拟声词的创造过程中是否有发挥创造力的空间？

《Acta Psychologica》：Is there a place for creativity in onomatopoeia-formation?

　　帕沃尔·卡奇马尔|莉维亚·科尔特韦莱塞西
斯洛伐克科希策的帕沃尔·约瑟夫·沙法里克大学

摘要
本文旨在通过研究语言使用者发散思维能力（即他们的创造潜力）在拟声词形成中的作用，填补现有研究的空白。这一联系在文献中尚未得到充分考虑，可能是因为人们普遍认为拟声词的形成仅仅是通过模仿实现的。然而，本文认为拟声词的形成是一个更为复杂的现象，而创造潜力（从发散思维能力的角度来看）是影响这一过程的多个因素之一。

在第一部分中，我们使用托伦斯创造性思维测试（Torrance Test of Creative Thinking, TTCT）从四个维度评估了发散思维的概念：独创性、流畅性、灵活性和详细程度。接下来，我们设计了一个任务，要求参与者通过斯洛伐克字母系统书写来模仿两种声音事件——雨声和手机振动声。结果从三个概括层次上进行了分析，涉及拟声词形成的五个基本参数，包括拟声词起始位置（起始音段）、过渡音段和结尾位置（尾音段）的音素实现、元音-辅音的延长以及象征性的重复。结果表明，四种发散思维能力与起始位置、结尾位置、过渡音段或音素延长的存在与否没有明显关联，无论是在主导的无声咝音/浊咝音之间，还是在浊辅音与无声辅音之间，或是辅音与元音之间。虽然结果并不支持发散思维与拟声词形成之间存在关联的假设，但分析揭示了一些有希望的趋势，例如详细程度与重复性之间、以及独创性与辅音出现之间的潜在联系，这些都需要进一步研究。

目前的研究提供了关于创造潜力在拟声词形成中有限作用的新见解，这与以往研究中所支持的发散思维能力在词汇形成中的作用形成对比。

“你所看到和听到的很大程度上取决于你站在哪里；这也取决于你是怎样的人。” ——C.S.刘易斯，《魔法师的外甥》

1. 引言
创造力和创造潜力的概念在语言学中并不经常被讨论。即使被讨论，也有多种不同的理解方式，从将其视为生产力（例如乔姆斯基，1966年、1976年、1980年）到将其视为对既定规则的偏离。后一种观点在偏离程度上的理解各不相同，从完全不可预测性（参见伯格斯，2019年）到对现有词汇或元素的非常规使用。这种观点是词汇语义学者的典型特征。例如，可以参考穆纳特（Munat，2007年）和阿恩特-拉佩等人（Arndt-Lappe等人，2018年）编辑的论文；外语法性（例如德雷斯勒，2005年；德雷斯勒与梅里尼-布拉巴雷西，1994年；马蒂埃洛，2013年、2018年）的概念，这些研究讲述了通过偏离词汇形成规则而创造出来的词汇；以及艾特尔曼和豪曼（Eitelmann and Haumann，2022年）关于极端形态学的最新论文，这些论文同样探讨了违反规则限制的创造性词汇形成过程及边缘现象。

然而，最近一些跨学科整合创造力的研究（例如魏斯与威廉姆，2020年；科尔特韦莱塞西、斯特考尔与卡奇马尔，2022年）为词汇形成和词汇解释提供了一个完全不同的概念框架。这些研究引入了创造力的心理概念，并将语言使用者的创造潜力（以发散思维能力为衡量标准）与创造性语言表现联系起来。这种方法的显著之处在于它不局限于生产性规则或其偏离，而是将每个新复杂词汇的形成和解释行为视为创造性行为，并因此考察了发散思维能力在这一过程中的关键作用。具体来说，发散思维指的是探索多种联想路径和可能性的认知过程，从而促进创造潜力。这与收敛思维形成对比，收敛思维用于得出单一、明确且正确的答案。

尽管发散思维在语言学中相对被忽视，但最近的一些研究强调了其重要性。例如，王等人（Wang等人，2023年）表明促进发散思维的任务能够调节词汇-语义处理；梅纳谢等人（Menashe等人，2020年）发现发散思维与其他因素（如执行功能）一起与新比喻的生成有关。此外，科尔特韦莱塞西、斯特考尔与卡奇马尔（K?rtvélyessy, ?tekauer, & Ka?már，2022年）首次研究创造潜力对词汇形成和词汇解释的创造性表现的影响，为理论假设提供了初步支持。

受这些结果的启发，本文试图回答以下研究问题：在拟声词作为象征性图像的形成过程中，创造潜力（以其发散思维能力的形式）是否有一席之地？这一问题非常重要，因为拟声词作为对外界声音的直接模仿，在符号学上不同于复杂词汇。它们不仅仅是任意的符号，而是主要的象征性图像，拟声词形成过程的本质大大减少了任意性的范围。尽管如此，同一语言中对同一声音事件存在“同义”的拟声词（例如（1）），以及不同语言中存在相似但不同的拟声词，表明仍存在一定程度的任意性。此外，由于问题具有开放性，存在多种可能的解决方案，因此也留有个体解释的空间。需要强调的是，我们在这里仅从狭义上理解拟声词，即仅关注对外界声音的模仿。因此，任何基于拟声词的派生词或由语义变化产生的意义都不在本研究的范围之内。

