大脑与语法：通过竞争性统计模型揭示基本结构的电生理表征

基于摘要分析。该研究关注听觉语言加工中声学、词汇与句法信息同时存在时，如何区分各成分对应的电生理活动。研究沿用既有工作中分离声学信息的思路，比较包含不同语言信息的 surprisal 模型，以分析 EEG 对词汇和基本句法结构的响应，而非提出用于 BCI 控制的解码算法。 方法上，作者记录了 32 名参与者聆听肯定式主动陈述句时的 EEG，并比较名词短语与动词短语等基本句法结构对应的活动。竞争性统计模型分别纳入词汇信息、词性或句法结构及其不同组合，用于检验这些信息对电生理数据的解释能力。摘要未说明 surprisal 的具体计算方式、声学信息的控制流程、统计模型形式或 EEG 预处理方案。 作者报告，在上述听句任务中，词汇与句法加工涉及不同频带、时间窗和网络；仅基于词性集合的 surprisal 模型不能很好地解释电生理数据，而包含句法信息的模型能够提供解释。摘要未给出具体频段、时间范围、网络定位依据、效应量或模型比较指标。作者还报告，结果与此前颅内记录获得的测量相符，为原研究假设提供独立支持；对应研究及比较条件尚未核验。 阅读与复现时应重点核对声学、词汇与句法变量如何分离，竞争模型是否在一致条件下比较，以及 EEG 中“不同网络”的推断依据。实验协议、消融及统计信息尚未验证。当前材料支持将其理解为语言神经科学中的 EEG 解释性建模研究，不能据此认定其已实现语言内容解码或验证了 BCI 有效性。