“多人言語聲”語音訓練對人工耳蝸植入兒童聲調感知能力干預效果研究

李永勤 陶仁霞 趙偉時 衛仁濤 張昊 丁紅衛

隨著現代醫療科技的發展，人工耳蝸植入已經成為重度或極重度感音神經性聽力損失兒童有效的聽覺補償手段。當前主流人工耳蝸所采用的言語編碼策略是基于西方非聲調語言的特點而設計的，經其編碼和傳輸的語音頻域信息極大弱化；受限于當前人工耳蝸編碼技術無法提供足夠的時域和精細結構信息，聲調的基頻(F0)信息不能完整再現，人工耳蝸植入者更多地依賴時長和包絡等時域信息來感知聲調[1,2]。然而，漢語普通話作為一種典型的聲調語言，聲調具有重要的表意功能，對聲調信息的正確解讀是普通話言語感知的關鍵環節，F0是聲調感知最重要的聲學線索，F0信息的缺損使得人工耳蝸植入者的聲調感知較差[2,3]。因而，運用科學有效的訓練方法，改善人工耳蝸植入兒童的聲調感知能力尤為重要；“多人言語聲”語音訓練(multi-talker phonetic training)多應用于提升二語學習者的目標語語音感知能力[4,5]，已成為一種成熟的訓練范式，并已推廣應用于特殊人群的言語康復訓練中[6]。本研究擬通過采用“多人言語聲”語音訓練方法對人工耳蝸植入兒童進行聲調感知能力康復訓練，探討這種直接且簡便的語音康復訓練能否有效提升人工耳蝸植入兒童的聲調感知能力。

1 資料與方法

1.1研究對象及分組 選擇16例3～7歲的雙耳重度或極重度感言神經性聽力損失并單側植入人工耳蝸的學齡前兒童為研究對象，其中干預組8例 (男4例，女4例)，對照組8例(男5例，女3例)，兩組的年齡及希內學習能力評估得分見表1。所有兒童補償或重建聽力均為最適，影像學檢查顯示所有兒童耳蝸結構無明顯異常，除聽力損失外無其他功能障礙。干預組和對照組使用聽覺年齡和人工耳蝸植入年齡進行匹配，經過配對樣本T檢驗，兩組兒童在生理年齡(t=0.21,P=0.84)、聽覺年齡(t=0.92,P=0.39)、植入年齡(t=-0.92,P=0.39)及希內學習能力評估得分(t=-1.29,P=0.24)差異均無統計學意義。干預組有5例兒童對側佩戴助聽器，平均佩戴時間為3.12±1.33歲；對照組有6例對側佩戴助聽器，平均佩戴時間為3±0.91年。

表1 干預組和對照組平均年齡、聽覺年齡、植入年齡及希內得分(歲，

1.2“多人言語聲”語音訓練 “多人言語聲”語音訓練的關鍵特征為訓練語料的高變化性(high variability)，這種高變化性集中體現在兩個方面：其一，多位發音人的多次發音；其二，多個聲調負載音節。本研究另外邀請10名普通話母語者(5男5女)錄制普通話元音/a/、/i/、/u/的4個聲調，要求每位發音人盡可能自然的對每個元音的每個聲調朗讀5遍，這樣一共獲得600個語音樣本作為訓練材料。語音訓練采用個訓的形式，訓練時間為一個月，在一個月內分5次進行，完成對所有語音樣本的聲調識別訓練。干預組8例全程參與5次語音訓練，每次訓練時間為30分鐘到50分鐘不等，參訓兒童可以隨時休息，每次完成1男1女兩名發音人的120個語音樣本的聲調識別訓練；聲調識別通過指認圖片實現，其中，汽車在平直道路上行駛的圖片代表一聲，汽車在上坡道路上行駛的圖片代表二聲，汽車在先下坡再上坡的道路上行駛的圖片代表三聲，汽車在下坡的道路上行駛的圖片代表四聲。每次訓練開始前，指導兒童將四個聲調準確對應到正確的指示圖片，訓練時，語音樣本逐一播放，要求兒童判斷所聽到的聲音為哪一個聲調，通過指認電腦屏幕上的圖片完成判斷。施訓教師會對兒童的判斷進行反饋，當兒童判斷正確時，播放下一個語音樣本；當兒童判斷錯誤時，教師提供正確答案，并重復播放當前語音樣本兩遍。為保證訓練效果，參訓兒童完成120個語音樣本的聲調訓練后，即時參加小測試，隨機從當前訓練的120個語音樣本中隨機選取20個樣本作為小測試材料，要求兒童完成小測試材料的聲調識別。只有在參訓兒童達到或超過80%的判斷正確率時，才結束當次訓練。對照組8例不進行語言訓練。