第2节概述了我们研究的理论框架，介绍了吉尔福德（Guilford）的智力结构理论以及托伦斯创造性思维测试（Torrance Test of Creative Thinking, TTCT）的基本特征，并解释了拟声词形成过程中命名学模型的基本原则的适用性。第3节介绍了任务的实施和评估方法，重点讨论了实验声音事件的心理声学特性，因为声音感知在拟声词形成中起着关键作用。第4节展示了方法和初步结果，第5节提供了统计分析。第6节讨论了结果并提出了结论。

2. 理论框架
本研究的理论框架将发散思维能力视为创造潜力的基石（Jauk，2019），这一概念基于吉尔福德的智力结构理论（Guilford，1956年、1986年），并通过托伦斯创造性思维测试（Torrance Test of Creative Thinking, TTCT）进行测量（Jur?ová & Szobiová，2018年；Torrance，1966年）；同时还有词汇形成的命名学理论（?tekauer，1998年、2005年），下面将进一步讨论这些内容。我们首先从发散思维开始探讨。

2.1. 发散思维作为创造潜力的基础
创造力一直是心理学及相关领域的重要研究方向，推动了多种理论框架和方法工具的发展。根据综合生物-心理-行为模型（Jauk，2019年），现实生活中的创造力基于几个心理结构，这些结构又由更深层次的神经生物学系统支撑。在心理分析层面，可以区分三个关键结构：智力、对经验的开放性以及个体的创造潜力（通过发散思维能力来衡量）。尽管这三个组成部分都对创造性产出的产生有所贡献，但发散思维通常被认为对生成新颖且有用的想法尤为重要，特别是在存在多个潜在合适答案的情况下。

具体而言，经典的吉尔福德智力结构理论（Guilford，1956年、1986年）指出，智力包括三个维度：产品（例如单元）、内容（例如图形形式）和操作（例如收敛性生产）。吉尔福德强调这种能力的特点是这三个维度的交叉，并进一步将发散性生产视为创造力的核心。他还区分了收敛思维（问题明确且存在唯一正确答案）和发散思维（问题模糊且不存在唯一正确答案），并将发散思维细分为四个主要组成部分：产生想法的能力（流畅性）、生成新想法的能力（独创性）、增加细节和复杂性的能力（详细程度）以及在不同类别之间切换的能力（灵活性）。

受吉尔福德智力结构理论的启发，托伦斯创造性思维测试（Torrance Test of Creative Thinking, Torrance，1966年）被创建出来，成为评估发散思维最常用的工具。参与者们的成果基于四个创造性潜力的指标进行评估（Jur?ová & Szobiová，2018年；Torrance，1966年）：（i）独创性，反映产品相对于现有规范的唯一性；（ii）流畅性，反映相关响应的数量；（iii）灵活性，反映绘画中存在不同类别的程度；（iv）详细程度，统计提供的细节数量。因此，这些指标已被广泛用于研究发散思维在各种结果中的作用，涵盖了从多种类型的成就（例如学术成就、公共成就和创造性成就；Bicer等人，2021年；Gajda等人，2017年；Runco, Cramond, & Pagnani，2010年；Runco, Millar等人，2010年；Said-Metwaly等人，2022年）到词汇形成和词汇解释（K?rtvélyessy等人，2020年、2021年、K?rtvélyessy, L., ?tekauer, P., & Ka?már, 2022年）。例如，正如下面所讨论的，认知潜力与复杂词汇的形成和解释（K?rtvélyessy等人，2021年、K?rtvélyessy, L., ?tekauer, P., & Ka?már, 2022年）以及词汇-语义处理（Wang等人，2023年）有关。此外，从评分者的角度来看，语音丰富性（如押韵和音位相似性）与创造力之间的联系也得到了支持（Weinstein等人，2022年）。然而，发散思维能力在拟声词形成中的作用在研究文献中仍被很大程度上忽略。

四个TTCT分数与基于听觉的拟声词形成有何关系？假设它们反映了语言使用者在产生拟声词时的创造潜力，如命名学模型所示（图1）。特别是两个TTCT指标对拟声词的形成尤为重要：详细程度和灵活性。详细程度表明语言使用者识别细节和扩展想法的能力，使他们能够发现被模仿声音事件的微妙物理和心理声学特征，并通过加入音素细节和重复来丰富这些特征；灵活性则反映语言使用者区分单一声音来源的不同表现形式的程度。流畅性通过产生的项目数量来衡量，可能有助于生成多种声音模仿的候选形式；而独创性则捕捉到罕见或意外组合，这些组合能有效唤起目标声音。

为了更好地理解预期的联系，下面有必要概述词汇形成的命名学理论。

2.2. 拟声词形成的命名学理论
2.2.1. 拟声词的本质
普遍认为，拟声词是基于自然语言的音系系统对环境声音的直接模仿。由于声音与其语言表现之间的直接联系，拟声词被标记为象征性图像。然而，由于外部现实中的无间断声音连续体与任何给定语言中有限的音素集合之间的不可比关系，拟声词永远无法完全忠实于其所模仿的声音。因此，它们结合了象征性和任意性元素。

