二语习得外显与内隐研究的热点与展望

摘  要：该文以Web of Science与CNKI核心数据库为数据来源，借助CiteSpace可视化软件对1999—2022年间的国内外二语外显/内隐研究进行可视化分析。基于Web of Science及CNKI的导出功能，通过绘制国外二语习得领域外显/内隐研究的关键词共现网络、文献共被引网络，以及国内该领域研究的关键词共现网络等考察国内外二语习得领域外显/内隐研究的热点分布情况、发展历程中的关键文献、重要作者以及主要期刊，以期为二语习得领域外显/内隐研究的发展提供借鉴和参考。

关键词：二语；外显；内隐；可视化；文献计量学

中图分类号：H09      文献标志码：A          文章编号：2096-000X（2023）35-0007-06

Abstract： By employing CiteSpace， a new scientometric tool， this paper analyzes the co-cited references in the field of second language explicit and implicit research published between 1999 and 2022. The data were retrieved from the Web of Science and CNKI. The study analyzes the key and hot research topics in the field of second language explicit and implicit research with key words frequency and betweenness centrality， high impact literature and authors， distribution countries and research institutes of highly cited references. The aim of this paper is to facilitate the understanding of the development of explicit/implicit research in SLA at home and abroad in the past three decades as well as to detect the research fronts and emerging trends of this area.

Keywords： second language; explicit; implicit; visualization; bibliometrics

信息加工理论中的外显/内隐之分已经成为二语习得领域最具争议的核心概念，同时也是二语习得领域的热门话题和重点问题。顾名思义，“外显”与有意识、受控制的过程有关，而“内隐”则与无意识、自动的过程相联系。本文借助CiteSpace可视化分析软件，用客观的数据和直观的图谱厘清国内外二语习得领域外显/内隐研究的动态、趋势和问题，以便进一步推动二语外显/内隐领域相关问题的研究。

一  国内外文献数据来源及研究方法

本研究采用的分析工具为Java程序下的可视化分析软件CiteSpace 5.1 R8。其主要基于共引分析（cocitation analysis）理论和寻径网络算法（pathfinder network scaling，PF－NET）对特定领域文献（集合）进行计算，独到之处在于“通过深度分析和挖掘科研文献的共被引数据，考察某一知识领域的基本情况，廓清其知识结构，探测其发展的趋势或动向并以可视化的方式加以呈现”[1]，“能够突出显示在该领域发展历程中的一些特定重要文献”[2]。本研究使用的数据来自美国科学情报研究所出版的Web of Science以及国内CNKI核心数据库。检索字段分别选择“second language explicit implicit”及“二语 外显内隐”（“二语 显性 隐性”），时间跨度为1999—2022年。在 Web of Science中检索时，文献类型限于论文（articles）及会议论文（proceedings paper），共得到789条记录，人工剔除了明显不属于二语习得领域的479篇。最终得到310条记录，最终下载日期为2022年8月10日。在CNKI中检索时，文献类型限于论文（articles）及会议论文（proceedings paper），共得到151条记录，人工剔除了明显不属于二语习得领域的79篇。最终得到72条记录，最终下载日期为2022年8月10日。

本文试图回答以下两个研究问题：①国内外二语习得领域外显/内隐研究的热点是什么？②国内外二语习得领域外显/内隐研究的异同有哪些？

二  数据分析和讨论

为了回答以上研究问题，基于Web of Science的导出功能， 首先对所收集的国外数据进行了关键词共现、演化路径、文献共被引等分析。

（一）  国际二语习得领域外显/内隐研究

1  关键词共现分析

Keyword为关键词共现分析，关键词是学术论文的重要组成部分，是文献内容的精炼浓缩，是研究主题的集中体现。通过关键词分析可以较快把握该领域的研究热点，“关键词出现频次的升降变化从一个方面透露了研究热点的形成和转移，也可以帮助人们预测某一领域今后研究的走向”[3]。根据CiteSpace软件分析结果，生成图1所示的关键词共现网络，共有374个节点， 1 425条连线。图中各圆环代表关键词出现频次，圆圈越大、频次越高，代表了此领域受研究者关注的程度越大，即研究热点。