1.3聲調感知能力測試材料與方法 分別干預前、干預后、干預結束三個月后進行聲調測試，所有測試均在隔聲室中進行，本底噪聲低于30 dB A。聲調聽辨測試通過E-prime2.0程序實現，測試材料通過基于Windows系統的筆記本連接聽力計和揚聲器在聲場中播放，播放強度為65 dB A。受試者位于正對揚聲器1.2 m的位置，測試材料為普通話元音/i/的四個聲調(陰平、陽平、上聲、去聲)，由2名男性和2名女性普通話母語者在隔聲室內錄制完成，發音強度RMS標準化為65 dB SPL，一聲、二聲、三聲和四聲的平均時長分別為537、532、614和374毫秒。錄制采用的音頻設備為Mbox Mini，采樣率為44 100 Hz；每一位發音人每個聲調朗讀10次，一位資深的語言學者從每位發音人錄制的每個聲調中選取5個樣本，共選出80個語音樣本作為測試材料。

采用聲調分辨任務進行測試，兩個聲調配對呈現，中間間隔為500毫秒。共有兩種類型的聲調配對形式，其中不同的聲調配對有6組，分別為：一聲-二聲(T1-T2)、一聲-三聲(T2-T3)、一聲-四聲(T2-T2)、二聲-三聲(T2-T3)、二聲-四聲(T2-T4)、三聲-四聲(T3-T4)；相同的聲調配對有4組，分別為：一聲-一聲(T1-T1)、二聲-二聲(T2-T2)、三聲-三聲(T3-T3)、四聲-四聲(T4-T4)。受試兒童聽到一組聲調配對需要判斷為相同還是不同，通過指認電腦呈現的圖片進行判斷，認為相同則指向2個蘋果的圖片，認為不同則指向一個蘋果一個橘子的圖片。正式測試開始之前，每位兒童均有2分鐘的練習時間，確保其理解測試任務后，開始正式測試，記錄聲調識辨的平均正確率。

1.4統計學方法 首先，測算出每位受試兒童聲調分辨的正確率，然后，對正確率數值進行反正弦變換，轉化為RAU (rationalized arcsine units)值[7],最后，運用RAU值進行統計分析,RAU值越大，則聲調識別正確率越高，反之正確率越低。RAU值廣泛應用于言語辨識任務的數據統計中，用以減少飽和效應，恢復方差齊質。本研究數據分析應用SPSS 23.0統計軟件，采用單因素重復測量方差分析，其中聲調識別率為因變量；兒童分組為受試者間變量，分為干預組和對照組兩個水平；測試時間和聲調配對為受試者內變量，測試時間包括干預前、干預后和干預結束3個月后三個水平；聲調配對包括六組不同聲調配對和四組相同聲調配對共十個水平；干預組和對照組組間比較用兩樣本T檢驗。

2 結果

2.1兩組兒童干預前聲調感知能力 干預組和對照組干預前聲調分辨正確率RAU值如表2所示，二聲和三聲調的正確分辨RAU值率僅為47.11，單樣本T檢驗表明與50%的機會水平差異無統計學意義(P=0.68)。經單因素重復測量方差分析顯示，二聲-三聲的分辨正確率與其他所有聲調配對分辨正確率RAU值比較差異均有統計學意義(P<0.05)，其他各聲調配對的分辨正確率RAU值之間差異均無統計學意義(P≥0.05)(表3)。說明，人工耳蝸植入兒童容易混淆二聲和三聲，對這兩個聲調的分辨難度最大。

表2 干預組和對照組干預前不同和相同聲調配對的聲調分辨正確率的RAU值

表3 干預前不同聲調配對差異顯著性檢驗的P值

2.2干預組語音訓練后聲調感知能力 干預組和對照組干預前、干預后、干預結束后三個月的聲調分辨正確率RAU值見表4。兩樣本T檢驗，干預前干預組和對照組的聲調分辨正確率RAU值差異無統計學意義(P=0.71)；干預后兩組有顯著差異，干預組高于對照組(P=0.02)；干預結束后三個月，干預組和對照組的聲調分辨正確率RAU值差異呈邊緣性顯著(P=0.088)；說明，“多人言語聲”語音訓練能在短時間內提升人工耳蝸植入兒童的聲調感知能力，尤其是二聲和三聲的正確分辨率RAU值從47.11上升到75.38，即使在訓練結束三個月后，干預組的聲調分辨正確率RAU值仍然優于對照組。