鉴于外部声音连续体与语言音素库存的不连续性之间的不平衡，称为音位词素（phonesthemes）的声音-符号单位在表示声音事件中起着重要作用。这些被称为“频繁重复的声音-意义配对”（Bergen, 2004, p. 290），其特征是特定的音素单位或其组合与一般意义之间存在系统性的关联（参见Hinton等人，1994；Akita, 2009；Sasamoto & Jackson, 2016）。因此，音素在该模型的形成过程中起着至关重要的作用，这一模型源于第2.2.2.2.2节中介绍的一般词汇生成模型。拟声词的命名学模型是以该模型为基础的。对拟声词形成进行实验研究的出发点就是这个词汇生成模型（?tekauer, 1998, ?tekauer, 2005）。正如K?rtvélyessy, ?tekauer, & Ka?már（2022）所建议的，该模型中的每个步骤——即（i）要命名的对象类别的概念化，（ii）构成命名行为基础的词汇意义类别的选择，以及（iii）分配给各个意义类别的词素的选择——都涉及通过多种选项进行创造性决策。图1结合了为词汇生成提出的基本词汇学模型及其适应新拟声词形成的特定性质的形式。粗体标签表示模型的各个层级，而虚线框标记了每个层级的基本单位。例如，词汇学层次的基本单位是意义类别。斜体字用于特定示例，如“Agent”，它是意义类别的一个实例。虚线将语言层次与最终输出（例如“dog trainer”和“bow-wow”）以及概念层次分开。

拟声词形成模型（如图右侧所示）与基本词汇生成模型（左侧）在两个方面有所不同。首先，在词汇学层次上，它不区分词汇学基础（代表要命名的对象类别）和词汇学标记（用于缩小基础的范围）。相反，这一层次的类别，如声音事件的响度、音高、持续时间和过程，在模仿声音事件方面具有相同的地位。它们在下一层的相对重要性和表现取决于创作者的听觉敏感度、模仿技能——以及与一般词汇生成模型一致——创作者对命名行为的创造性方法，即在拟声词形成中的声音模仿。测试这一创造性方面是本研究的主要目标。其次，意义类别（即被认为在词汇学层次上对模仿相关的声音参数）通过相应的语言单位的表示方式也有所不同。虽然基本词汇生成模型区分了词汇学层次（在此层次上通过匹配词素的意义将其分配给意义类别）和音系层次（新复合词在此层次获得最终形态，如重音或声调模式），但拟声词形成的模仿性质将这两个层次合并为一个单一的词汇学-音系层次。在这个层次上，声音象征主义——特别是被称为音素的具体亚词素——起着关键作用。结合直接模仿的声音，音素被用来表示在词汇学层次上确定的各个声音类别。

该模型的基本前提是，拟声词作为新词，并不是通过单纯的机械模仿产生的。换句话说，拟声词的形成过程不能简化为纯粹的图像-指示性。这一观点与Jakobson（1965, p. 26）的观察结果一致，他认为：“决定符号分为图像、指示和象征的并不是符号形式和所指之间的相似性或连续性的存在与否，也不是两者之间纯粹事实性或假设性的、习惯性的联系，而仅仅是这些因素中某一因素的主导地位。”同样，Dingemanse（2011）认为指称词——以及由此延伸出的拟声词——是具有象征性和图像性特性的完全约定词。这是一个重要的见解，表明任意性在某种程度上是所有语言符号的不可或缺的特性，包括拟声词。实际上，Peircean符号的三种类型——图像、指示和象征——都是个别拟声词不可或缺的组成部分。尽管每种类型的相对程度不同，但任意性的作用是不可否认的。将拟声词的形成简化为机械模仿（从而排除任意性）无法解释我们实验中观察到的拟声词的巨大多样性。然而，任意性是一个广泛的概念，在拟声词形成的背景下，它涵盖了影响这些词如何创造的一系列因素。

K?rtvélyessy（2025）确定了影响拟声词形成的三组因素：(i) 说话者固有的因素，包括（a）心理语言学因素（听觉敏感度、模仿技能、发散思维的创造力、对特定声音来源的经验以及对单个声音来源多种表现形式的概念化），以及（b）社会语言学因素（年龄、性别、教育、职业、双语/多语言能力）；(ii) 与声音事件相关的因素，包括声音来源的属性、其表现的多样性、声音来源的环境以及相关的文化方面；(iii) 语言固有的因素，特别是语言的音系系统。由于所有参与者都说同一种语言，后者的因素在我们的实验中不起作用。因此，本实验旨在确定这些因素中的一个——即发散思维的创造性潜力——这一因素单独来看无法解释观察到的拟声词的所有差异，但假设它能对其产生有意义的贡献。这一假设的依据在于图1中展示的模型，该模型将拟声词的形成置于词汇生成的词汇学理论之中。有人认为拟声词的形成是一个真正的词汇生成过程，因为它涉及新词的创造。这种类型的词汇生成在Marchand（1960, 1969）和Bauer等人（2013）的主要专著中都有讨论。像任何其他词汇生成过程一样，拟声词的形成也被视为依赖于发散思维的过程。在词汇生成的每个层次上——因此也是拟声词形成的每个层次上——语言使用者都面临一个决策任务。这个过程从概念层次开始，在这里声音事件被概念化。概念化的结果取决于几个因素，例如说话者对模仿声音来源的熟悉程度，即他们对自己试图再现的声音来源的表现有多了解。如前所述，一个单一的声音来源（例如铃声）可以产生各种在物理和心理声学特性上不同的声音。熟悉该来源的语言使用者可以根据以前的经验将模仿的声音事件与其多种表现形式进行比较，这种知识反映在概念化过程中。然而，在我们的实验中，参与者没有获得关于他们被要求模仿的声音来源的信息。因此，他们无法将声音与同一来源的各种表现形式进行比较。尽管如此，每个语言使用者都对环境声音有先前的经验，因此可以将这些经验应用于概念化过程。在这种情况下，发散思维的作用——即从众多对应于感知声音事件的不同物理和心理声学特性的选项中进行选择——是显而易见的。

