摘要：

 

自发性预测（spontaneous prediction），又称实时预测（real-time / on-line prediction），是高效口语理解的核心要素，然而在许多二语（L2）听力课堂中，这一能力仍然未能得到充分培养。尽管传统的听前活动能够在宏观层面激活话题背景知识，但它们对真实学术听力中所需的快速、潜意识预测能力支持有限。为弥补这一教学空白，本文提出了一个基于课堂实践的教学框架，旨在从三个认知层面系统训练学习者的自发性预测能力：语义—语篇层面、句法层面以及音系层面。本研究采用逆序式教学设计，以 ESAP（专门用途学术英语）课程为实践场景，设计并实施了三种具体教学活动：语篇层面的 “Cliffhanger（悬念式）” 活动，聚焦立场判断与逻辑走向预测；音系层面的 “Phonetic Forecasting（语音预测）” 技术，通过声学过滤提升学习者对韵律特征的敏感度；以及句法层面的 “Grammar GPS” 方法，借助结构预期降低听力加工负荷。

 

关键词：

自发预测；二语听力；预测加工；认知负荷

 

 

在语言学习语境中，自发性预测（有时也称为“在线预测”或“实时预测”）指的是大脑在语音不断展开的过程中，潜意识地预判下一个词、音或想法的能力（Field, 2008）。不同于传统的“听前活动”——例如教师在播放音频前让学生看图片、猜测主题，而自发性预测是一个持续的、快速的且自动化的过程。从本质上来说，大脑并非被动地等待声音进入耳朵，而是作为一个“预测引擎”在运作（Field, 2008；Bar, 2009）。在听的过程中，大脑会利用所有可获得的信息，不断缩小对接下来内容的可能性范围。

 

 

这一预测引擎在三个不同的认知层面上同时运作，使我们能在语言表达尚未完整呈现时就开始加工信息（Field, 2008）。在音系层面，大脑会进行快速的模式匹配，例如，当听到一个不完整的音段 “pro-b…” 时，便会立刻倾向于可能的补全形式，如 “probably” 或 “problem”。在句法层面，大脑会利用语法限制条件，对即将出现的成分进行“预填充”，例如，当说话者开头说出 “The cat sat on the …” 时，听者会自动预期后面出现类似 “mat” 或 “floor” 这样的名词。最后，在语义与语篇层面，听者会借助逻辑关系和话语标记词来预测说话者的意图（Field, 2008）。这一点在复杂听力任务中尤为明显，例如，当听到 “I love the city, however …” 时，即便说话者尚未明确表达，大脑已经开始为接下来的转折立场或负面观点做好准备。

 

 

然而，对于许多二语学习者而言，这种自发性预测要么发展滞后，要么完全缺失，从而形成难以突破的“听力鸿沟”。在母语听力过程中，这一过程快到几乎让听者产生“读懂说话者心思”的感觉，大大降低了大脑的加工负担；而在外语听力中，学生往往会陷入一种高耗能的“自下而上”解码循环之中（Field, 2008；Vandergrift, 2003）。由于他们过度专注于逐一识别实时出现的语音和词汇，其认知资源被完全占据在当前输入上，结果便缺乏足够的“认知带宽”去提前预测即将出现的内容。当自然语流的速度超过其解码能力时，听力理解便容易发生断层（Vandergrift & Goh, 2012）。

 

 

尽管传统的预测活动在语言课堂中发挥着基础性作用，但由于它们过度聚焦于“宏观层面”的准备，忽略“微观层面”的实时加工，因此往往难以满足真实交流的需求。这类活动通常发生在听前阶段，要求学习者有意识、有目的地激活背景知识。虽然这种做法有助于学生进入语境，但一旦音频开始播放，它对潜意识层面的听力加工流程帮助几乎难以发挥作用（Field, 2008）。相比之下，如果将教学重点转向贯穿整个听力过程的自发性预测，学习者便能更好地关注即时线索，如关键词、立场表达和话语转换标记。通过训练“大脑的前瞻性机制”，提前激活可能出现的词汇与结构，学生即使在面对复杂、高语速的输入时，也能保持较高的理解度与流畅性。

 

 

我的课堂实践

 

在课堂教学中，我按照三个预测层面的逆序来组织听力活动，通常先从语义层面入手，其次是音系层面，最后才是句法层面。这些活动旨在弥合被动“听见”和主动、实时参与听力理解之间的差距。通过在真实语料中进行有策略的暂停，我迫使学生从单纯的声音解码转向主动建构意义。

 

 

Cliffhanger（悬念式）活动

 

我通常选取一段 1–3 分钟、具有思维挑战性的学术讲座片段（多为 TED 演讲），重点寻找所谓的“逻辑转折点”（pivot points），即说话者使用诸如 “consequently”“on the other hand” 或 “it follows that” 等话语标记来提示逻辑走向变化的时刻。我播放音频，并在这些过渡词之后、句子尚未完成时突然暂停，例如：

 

“The data suggests a trend toward urban living, as you can see here, however this doesn’t contradict what I said earlier …”【暂停】