图1 显示的关键词中，implicit占据网络的中心地位，向上出现了explicit、knowledge、individual difference、metaanalysis、corrective feedback、comprehension、recast和aptitude等主题; 向左出现了English、grammar 等主题;向下出现了explicit knowledge、instruction、2nd language、memory、measuring implicit、implicit learning、awareness、adult、age和brain potential等主题。这些关键词基本勾勒出了二语习得领域外显/内隐的性质、研究热点和研究方法。从图1中可以直观地观察到，1999—2022年二语习得领域外显/内隐热点话题包括了对外显/内隐学习的过程和结果研究，尤其关注内隐学习过程、内隐知识的测量，以及对外显/内隐教学和外显/内隐修正性反馈的研究。此外，近些年也更加注重对学习者个体差异尤其是年龄及认知因素如语言学能和工作记忆的研究，这主要是因为学习者个体差异因素是成人在二语最终习得成就上表现出巨大差异的根源[4]。然而，从图1中不难看出，外显/内隐领域的研究还基本聚焦语法教学及对语法知识的研究上，聚焦语音、语用及词汇的研究还相对匮乏，语音方面近些年对于外显教学效果的研究逐渐增加[5]，然而比较外显/内隐教学效果的研究还十分匮乏。就研究方法而言，图1显示的关键词中出现了关于研究方法的词如metaanalysis，其是近几年出现的用于综述的研究方法，用统计的概念与方法，分析之前学者专家针对某个主题所做的众多实证研究，可以找出该问题或所关切的变量之间的明确关系模式，能够弥补传统叙述性文献综述的不足。外显/内隐领域研究的knowledge、corrective feedback和instruction等热点中，前测/后测研究设计的实证研究众多，因此，运用metaanalysis分析总结比较效应量不失为本领域的一个新趋势。中介中心性（betweenness centrality，以下简称“中心性”）是从网络结构上衡量网络节点重要性的指标。关键词的中心性越大，表明其连接的关键词之间的信息越多，在网络结构中占据的位置越重要。

表1显示出中心性排序前十位的关键词，其构成了二语习得领域外显/内隐研究的重要关联词汇，在网络结构中占据了重要位置。implicit（0.22）、explicit knowledge（0.17）、second language（0.16）、second language acquisition （0.14）、explicit（0.11）、knowledge（0.11）、memory（0.11）、individual difference（0.10）、comprehension（0.10）、brain（0.10）等高频关键词构成了本领域的研究主流。从中心性及频率也可以看出，现今二语外显/内隐领域中内隐（implicit）相关问题要比外显（explicit）相关问题占据更主导的地位，也更受到研究者关注，这与“内隐”相对“外显”难于构建和测量的性质不无关系。

2  外显/内隐研究的演化路径图分析

利用CiteSpace绘制关键词共现时区视图（Timezone View），既能在时间维度上掌控知识演进地图，又能直观了解不同时区关键词的布局特征，进而从整体至局部获取外显/内隐研究热点随时间变化的动态过程，关键词共现时区视图（图2）显示了外显/内隐领域研究在不同时区的分布特征。

随着时间的推进，关键词布局也在不断发生改变。以每5年为一时间切点，2000—2004年研究的重点是学习者的外显/内隐知识、教学及纠正性反馈尤其是内隐反馈（如重铸）的效力以及认知因素如记忆等对外显/内隐学习过程的影响；2005—2009年关注的话题呈现多样化的趋势，外显/内隐语法知识及两种知识与语言能力的关系、外显/内隐纠正性反馈以及外显/内隐教学的效果比较、个体差异因素的影响等成为重要研究主题，metaanalysis等新兴的研究方法在此阶段开始大量使用；2011—2014年进一步讨论了外显/内隐语法知识尤其是内隐学习的评估及内隐语法知识的测量问题 （measuring implicit），外显/内隐修正性反馈的效力（例如，外显修正性反馈metalinguistic clues 和内隐修正性反馈recast），工作记忆与外显/内隐知识的关系，外显/内隐领域呈现了不仅将英语作为研究习得语言的多语种特征。2015—2022年的研究主题是对2011—2014年的延续和深入，进一步探讨了语言学能、工作记忆等认知因素的作用，其中值得关注的是Li等[6]关于内隐学能的构建和测量。

3  文献共被引分析

文献的共被引分析能够帮助我们回答一个研究领域发展演变历程中，哪些文献起着关键作用。此时的nodes types 选择cited reference，得到外显/内隐学习研究的文献共被引网络（图3）。其中模块值Q（Modularity Q）的取值区间为[0，1]， 值越大说明网络聚类越好；平均轮廓值S（Silhouette S）越接近1说明网络同质性越高，即聚类信度越高[7]。由此可知，图3的网络结构非常显著（Q=0.856），且聚类结果信度比较好（S=0.498）。下文图谱质量判断标准同上。文献的共被引网络图谱基本勾勒出了外显/内隐学习领域研究的重要文献。中心性（结构上重要性）、突现性（时间上重要性）、节点大小都是衡量文献重要性的指标，中心性、突现性越高，节点越大，则是研究前沿的可能性越高。∑（sigma）值是结合中心性（结构上重要性）和突现性（时间上重要性）的复合指标。若节点的∑值越高，则是研究前沿的可能性就越高，综合考虑中心性和突现性的∑值由高到低依次为：Ellis（2005）[8]（6.36），Bowles（2011）[9]（2.06），Ellis（2006）[10]（1.87），Hustijn（2005）[11]（1.58）， Ellis（2004）[12]（1.56），Butler（2002）[13]（1.52），DeKeyser （2003）[14]（1.51），Ellis（2002）[15]（1.51），Morgan-Short 等（2012）[16]（1.49），Long（2007）[17]（1.37）。