📌 关键要点
本文是近缘语言（closely related languages）互懂度量化研究的奠基性工作。
- 用 Levenshtein 语音距离解释了北欧三语 64% 的互懂度方差（r = −0.80）
- 词汇距离的预测力不显著（r = −0.36, p = 0.11）
- 北欧三语（口语）与西日耳曼三语（荷/弗/南非荷兰）的跨语族对比
- 论文标题中的 closely related languages 是国际学术界对"近缘语言"的标准表述
Charlotte Gooskens，荷兰格罗宁根大学（University of Groningen）斯堪的纳维亚学系（Department of Scandinavian Studies）。
一位荷兰学者在斯堪的纳维亚学系做北欧语言互懂度研究——这本身就说明"近缘语言"是一个跨越国界的学术议题。
核心问题：近缘语言之间的互懂度能在多大程度上被语言距离所预测？
具体目标： 1. 解释北欧三语互懂度实验中部分结果的变异 2. 比较两个层面的语言距离对互懂度的预测力：语音距离（phonetic distance）与词汇距离（lexical distance） 3. 跨语族对比：北欧语组（丹/挪/瑞）vs 西日耳曼语组（荷/弗/南非荷兰语）
影响互懂度的三个因素： 1. 听者对目标语的态度 2. 听者与目标语的接触经验 3. 两种语言之间的语言距离
前两个因素已有研究但相关性弱（Gooskens 2006），第三个因素长期被忽视——因为缺乏合适的距离测量方法。本文正是要填补这一空白。
步骤 1：测互懂度（因变量）→ 听力测试 + 问答评分
步骤 2：算语音距离（自变量 1）→ Levenshtein + X-SAMPA 音标
步骤 3：算词汇距离（自变量 2）→ 非同源词比例
→ 做相关分析（Pearson r）
被试：
| 语组 | 人数 | 年龄 | 条件 |
|---|---|---|---|
| 北欧语组 | 488 名高中生 | 16–19 岁 | 仅大学预科、母语使用者 |
| 西日耳曼语组 | 81 名高中生 | 16–17 岁 | 同上 |
任务：听一段约 260 词的新闻录音（"哥本哈根街头追袋鼠"），回答 5 个开放问题。评分：完全正确 2 分，部分正确 1 分，错误 0 分，满分 10 分。
互懂度结果（正确率 %）：
| 听者 → | 丹麦语 | 挪威语 | 瑞典语 | 均值 |
|---|---|---|---|---|
| 丹麦人 | — | 57.0 | 53.2 | 55.1 |
| 挪威人 | 75.1 | — | 88.6 | 81.9 |
| 瑞典人 | 24.3 | 83.2 | — | 53.8 |
| 均值 | 49.7 | 72.3 | 70.9 |
🔑 关键发现
- 挪威语是桥梁语言——挪威人听丹/瑞均 >75%，听瑞高达 89%
- 丹麦语最难懂——瑞典人听丹麦语仅 24%
- 互懂度不对称——挪威人听丹麦语 75%，丹麦人听挪威语仅 57%
- 地理效应显著——赫尔辛基瑞典人听丹麦语仅 7%（双语环境致瑞典语能力下降）
工具：Levenshtein 距离（最小编辑距离）
流程： 1. 所有录音用 X-SAMPA（机器可读音标字母）转写 2. 对齐同源词的音标序列 3. 计算最小编辑操作数（插入/删除/替换） 4. 除以对齐长度归一化，消除词长效应
计分规则： - 插入/删除：1 分 - 元音↔元音 或 辅音↔辅音替换：0.5 分 - 元音↔辅音替换：1 分 - 附加符号（diacritics）：额外 0.25 分
语音距离结果（%）：
| 听者 → | 丹麦语 | 挪威语 | 瑞典语 | 均值 |
|---|---|---|---|---|
| 丹麦人 | — | 21.6 | 28.5 | 25.1 |
| 挪威人 | 23.8 | — | 23.4 | 23.6 |
| 瑞典人 | 30.8 | 21.2 | — | 26.0 |
| 均值 | 27.7 | 21.1 | 25.5 |
→ 挪威语语音距离最小（21%），是语音上的"中间语言" → 丹麦语-瑞典语距离最大（30%）
工具：非同源词比例（percentage of non-cognates）
计分规则： - 非同源词：1 分 - 部分同源复合词：0.5 分 - 同源词：0 分 - 有同义同源词可替代的：0 分（以听者能否理解为准则）
词汇距离结果（%）：
| 听者 → | 丹麦语 | 挪威语 | 瑞典语 |
|---|---|---|---|
| 丹麦人 | — | 1.2 | 2.6 |
| 挪威人 | 0.0 | — | 1.4 |
| 瑞典人 | 3.6 | 3.4 | — |
→ 北欧三语的词汇差异极小（0~3.6%），变异不足以做统计预测
| 距离类型 | r | r² | p | 结论 |
|---|---|---|---|---|
| 语音距离（全体） | −0.64 | 0.41 | <.002 | 显著 |
| 语音距离（仅北欧） | −0.80 | 0.64 | <.000 | 强相关 |
| 词汇距离（全体） | −0.36 | 0.13 | 0.11 | 不显著 |