 

此时，我要求学生预测接下来信息的功能类别。我向他们说明，不需要猜测具体用词，而是要判断说话者的逻辑意图：接下来的内容是反驳、补充例证，还是立场转换？为了加深思考，我鼓励学生自问：“如果我是说话者，在这个位置我会给出什么样的例子或解释？我会如何构建论证来支持自己的立场，或反驳对立观点？”

 

 

有时，我会进一步引导学生摆脱对词汇字面意义的依赖，让他们完全忽略词汇本身，只关注说话者的语调和语气。通过剥离文本内容，学生需要根据语音的“韵律特征”来判断说话者的态度。音频继续播放后，我不仅会讨论他们的预测是否“正确”，更会引导他们反思：是哪些语言或副语言线索（如音高、语速或特定过渡标记）促成了他们的判断。这一过程将听力从被动的信息接收转变为一种主动、共情式的思维重建过程。以下是我在 ESAP 课堂中使用的一种技术手段。

 

 

Phonetic Forecasting（语音预测）

这一活动在我二年级 ESAP 课堂中使用得非常频繁，同时也适用于一年级的低水平学习者。在课堂中，我采用一种称为“声学过滤（Acoustic Filtering）”的技术来训练学生的音系预测能力。为了引导学生将注意力从单个词汇转向学术英语的“韵律特征”，我使用音频编辑软件 Audacity 中的低通滤波（Low-Pass Filter）功能，去除辅音和词汇细节。Audacity 类似于用于视频编辑的 Camtasia，是一款免费的开源数字音频编辑软件，可对声波进行精细操作。通过低通滤波，通常需要切除 1000 Hz 以上的频率，只保留低频的元音共鸣和节奏，从而产生一种仿佛隔着厚墙听讲座的效果。尽管具体词汇已无法辨认，但语调轮廓和句重音仍然清晰可感。

 

 

我会利用这些经过过滤处理的音频片段，让学生“哼唱”句子的节奏，并预测主重音（通常承载最重要信息）会落在何处，以及在使用升调时，说话者表现出的不确定程度。这一活动深植于 Field（2008）的理论之中，该理论指出，相较于单个音素，一个话语的“声学包络”（acoustic envelope），即整体声音形态，往往对语音识别更为关键。通过要求学生仅依据音高和语速来预测说话者的立场或句子的结尾，教师可以训练学生过滤掉功能词所带来的“噪音”。正如 Goh（2000）所指出的，这种做法有助于应对学术语篇中信息密度高的问题，使学生能够提前“调谐”听觉系统，更好地聚焦承载核心内容的词汇，从而减轻将每一个声音都同等对待所带来的认知负担。

 

 

我的课堂观察以及学生的课堂反馈揭示了一个普遍存在的学习困境：许多学习者被“逐词式”的听力方式所困。他们试图捕捉每一个词汇线索来完成听力解码，而在面对冗长且复杂的学术论证时，这种做法往往变得极其紧张且令人疲惫。这一点在低水平学习者中尤为明显，他们常常觉得“必须全部听懂，才能理解任何内容”。

 

 

然而，当我们开始采用这种语音预测方法后，课堂氛围发生了明显变化。学生们反馈说，即使无法听清每一个词，他们在应对高难度听力时也感到更加“自信”和“从容”。正如一位学生所说：“即使具体的词听不清了，我至少还能通过音高和语调判断说话者的情绪。这让我可以推测复杂论证的发展方向，而不是因为听不懂几个词就感到挫败，半途放弃。”

 

 

句法导航

 

在我的 ESAP 课堂中，我还实施了另一层教学实践，将关注点从高层次的逻辑预测进一步下移到语言的“基本构件”。我将这一活动称为 “Grammar GPS”，其核心目的在于训练学生将英语句法知识作为一种“导航工具”，用以预测接下来可能出现的词类。

 

 

在开展这一活动时，我会向学生提供一小段学术讲座片段的文字稿，并有策略地删去其中在功能上至关重要的词汇，通常是复杂主语之后的谓语动词，或特定介词之后应出现的名词。在正式播放音频之前，我会先引导学生进行“句法启动（Syntactic Priming）”。我会指向空格并提问：“根据前后的结构，这个位置必须填入什么词类？”例如，当文本呈现为 “The primary reason for the economic shift was [_____] …” 时，学生需要判断出该语法结构要求填入一个名词或动名词形式。

 

 

为了将这一训练延伸到真实语音中，我会以稍慢的语速（0.75 倍速）播放音频，并实施我称之为 “Echo Pause（回声暂停）” 的操作：在句法上高度可预测的成分即将出现的瞬间暂停音频。例如，当说话者说出 “Despite the overwhelming …” 并被我暂停时，我会期待学生喊出诸如 “evidence”“results” 或 “data” 之类的类别性预测。通过将学生的注意力集中在这些“语法磁点”上，我帮助他们意识到某些词在结构上是不可避免的。我还会刻意引入较为复杂的学术句法结构，如被动语态，并在助动词之后暂停音频，例如：“The results have been …”，以检验学生是否能够预判出接下来必须出现的过去分词。