所选择的物理和心理声学特性在模仿行为中起着核心作用，因为它们预先决定了声音事件如何通过音素和音素单位来表示。这也是一个基于在词汇学-音系层次上从可用音素和音素单位中选择的决定操作。拟声词的形成虽然基于直接模仿，但并不是一个简单的过程，它并不决定表示某一特定声音的单一不可避免的音素或音素单位。相反，语言使用者从几个可能的选项中进行选择，并根据他们的听觉敏感度、对声音的先前经验以及其他认知和环境因素，选择他们认为最符合感知声音的音素或音素单位。这些情况解释了为什么发散思维在拟声词的形成中可能很重要。因此，评估其对拟声词形成的影响程度构成了本研究的核心目标。

在以下部分，我们将描述Torrance创造性思维测试和语言实验任务，提供有关刺激及其选择的更多细节，以及样本和程序的详细信息。

3.1. Torrance创造性思维测试
为了评估发散思维，使用了Torrance创造性思维测试（TTCT），特别是图形形式（Jur?ová & Szobiová, 2018; Torrance, 1966）。这项测试在创造力研究中被广泛应用，几十年来积累了对其有效性和可靠性的广泛证据。尽管已经开发了多个版本的TTCT，但图形形式被广泛认为是黄金标准，并且在研究文献中被引用得最多。在目前的研究背景下，它还允许跨模态地考察这一过程，从而能够更广泛地概括其背后的机制。完成这项测试大约需要30-45分钟，包括三个任务：
1. 图形构建
参与者得到一张空白纸和一个特定形状的贴纸（“软糖豆”）。他们被要求将贴纸贴在纸上，画出一幅原创且非传统的图片，并给它起一个标题。
2. 图形完成
参与者得到一个不完整的图形，他们必须以别人不会想到的方式完成它，然后给他们的画作起一个标题。
3. 圆圈
参与者得到一系列空白圆圈，并被要求用线条连接这些圆圈来创作一幅别人不会创作的图片。

3.2. 主要任务中使用的声音
主要任务中的刺激声音是根据K?rtvélyessy & ?tekauer（2024）提供的分类选择的。这种分类是专门为拟声词分析设计的，根据声音事件的来源对声音进行分组。首先，声音事件被分为两大类：自然声音和人造物品。其次，这两个类别进一步细分：
- 自然声音：
- 四大元素（水、空气、大地、火）
- 动物（哺乳动物；鸟类；爬行动物和两栖动物；昆虫；鱼类和海洋生物）
- 人类声音（声音；身体）
- 人造物品：
- 乐器
- 交通工具
- 机械和电子设备
- 战争和破坏工具
- 铃声、锣声和其他信号设备
从这个列表中选择了“雨声”和“电话声”。从当前实验的角度来看，“雨声”代表属于自然声音类别中“四大元素”子类别的自然声音事件，具体来说是“水”这种声音类型。“电话声”事件属于人造物品类别中的“机械和电子设备”子类别。这意味着实验比较了来自两个不同类别的两个声音事件的模仿。这两种声音事件的性质在第3.5节中有更详细的讨论。这两种声音事件都是从Epidemic Sound数据库中检索的。

选择这两种声音事件是基于预期的模仿特征，如重复性、延长音以及音素的使用潜力。重要的是，这些声音事件在斯洛伐克语中都没有既定的拟声词，因此避免了词汇干扰，并允许更大的解释多样性。

3.3. 样本
共有50名年龄在15至20岁之间的斯洛伐克大学本科生和中学生参与了这项研究（M = 18，SD = 2.71；64%为女性）。他们都是斯洛伐克语的母语使用者。

3.4. 程序
在主要心理声学任务中，参与者被要求使用斯洛伐克字母表中的字母来模仿两个选定的声音事件，以表示所提出的拟声词。斯洛伐克语的正字法有利于将模仿的声音以书面形式捕捉下来，因为它基于“按听到的写”原则，即音素-音系原则。根据这一原则，每个发音的音素都由一个特定的符号表示。由于所有参与者都是斯洛伐克语的母语使用者，这种方法也是最自然的选择。
提供给参与者的完整指示如下：
你的任务是听每个录音，并使用斯洛伐克字母表中的字母转录这些声音。例如，沙沙作响的树叶的声音可以被转录为“?r?rchruch”或“?u?u?u”，等等。你的任务是尽可能准确地用字母捕捉这些声音。您可以随意多次播放录音。允许参与者根据需要多次重放录音的目的是为了最小化个体在听觉敏感度上的差异，从而为声音事件的模仿创造最佳条件。声音模仿任务是在线进行的。为了消除环境噪音的影响，参与者使用了耳机。尽管使用了实验刺激，但研究设计是横断面的。因为书面文字无法再现所使用的声音，所以在以下段落中提供了对两个声音事件的详细描述。

3.5. 声音的进一步描述
除了将声音事件分类为自然声音和人造声音之外，了解它们的物理参数和心理声学特性也是必不可少的。简单来说，Rain声音事件可以被描述为持续的倾盆大雨，而Phone声音事件的特点则是间歇性的振动。

