–28岁;多数在小学开始学习L
2,平均AoA约9–10年,被定义为晚双语者;均通过大学英语六级(CET-6),一般对应IELTS 6.0–6.5,L
2主要在正式课堂习得。刺激词来自Wu et al.(2025)的1,122个英语情绪词。1,122词随机分为5套,每套评五类离散情绪,共25份问卷;每份由独立20–22名参与者评定,采用5点Likert量表,刺激顺序完全随机。剔除无效回答后保留500名有效参与者,每份问卷20名。信度采用分半程序和Spearman–Brown公式,效度通过与已有英语、克罗地亚语、西班牙语和法语数据库重叠词进行Pearson相关检验,并计算离散情绪与情感及心理语言学变量的相关。
结果部分,3.1 信度与效度:通过分半法并经Spearman–Brown校正,重复50次随机分半,五类离散情绪平均信度为happiness r=.994、anger r=.991、sadness r=.995、fear r=.992、disgust r=.995;与Stevenson et al.、?oso et al.、Hinojosa et al.、Syssau et al.等数据库重叠词相关较高,表明构念效度良好。3.2 描述统计:五类情绪评分覆盖1–5,但分布不同;happiness分布最广,anger和fear正偏,词项多集中于低强度端。按均值≥3分类,中性词140个(12.48%);happiness词414个(36.90%),sadness词224个(19.96%),disgust词157个(13.99%),anger词118个(10.52%),fear词69个(6.15%)。快乐词占主导、悲伤为最大负性类别,与L
1研究一致;但本L
2数据中fear最少,而L
1中disgust常为最少。3.3 五类离散情绪关系:happiness与所有负性情绪显著负相关,其中与disgust r=?.88、sadness r=?.85、fear r=?.80、anger r=?.77;负性情绪间显著正相关,anger与disgust r=.80,sadness与disgust r=.83,fear与disgust r=.80。该极性模式与L
1常模一致。原文推测,L
2中disgust与其他负性情绪关联更强,可能部分归因于L
1迁移,因为中文语境中disgust可扩展至道德判断和人际反对,Song(2026)相关常模研究也显示disgust与anger、fear、sadness高相关。3.4 离散情绪与情感变量:valence与happiness强正相关(r=.90),与anger、sadness、fear、disgust显著负相关(分别r=?.80、?.88、?.81、?.90);arousal与负性情绪低度正相关,与happiness弱负相关(r=?.08)。L
2中arousal相关强度低于既往L
1研究,原文解释为arousal来自L
1数据库Warriner et al.,而离散情绪来自L
2,说明L
1唤醒跨语言预测力降低,并支持具身情绪理论(Embodied Emotion Theory)。情绪典型性与离散情绪相关较低但显著:happiness r=.07、anger r=.14、sadness r=.11、fear r=.09、disgust r=.11;这是首次系统考察L
2中情绪典型性与离散情绪关系。3.5 离散情绪与心理语言学变量:AoA方面,happiness与AoA负相关(r=?.19),负性情绪与AoA正相关(anger r=.16、sadness r=.13、fear r=.08、disgust r=.13);具体性方面,happiness与具体性负相关(r=?.09),fear与具体性正相关(r=.09),anger、sadness、disgust不显著;词频方面,happiness正相关(r=.20),anger、sadness、disgust负相关(分别r=?.13、?.11、?.13);语义多样性方面,happiness正相关(r=.11),fear和disgust负相关(均r=?.07),anger和sadness未达显著。总体上,快乐词更早习得、频率更高、语义多样性更大;负性词更晚习得、频率更低、语义多样性更小,且具体性关联在L
2中较弱。
讨论部分总体表明,离散情绪在L
2中与价、唤醒、情绪典型性以及AoA、词频、具体性和语义多样性等变量系统相关。结果与L
1常模在许多方面一致,但L
2呈现自身特点:arousal关联减弱,disgust与负性情绪关联更强,具体性与离散情绪关系较弱。局限包括样本性别分布不均;未获得同一词集的L
1离散情绪评定,缺乏母语基线;valence和arousal来自母语者常模,而离散情绪评定来自L
2参与者,跨语言数据整合可能限制解释。未来应建立大规模L
2情感常模,涵盖valence、arousal、熟悉度、具体性和离散情绪评定,并采用LexTALE等客观语言能力测量以更精确评估L
2水平。研究结论翻译如下:本研究建立了L
2语境下1,122个英语单词的离散情绪评定常模数据库,将Wu et al.(2025)报告的初始常模从情绪典型性扩展至五类离散情绪类别(happiness、anger、fear、disgust和sadness)的强度评定。研究结果表明,L
2中的离散情绪与广泛变量系统相关,包括valence、arousal、emotion prototypicality以及关键心理语言学因素如AoA、word frequency、concreteness和semantic diversity。总体而言,通过阐明离散情绪与心理语言学变量之间的相关性,该数据库不仅为刺激选择及解决异质发现提供了稳健工具,也为推进语言与情绪内在关系的理论理解奠定了坚实实证基础。