 

 

我会向学生解释说明，这并不仅仅是一次语法操练，而是帮助他们将信息进行“组块化”处理，从而降低认知负荷。母语者之所以能够更快速地处理语言，是因为他们对接下来可能出现的结构具有明确的预期（Kaan, 2014）。当学生在形容词之后预期会出现名词，并且实际听到的确是名词时，大脑几乎可以瞬间完成加工；而如果缺乏这种结构预期，他们就不得不对每一个词进行“手动式”解码，这正是他们常常跟不上说话者语速的原因。在我看来，“Grammar GPS” 将句法从一套枯燥的规则转化为一种听力中的“生存技能”。我常对学生说：“耳朵负责接收声音，而大脑中的语法负责掌握节奏。”通过帮助学生掌握句法预测能力，我实际上是在赋予他们“掌控听力节奏”的能力，使语法加工趋于自动化，从而将注意力集中在所传达的复杂思想上。

 

 

教学成效

 

在教学实践中，我观察到最显著的成效是，学生在理解并运用说话者核心论点方面有了明显提升。由于不再被高强度的“自下而上”解码所消耗，学生能够保持更清晰的认知状态，从而更有效地梳理说话者的逻辑结构。这一点在随后的非脚本化研讨式讨论中表现得尤为明显。我通常将这些讨论设计为协作性、即兴性的对话活动，要求学生围绕所听内容展开回应。我注意到，学生不仅能够更好地理解音频中的复杂立场，更重要的是，他们能够将这些论点更有效地融入到自己的讨论发言中。通过训练“大脑的预测引擎”，听者原本因加工滞后而被“消音”的现象得以明显缓解。在后续的口头互动中，学生表现出更高的自信度和参与度，能够将说话者的逻辑转折点作为切入点，发表自己的观点和贡献。

 

 

 

实际挑战

 

尽管这一教学方法在认知层面具有明显优势，但从理论走向课堂实践时仍面临两项主要挑战。第一项挑战来自教师端的技术与操作要求。“语音预测”和“Grammar GPS” 活动都需要高度精细的准备工作：教师不仅需要熟练掌握音频编辑软件以制作过滤音轨，还必须在实时播放音频时具备近乎“外科手术式”的暂停精准度。若暂停时机稍有偏差，例如错过话语标记半秒，或在句法线索尚未形成前中断，活动的预测效力便会大打折扣。第二项挑战来自学生的心理障碍及由此产生的挫败感。许多二语学习者长期以来一直在“逐词解码”的评价体系中学习，因此往往对自发性预测感到焦虑，担心一次“错误”的预测就意味着听力理解失败。为应对这一问题，我将预测视为一个可反复修正的过程。当学生陷入困惑或感到挫败时，我会提供“第二轮尝试”的支架支持，例如提示说话者的语气，或给出目标词的首字母，以在不直接给出答案的情况下，轻推其“预测引擎”继续运作。我反复强调：一次不准确的预测并非错误，而是对其心理模型进行成功校准的过程。

 

 

结论

 

总而言之，从传统的宏观层面听前活动转向以自发性预测为核心的教学模式，能够有效缓解二语学习者的认知“听力鸿沟”，并将其大脑转化为一个主动运作的预测系统。通过训练学生在实时听力中预判语言与逻辑线索，这些活动显著降低了高耗能的自下而上解码负担，使其能够更高效地处理复杂的学术输入。然而，在课堂情境中，这一方法高度依赖教师主导的支架支持以及前期的技术准备，这在一定程度上可能限制学生在自主听力环境中复制这些策略。此外，对于焦虑程度较高的学习者而言，自发性预测有时也可能提升其情感负担。因此，未来研究可进一步探讨这些技能向自主听力情境的迁移问题，并探索引入基于人工智能的工具，以提供个性化、实时的预测支持。通过进一步考察元认知意识与预测准确性之间的关系，我们有望不断优化这些教学干预策略，以更好地支持当代二语学习者多样化的认知加工需求。

 

 

参考文献

 

Bar, M. (2009). The proactive brain: Memory for predictions. Philosophical Transactions of the Royal Society B: Biological Sciences, 364(1521), 1235–1243. https://doi.org/10.1098/rstb.2008.0310

 

Field, J. (2008). Listening in the language classroom. Cambridge University Press.

 

Goh, C. C. (2000). A cognitive perspective on language learners' listening comprehension problems. System, 28(1), 55–75. https://doi.org/10.1016/S0346-251X(99)00060-3

 

Kaan, E. (2014). Predictive sentence processing in L2 and L1. Linguistic Approaches to Bilingualism, 4(3), 257–290. https://doi.org/10.1025/lab.4.3.01kaa

 

Vandergrift, L. (2003). From prediction through reflection: Guiding students through the process of L2 listening. Language Learning Journal, 28(1), 30–40. https://doi.org/10.1080/09571730385200201 

 

Vandergrift, L., & Goh, C. C. (2012). Teaching and learning second language listening: Metacognition in action. Routledge.