3.5.1. 声音的物理参数
分析的声音事件的物理参数是使用Praat软件包（Boersma & Weenink, 2024）进行测量的。然而，应该注意的是，Praat最初是用于语音分析的。在Rain的情况下，Praat无法可靠地捕捉基频（F0），因为F0与人声中的声带振动有关。Rain声音中的每个水滴都类似于一个闭合事件，Praat无法准确追踪与每个水滴共振相对应的音高轮廓。为了推断基频，使用了快速傅里叶变换（FFT）进行光谱分析，并将第一谐波作为F0的代理。

声音的传统物理参数是频率、振幅和时间，这些都可以量化并用物理值表示（见表1）。

表1. 实验声音事件的物理特性
| 声音事件 | 频率（Hz） | 振幅范围（dB） | 时间（s） | 平均F0 |
| Rain | 1100–1700 | 1300 | 1100–1600 | 70–75 |
| Phone | 250 | 125–250 | 780 | 0.45 |

这些数据可以与频谱图结合使用（见图2、图3）。

下载：下载高分辨率图片（216KB）
下载：下载全尺寸图片
图2. Rain的频谱图。
下载：下载高分辨率图片（230KB）
下载：下载全尺寸图片
图3. Phone振动的频谱图。

频谱图的横轴表示时间，以秒为单位，使我们能够观察声音在其总持续时间内的变化。纵轴表示频率，较高的频率显示在频谱图的顶部，较低的频率显示在底部。这些频率范围有助于解释声音事件的音高特性。颜色刻度表示不同频率和时间点的声音强度（或振幅）。较低强度的区域显示为蓝色，而中等强度的区域显示为绿色。后者突出了处于中等振幅范围内的频率——既不太安静也不太吵闹——从而有助于理解声音事件的总体频谱-时间结构。

3.5.2. 心理声学参数
从这一简要描述中可以看出，物理参数与心理声学参数是相关的。Moylan（2015, p. 4）也强调了这种关系，他讨论了音频录音中声音的表征。根据Moylan的观点，声音可以被视为三种状态：它的物理存在、它的感知以及它的概念化。
第一种状态指的是声音的物理属性。第二种状态强调其心理声学处理，即物理属性通过耳朵被转化并由大脑解释。这样，物理参数就被转化成了感知到的质量。第三种状态涉及声音传递概念的潜力，作为能够引发情感或情绪的艺术表达的媒介。

本文的核心是第二种状态——即将物理属性转化为感知到的质量。心理声学关注人类对声音的感知、听觉系统对其的转换以及大脑对其的解释。每个物理参数都有一个心理声学对应物：频率对应于音高，振幅对应于响度，时间对应于持续时间，音色对应于感知到的音色。

频率值和频谱图表明，Rain声音事件的特点是中等（接近高）音高，而Phone声音事件是低音高。频谱图中的颜色强度反映了响度；这两种声音事件都可以被描述为嘈杂的，尽管Phone的振动更吵闹。Howard和Angus（2009, p. 92）提供了一个表格，概述了常见的环境声音水平，包括它们的分贝范围和文字描述。表2显示了我们的声音事件与这些水平的关系。它们的位置表明，Rain与汽车内部或繁忙交通中的声音水平相当。

表2. 实验声音事件在Howard和Angus（2009, p. 92）的响度表中的位置。

示例声音/情境
| 分贝（dB） | 描述 |
|---------|-------------|
| 长距离枪声在枪手耳边 | 140 |
| 疼痛阈值 | 130 |
| 喷气式飞机起飞（约100米处） | 120 |
| 夜总会舞池的峰值水平 | 110 |
| 1米处的大喊 | 100 |
| 约10米处的重型卡车 | 90 |
| 约10米处的重型汽车交通 | 80 |
| 汽车内 | 70 |
| 1米处的正常对话 | 60 |
| 办公室噪音水平 | 50 |
| 安静区域的客厅 | 40 |
| 夜间的卧室 | 30 |
| 空荡的音乐厅 | 20 |
| 轻风吹过树叶 | 10 |

时间相关数据显示，即使考虑到完整的振动周期而不仅仅是单次脉冲，Rain声音事件也比Phone振动持续时间更长。频谱图进一步支持了这一解释。虽然两种声音事件都是持续的，但Rain是连续的，而Phone振动则表现出规则的脉冲。因此，Rain可以被描述为单调的声音事件，Phone振动则被描述为规律性脉冲的声音事件。

4. 分析

4.1. 托伦斯创造性思维测试
使用托伦斯创造性思维测试进行的发散思维评估采用了创造力研究中常用的四个评分标准。所有评分均由受过训练的研究助手在心理学家的监督下进行。根据测试手册（Jur?ová & Szobiová, 2018），在三项任务中计算了以下指标：
- 原创性反映了产品相对于手册中提供的人口标准的独特性。较低频率、不寻常的回应会被赋予较高的分数。
- 流畅性捕捉了相关回应的数量；得分随着产生的答案总数的增加而增加。
- 灵活性反映了回应类别的多样性。得分取决于参与者回应中代表的不同概念类别的数量，并根据流畅性得分捕获的答案数量进行评估。
- 详细性捕捉了参与者绘画的细节水平。每个独特的细节都会得到一分，因此更详细的产品会获得更高的分数。