| 词汇距离（仅北欧） | −0.42 | 0.18 | 0.11 | 不显著 |
| 维度 | Gooskens (2007) | 本文论文 |
|---|---|---|
| 模态 | 口语（听力测试） | 书面文本（模型计算） |
| 因变量 | 互懂度（人类被试答题正确率） | 语言距离（向量/分词/MLM） |
| 距离方法 | Levenshtein 字符编辑距离（1966） | Transformer 向量编码（2020s） |
| 距离维度 | 语音 + 词汇（2 维） | 语义 + 正字法 + 可预测性（3 维） |
| 研究对象 | 北欧三语 + 西日耳曼三语 | 北欧三语 |
| 核心发现 | 语音距离强预测（r = −0.80），词汇距离不显著 | 三指标一致指向 da-no 最近 |
互补关系： - 她建立了口语互懂度基准，本文建立了书面语言距离框架 - 她的方法（Levenshtein）→ 本文的方法（Transformer）体现了方法论的代际升级 - 两者均采用多维度方法，且均发现不同维度的解释力存在差异 - 本文表 8 直接引用其语音距离数据，形成 Levenshtein vs Transformer 的定量对照
本文后续扩展方向：引入语音模态数据（Whisper/Wav2Vec2 语音向量），构建书面—语音多模态语言距离量化框架——即 Gooskens 研究的 Transformer 升级版。
Gooskens (2007) 之后，其研究路线沿三个方向持续扩展：
| 年份 | 成果 | 核心内容 | 方法 |
|---|---|---|---|
| 2007 | 本文（奠基） | 北欧三语口语互懂度，语音距离解释 64% 方差 | Levenshtein 语音距离 + 感知实验 |
| 2014/2015 | Schüppert, Swarte, Heeringa & Gooskens. Modeling Intelligibility of Written Germanic Languages | 日耳曼语族书面互懂度，区分词干/词缀正字法距离 | Levenshtein 正字法距离 |
| 2017 | Gooskens & Swarte. Linguistic and extra-linguistic predictors of mutual intelligibility between Germanic languages [10] | 日耳曼语族扩展，加入语速、非语言因素 | 词汇 + 音系 + 语速多因素回归 |
| 2018/2019 | Gooskens 等. Linguistic and non-linguistic factors affecting intelligibility across European language families | 日耳曼 + 罗曼 + 斯拉夫三大语族跨语族扩展 | 词汇/语音/句法多维距离 |
| 2022 | Gooskens 等. Mutual intelligibility（章节） | 互懂度综述 | — |
| 2024 | Gooskens C. Mutual Intelligibility between Closely Related Languages（专著） | 集大成之作，覆盖三大语族互懂度全景 | 综合 |
（1）2014/2015 书面日耳曼语研究
（2）2024 专著——三大语族跨语族扩展
Gooskens 画好了"靶子"（三大语族、口语基准、传统方法数值），本文给她换一把"枪"（预训练语言模型）。
直接对标：Gooskens 2014/2015 用 Levenshtein 算过日耳曼语族的书面正字法距离，本文用 Transformer 也算了。扩展到伊比利亚罗曼语或西斯拉夫语时，可直接拿她的数值做方法对照——传统 vs 神经网络，在同一个语族上谁更灵敏、谁与口语互懂度更相关。
模态互补：Gooskens 2024 专著覆盖了三大语族的口语互懂度数据。本文框架覆盖书面模态。如果她在罗曼语族上已有口语数据，本文跑完书面数据后，就能在三个语族上重复 §5.3 的"书面 vs 口语"对照分析——从个案升级为系统性比较。
路线已验证：本文结论中"扩展至伊比利亚罗曼语、西斯拉夫语"并非空想——Gooskens 2018/2019 已经走过了这条路（传统方法），意味着跨语族扩展是可行的、有学术需求的，且她的跨语族结论可作为本文新实验的参照基准。
词干/词缀分离：Schüppert 等 (2014/2015) 区分了词干距离和词缀距离对书面互懂度的不同贡献。本文碎片化率指标目前是整体统计，没有区分词干和词缀——比如挪威语的词缀碎片化率是否特别高？丹麦语词干是否比瑞典语词干更接近挪威语？这是一个可补的分析维度。
📖 资料来源： - Gooskens (2007) 原文 DOI - Gooskens (2007) 全文 Markdown - Gooskens (2024) 专著 DOI | OAPEN 开放获取全文 - Schüppert et al. (2014/2015) 书面日耳曼语互懂度 - 相关笔记：向量计量语言学 | 计算语言学与计量语言学 | 近缘语言距离量化的模型与指标