此图是在 PowerBi、Loocker Studio 和 Tableau 中创建的：

描述

尽管对话式观点接受的经典描述声称共同点（共享知识）对于成功理解至关重要，但当代研究表明，核心过程不仅借用了多种观点[1,2]，而且共享知识与特权知识的相关性也因话语目标而异：例如，命令（“拿起......”）主要与共享的所指对象有关， 问题（“牛上面有什么斑点？”）要求听众考虑特权所指对象[3]。因此，识别相关的言语行为（例如，提问、命令、断言等）对于计算透视似乎至关重要。在这方面，幸运的是，在英语等语言中，词汇句法和韵律线索通常允许听众从话语开始区分这些言语行为。但这些线索是必不可少的，或者没有它们可以有效地计算透视？我们通过利用普通话的一个特点来解决这个问题，即某些话语在其最终组成部分之前无法可靠地识别为问题/陈述。这是因为像 shénme（“什么”）这样的 wh 词是在原地表达的，需要具有诸如 woman-wear-is-what（英语：“女人穿什么？”）和 woman-wear-is-shoes（英语：“女人穿鞋”）。也就是说，普通话版的“女人穿什么？（女人穿什么）和“女人穿鞋”。（woman-wear-is-shoes）在句法上是相同的，直到最后一个句子元素。此外，韵律线索也无法在听到最后一个元素之前区分这两个句子[4]。因此，句法和韵律共同导致言语行为（问题与陈述）在句尾之前在形式上是模棱两可的。我们推断，如果言语行为识别是快速构建透视的关键，那么在这些普通话话语中，实时理解的透视敏感方面应该被延迟。然而，由于言语行为本身是更广泛的交际生态系统的副产品（即，上下文为对话者提供或寻求信息提供了动机），因此更高层次的任务目标可能会提供线索，使听众能够在听到句尾的消歧信息之前正确预测话语是陈述而不是问题。