3 討論

人工耳蝸植入兒童的聽覺言語康復一直為國內外學者廣泛關注，高效的語音訓練對聽障兒童人工耳蝸植入術后的聽覺言語康復極為關鍵[8]。研究發現，當前人工耳蝸編碼技術在傳輸和再現F0信息上有很大的局限性[3，9]，使得人工耳蝸植入人群的聲調感知較差[10～12]。Peng等[12]采用識別任務(identification task)對28例人工耳蝸植入者(6.6～21.4歲)進行聲調感知能力測試,識別成績及混淆矩陣(confusion matrix)分析表明一聲和四聲相較二聲和三聲更容易辨認，二聲和三聲兩者之間更容易混淆。本研究采用分辨任務(discrimination task),將普通話四聲兩兩配對，形成對比對，直接考察各聲調間的混淆情況。另外，本研究受試兒童均在7歲以下，在學齡前患兒群體中更具代表性。文中結果顯示，二聲-三聲配對的分辨正確率RAU值顯著低于其他聲調配對(P<0.05),并且16名受試兒童二聲-三聲的平均正確分辨率RAU值僅為47.11，與50%的機會水平(chance level)無顯著差異(P=0.68)，提示學齡前人工耳蝸植入兒童最難區分二聲和三聲，容易混淆這兩種聲調，有的甚至將這兩種聲調歸為同一聲調，與近幾年的研究結果一致[12～15]。分析其原因，第一，二聲和三聲之間有非常相似的聲學特征[16]，兩聲調在單發時基頻都有先降后升的走向(pitch contour)，差異在于降的幅度以及先降后升的拐點位置，現行的人工耳蝸編碼策略并不能有效再現這種細微的聲學差異；第二，普通話中的連讀變調(tone sandhi)尤其是廣泛存在的三聲變調(即在連續語流中接連出現兩個三聲，第一個三聲會變成二聲；如“法語”、“語法”等)，使得二聲和三聲在語流中有一定的變換關系，兩聲調之間的復雜關系也可能會加劇二者間的混淆。

表4 干預組和對照組干預前、干預后和干預后3個月不同和相同聲調配對聲調分辨正確率的RAU值

注：T1：一聲； T2：二聲； T3：三聲； T4：四聲

音位是語言中能夠區別詞匯意義的最小單位，所有言語交際單位均是在音位的基礎上建構起來的。Kuhl等[17,18]在研究嬰兒及兒童語言能力發展的基礎上指出，在語言發展早期階段準確建立母語音位范疇與其后期的言語感知、發音能力的發展緊密相關。每一個音位范疇在大腦中的建立不是以點狀形式存在的，而是一個集合，包含該音位的所有聲學變量以及聲學分布特征，音位的典型范疇像磁鐵一樣，將音位變體吸附在其周圍(即感知磁吸效應，perceptual magnet effect)[19]。Kuhl[20]還發現嬰兒及兒童在早期語言習得中聽到多人言語聲有助于其提升母語音位的區別能力，促進對母語語音進行歸類，進而在大腦中準確建立母語的音位范疇?！岸嗳搜哉Z聲”語音訓練最顯著的特點是運用多位說話人的發音，為訓練對象提供極富變化性的、豐富的音位變體材料，促進學習者音位范疇的習得。該方法作為一種成熟的訓練范式，多應用于提升二語學習者目標語的語音范疇感知能力研究中，既包括元音、輔音等音段音位[21,22]，也包括普通話聲調等超音段音位[23]。Sharon等[24]嘗試將該語音訓練方法應用于植入人工耳蝸的聽障患者的音位訓練中，發現這種訓練方法可以有效提高人工耳蝸植入術后成人的輔音音位辨識能力。本研究結果表明，“多人言語聲”訓練方法同樣適用于人工耳蝸植入術后兒童的聲調分辨訓練，可以通過短期具有針對性的訓練提高聽障兒童的聲調辨識能力，促進患兒聲調范疇的準確建立。這種訓練方法同樣有一定的保留效應(retention effect)，本組對象訓練結束三個月后，干預組兒童的聲調辨識表現仍優于對照組，雖然可能由于受試兒童數目較少，兩組間的差異僅呈現出邊緣性顯著(P=0.088)。另外，研究發現經過訓練，患兒聲調辨識能力的提升主要表現在二聲和三聲上，這也提示在今后人工耳蝸植入兒童的聽覺及言語康復訓練過程中，應重點關注并強化二聲和三聲的辨識，以提高康復訓練的效率。

綜上所述，學齡前人工耳蝸植入兒童聲調感知表現較差，尤其是二聲和三聲的辨識，存在較嚴重的混淆現象；“多人言語聲”語音訓練可以在短時間內有效提升此類患兒的聲調感知能力，尤其是二聲和三聲的感知。在聽覺言語康復訓練中，應充分認識人工耳蝸植入兒童聲調感知的特點，有針對性的重點強化兒童容易混淆的聲調配對組合；設計教學內容時應重點考慮言語的聲學特征，用豐富的音位變體材料提升干預對象的音位敏感度，形成更高效的訓練方案。