原创性、详细性、流畅性和灵活性得分是在所有三项任务中计算的。这种方法比使用单一综合得分更可取，因为对于本研究的目的来说，单一综合得分过于简化。相反，为每个单独的任务计算单独的得分并不推荐，因为这引入了不必要的具体性，而没有明确的理论好处。在当前样本中，平均得分如下：详细性 M = 18.40，SD = 13.09；流畅性 M = 18.60，SD = 7.09；灵活性 M = 13.73，SD = 4.83；原创性 M = 35，SD = 13.51。

4.2. 拟声词形成实验
本节评估了参与者为Rain和Phone声音事件提出的拟声词中的五个定义参数。它们包括：
1. 初始位置的实现
2. 最终位置的实现
3. 过渡的实现
4. 延长的存在与否
5. 象征性重复的存在与否

结果在三个具体层面上进行了讨论：
(i) 具体声音的层面（Level 1）
(ii) 基于发音方式和声音类型的层面（Level 2）
(iii) 辅音与元音的层面（Level 3）

这些概括表示了参与者在拟声词模仿中的主要声音选择模式。这种模式的识别与早期的实验结果一致，表明“参与者能够将转录的发声与原始声音类别匹配到高于偶然性的水平”（Edmiston et al., 2018, p. 7）。模式的一般结构在（1）中捕获：
(1)[初始位置] / 过渡 / [最终位置]，延长，重复
Rain
Level 1 [?]/?/[?]，辅音延长，无重复
Level 2 SFvl/?/SFvl，辅音延长，无重复
Level 3 C/?/C，辅音延长，无重复

图例：SFvl – 清辅音。

最低层面的结果是不明确的，因为在初始位置有两种频率相似的不同声音：清辅音[?]出现12次，清塞音[p]出现9次。如果存在最终声音，通常是清辅音[V]，出现14次。

Level 1的不确定性被投射到Level 2，其中清辅音（出现18次）与清塞音（出现17次）竞争。

Level 3 在所有50个拟声词中，初始声音都是辅音。在35个拟声词中缺少过渡。

重复和延长
Rain声音事件的单调性在41个拟声词中通过延长的声音来模仿。九名参与者使用了重复，从而将声音事件的进程结构化为许多小的声音片段。

Phone
Level 1 [v]/?/[m]，无延长，重复
Level 2 Fv/?/N，无延长，重复
Level 3 C/?/C，无延长，重复

图例：Fv：浊擦音。

Phone振动的模仿结果也不统一，没有明显的初始声音偏好。四个最常用的初始声音在发音方式和声音类型上都有所不同：浊唇齿擦音[v]出现13次，浊双唇塞音[b]出现11次，清喉擦音[h]出现9次，浊辅音[z]也出现9次。最常用的最终声音是双唇鼻音[m]，出现19次。

在声音类型层面，擦音成为初始位置的主要选择。它们出现在35个拟声词中，包括17个浊擦音，9个清擦音和9个浊辅音。在最终位置，鼻音最为常见，出现20次。

在最高抽象层面上，初始和最终位置都被辅音占据。在37个拟声词中缺少过渡段。

重复和延长
共有26个拟声词不包含延长，而25个包含延长。其中24个涉及延长的辅音，1个涉及延长的元音。频谱图清晰地显示了PHONE振动的脉动性质，这在42个拟声词的重複形式中得到了体现。

虽然数据显示了明显的模式趋势——这与拟声词形成的基于图像的特性一致——但它们也清楚地展示了任意性，体现在所有五个考察参数上的广泛实现上。以下示例说明了某些参数偏离主导模式的情况：

Rain
模式：[?]/?/[?] 辅音延长，无重复
偏离模式的例子：?rrrrrrrrrrrrr, cccccscccccccccscccccs, frrrrrrgh, p?p?p

Phone振动
模式：[v]/?/[m]，无延长，重复
偏离模式的例子：bzzm bzzm bzzm, zzzzt zzzzt zzzzt, v? v? v?, zzz

5. 主要结果
基于在提出的拟声词中观察到的五种评估参数的倾向，本节展示了统计分析的结果，以考察通过四种发散思维能力（即原创性、流畅性、灵活性和详细性）在声音解释中的作用——重点关注（1）延长和重复的发生，（2）主导和替代声音以及辅音与元音的出现，以及Rain和Phone振动的浊音与清音的出现。

进行了二元逻辑回归来检验创造性潜能对变量的影响。主要使用频率主义方法；然而，也采用了贝叶斯方法（具有弱信息性的先验μ = 0, σ = 2.5）作为敏感性分析，以量化预测区间并计算贝叶斯因子，比较预测因子与零模型。虽然频率主义方法只能拒绝零假设，但贝叶斯方法通过量化零假设与备择假设的证据提供了更细致的视角。

5.1. 重复的发生
首先，我们考察了创造性潜能（通过发散思维能力衡量）对重复发生的影响。回归模型对Rain声音事件的总体拟合在统计上并不显著，χ2(4) = 4.44，p = .350，表明预测因子无法区分重复发生和非发生。更具体地说，该模型解释了重复发生的8%（Nagelkerke R2）的变异。然而，如表3所示，没有任何预测因子达到统计显著性。这一发现与贝叶斯分析一致，贝叶斯分析表明没有预测因子预测到重复，因为95%的预测区间包含零。此外，贝叶斯模型比较支持零模型胜过所有预测因子组合。贝叶斯因子比较不同预测因子组合与零模型的结果表明，反对包含这些预测因子的证据介于中等至非常强烈之间。5.4 发声辅音与元音的出现频率
接下来，我们探讨了创造性潜力对发音辅音与元音出现频率的影响。然而，结果仅针对“ Phone vibration”这一声音事件在起始位置的情况进行了分析，因为数据集中缺乏浊辅音，因此无法对“Rain”这一声音事件进行二项逻辑回归分析。

在预测四种不同思维风格下“Phone vibration”起始位置出现浊辅音与其它发音的概率时，模型在统计学上不显著（χ2(4) = 2.90，p = 0.575），表明这些预测因子无法区分浊辅音与其他发音的使用。该模型仅解释了6%（Nagelkerke R2 = 0.08）的发音解释变化。此外，贝叶斯分析显示所有预测因子的95%预测区间都包含了零值（β = ?0.09，95%置信区间为[?4.49, ?0.44]）。贝叶斯模型比较强烈支持排除所有预测因子（BF = 0.052至0.10）。贝叶斯模型比较也强烈支持排除所有包含预测因子的模型（BF = 1.10e??），进一步证实了这一结论。

在预测四种不同思维风格下“Phone vibration”结尾位置出现浊辅音与其它发音的概率时，模型在统计学上不显著（χ2(4) = 5.05，p = 0.282），表明这些预测因子无法区分浊辅音与其他发音的使用。模型仅解释了1%（Nagelkerke R2 = 0.01）的发音解释变化。贝叶斯分析表明所有预测因子的95%预测区间都包含了零值，且所有包含预测因子的模型都被强烈排除。各预测因子的总结：

| 预测因子 | 声音事件 | 学术显著性（p值） | OR 95%置信区间（OR） |
|------------------|---------------------------------|-----------|-------------------|
| Rain（初始位置） | 0.14 | 0.14 | 0.32 (1.15) [0.87, 1.50] |
| Fluency | ?0.56 | 0.63 | 0.36 (0.17, 1.94) |
| Flexibility | ?0.09 | 0.35 | 0.80 (0.47, 1.81) |
| Originality | 0.16 | 0.16 | 0.32 (1.17) [0.85, 1.61] |

Phone（最终位置）的相关分析结果：
- Elaboration: ?0.84 | 1.36 | 0.53 (0.03, 6.14) |
- Fluency: ?0.48 | 0.44 | 0.27 (0.26, 1.47) |
- Flexibility: 3.40 | 3.86 | 0.37 (29.91) [0.02, 5720.356] |
- Originality: ?0.40 | 0.56 | 0.47 (0.23, 2.00) |

对于电话振动声音事件的回归模型，其统计显著性也不明显，χ2(4) = 8.01，p = 0.091，这表明这些预测因子无法预测辅音或元音的出现。该模型解释了51%的方差（Nagelkerke R2），但没有一个预测因子达到统计显著性；因此，没有理由认为它们会影响产生辅音与元音的可能性（见表7）。实际上，贝叶斯分析显示，所有四个预测因子的95%预测区间都包含零值。此外，贝叶斯模型比较结果表明，相比于包含预测因子的所有模型，零模型更优。单个预测因子的贝叶斯因子较低（范围在0.020到0.503之间），其中Flexibility的反对纳入的证据最少（BF = 0.503）。更复杂的模型（包含多个预测因子）的贝叶斯因子也很低（BF = 6.15e-0），这强烈反对这些模型的合理性。包含性贝叶斯因子显示，Flexibility仅有一些 anecdotal（非基于严格统计学的）反对纳入的证据（BFincl = 0.498），但也强烈反对包含Originality（BFincl = 0.023至0.037），以及对Fluency的中等到强烈的反对（BFincl = 0.118）。

由于辅音和元音在初始位置的差异不大，因此无法对选定的两个单词进行结果计算。

36. 讨论与结论

尽管有新的证据表明创造性潜能与多种语言方面之间存在联系，如词汇语义处理（Wang等人，2023年）、句子生成（Weinstein等人，2022年）以及词形构成和词义解释（K?rtvélyessy、?tekauer和Ka?már，2022年），但发散思维能力在拟声词形成中的作用仍被忽视。本文旨在通过提出在认知基础上的命名学理论框架内研究发散思维在拟声词形成中的作用，从而为拟声词的研究提供新的见解。具体来说，基于K?rtvélyessy（1998年、2005年）的词形构成命名学理论，我们预计语言使用者的创造性潜能——体现在他们在托伦斯创造性思维测试（TTCT）中的表现——也会反映在产生拟声词时的创造性表现上。

然而，结果总体上并不支持我们关于发散思维在以下方面作用的假设：（1）声音的延长和重复现象；（2）主导声音与替代声音、辅音与元音的出现；（3）Rain和Phone振动中的浊辅音与清辅音的出现。虽然当前结果在大多数情况下没有将发散思维能力归因于拟声词的形成，但观察到了某些有希望的倾向，值得在未来研究中进一步探索，例如重复与详细阐述之间的潜在联系。考虑到这种效应，较高的详细阐述得分可能在某种程度上与更高的重复可能性相关，因为详细阐述作为一种认知过程，可以通过添加细节和复杂性来细化和扩展想法，正如TTCT绘图中细节数量的增加所体现的那样。这种认知倾向也可能通过在音系层面上重复单元来增加复杂性，从而更精确地捕捉声音事件，倾向于更细致、更详细的表达方式。例如，由于雨水声是一个连续的声学事件，详细阐述得分较高的个体可能更倾向于使用象征性的重复来捕捉它，而不是选择简化的表示方式。这种潜在联系与一般的词形构成命名学理论（K?rtvélyessy，1998年、2005年）一致，表明个体的创造性潜能可以在专门研究发散思维在词形构成和词义解释中发挥作用（K?rtvélyessy、?tekauer和Ka?már，2022年），并且与研究发现一致，即详细阐述在形态学层面与表达的经济性呈负相关（K?rtvélyessy、?tekauer和Ka?már，2021年）。除了详细阐述之外，当前发现还表明，较高的原创性（反映了对新颖性和独特性的倾向）可能与拟声词形成中的音系创造性相关，因为这一TTCT维度与最终位置中浊辅音与清辅音的出现存在一定的联系。尽管这些仍只是有希望的倾向，而非确凿的发现，因此在得出进一步结论之前，还需要进行更多有力的研究来加以验证。

虽然先前的研究已经记录了创造性潜能在与发散思维能力相关的词形构成和词义解释中的更复杂作用（K?rtvélyessy、?tekauer和Ka?már，2022年），但这可能并不完全适用于更加受限的任务，如拟声词的形成和实验词汇的音系特征。当前研究中记录的发散思维在拟声词形成中的缺失或非常有限的作用可能源于多种原因。这可能包括拟声词本身的强烈象征性质，它们可能与完全任意的复杂词汇的创造不同。也就是说，语言使用者在模仿语言系统允许的范围内尽可能忠实模仿非语言声音的努力，可能为创造性潜能留下了有限的空间。例如，雨声具有特定的声学特征，即连续的带有冲击力的噪音，这可能限制了个体之间解释的多样性。此外，感知属性与音系特征之间的映射可能是普遍存在的，而发散思维则在更高层次的抽象层面运作。同时，创造性潜能可能不如以前假设的那样具有普遍性，更加依赖于特定领域（参见Barbot和Tinio，2015年），并且将视觉上的发散思维转化为基于声音的拟声词可能受到限制。

乍一看，当前的结果似乎与发散思维在拟声词形成中的作用以及所提出的拟声词的显著变异性相矛盾，后者可能是第2.2.2节讨论因素相互作用的结果。尽管如此，这对未来研究具有理论意义。例如，拟声词的形成可能主要依赖于听觉敏感性和模仿技能，而不依赖于语言创造性。这表明，在诸如K?rtvélyessy（1998年、2005年）的词形构成命名学模型中，某些层面的创造性潜能空间可能更大，而在考虑更具体的音系层面时，创造性潜能的作用可能较为有限，这为未来研究提供了新的视角。此外，尽管当前研究主要关注了创造性潜能在发散思维方面的一个方面，但与创造性相关的其他因素，如一般认知能力（即智力）或人格特质（例如，对经验的开放性）仍未得到充分研究，可能会提供不同的图景。声音象征主义在我们的模型中通过语音主题体现，无疑在每个拟声词形成过程中都起着重要作用。研究语言特定和普遍的语音主题与发散思维之间的关系，可以进一步阐明当语言手段用于模仿非语言声音时，声音象征主义是如何运作的。

还需要考虑几个额外的因素，它们可能解释了为什么在当前情境中未能可靠地检测到发散思维能力的作用。从统计学的角度来看，识别拟声词形成与发散思维之间的联系可能需要更大的参与者样本，因为我们的统计能力有限，难以检测到微小和非常微小的效应。因此，有必要探讨更大的样本是否可能影响结果。统计显著性部分取决于样本大小，当统计能力有限时，结果可能无法达到显著性。实际上，从频率主义零假设检验的角度来看，由于统计能力不足，我们可能在某些情况下未能拒绝零假设。然而，对效应大小的进一步检查显示，大多数情况下观察到的效应非常小或可以忽略不计。此外，贝叶斯分析表明，对于大多数结果，支持零假设的证据而非仅仅是缺乏证据。

未来研究的视角还包括对子群体的分析（例如，潜在特征分析）以及从必要条件和充分条件角度（例如，模糊集定性比较分析）对因果关系的不同概念化，这可以采用更以人为中心的视角。此外，本研究使用的任务涉及不同的 modalities：拟声词形成任务主要依赖于听觉模态，而TTCT主要依赖于视觉模态。这种选择既有方法学上的依据，也有理论上的合理性，因为它可以减少共同方法偏差，而且我们的主要焦点是一般的发散思维。然而，未来的研究可以采用视觉和语音的TTCT版本，并使用结构方程模型来考察一般和特定模态的因素。尽管存在局限性，当前研究仍为创造性潜能在拟声词形成中的（最小）作用提供了宝贵而新颖的见解。这与词形构成和词义解释中的情况形成对比，在后者中，发散思维能力的作用得到了更强的支持（K?rtvélyessy、?tekauer和Ka?már，2022年）。

CRedI作者贡献声明：

Pavol Ka?már：撰写——审稿与编辑、撰写——初稿、方法论、数据分析、概念化。
Lívia K?rtvélyessy：撰写——审稿与编辑、撰写——初稿、项目管理、方法论、资金获取、数据分析、概念化。