【原】PNAS:双语习得对大脑结构及功能可塑性的影响受基于个人经验的因素调节

思影科技 2020-10-13

展开全文

以往研究表明，学习和使用一门外语会影响大脑的结构和功能，包括与认知控制相关的区域以及它们之间的连接。然而，现有的证据对于这些影响在大脑层面的定位、范围和轨迹（联系）方面仍然是可变的。现有研究结果的可变性可能源于双语被作为一个分类变量(双语/单语)被研究者例行操作。但双语习得和使用是一个复杂的动态体验，有许多潜在的决定性因素影响相关的神经可塑性。来自英国雷丁大学的学者在PNAS上发文，探讨了双语使用中基于经验的因素(experience- basedfactors，EBFs)对大脑结构和功能连接的综合影响。EBFs包括一系列衡量第二语言在不同类型的沉浸式环境（可以理解为单纯的双语环境，沉浸式学习是双语教学中的一种方法）中的日常使用情况的指标(例如，社交环境中的使用量)。本次分析揭示了双语经验在大脑中特定的可塑性，包括结构上的和功能上的，这些结果与个体EBFs及其综合效应相关。综上所述，数据显示，大脑在处理和控制两种语言时表现出更好的可塑性，但这种可塑性最终会受到个人语言体验的调节。

关键词：双语神经可塑性灰质白质静息态功能连接

1.背景：

使用一种以上的语言会影响大脑结构和功能。知识和外语的使用创建了两个表征形式，它们在语言处理和生产的多个级别上竞争选择。相应的解决方案是成功沟通的必要条件，但同时也对语言和非语言执行控制系统提出了更高的要求。这需要大脑在功能和结构上都能适应双语转换和竞争的要求，以最佳的性能处理这些需求。但是，在现有的不同的研究中，双语习得对大脑可塑性的具体影响是有差异的，这些差异现在看起来可能比最初更加系统化。例如，相当一部分相互矛盾的研究证据，至少在一定程度上可能源于不同研究对双语的定义不一致。将双语的动态状况简化为一组预先定义的离散聚合组是失败的，这种做法可能掩盖了驱动大脑可塑性的因素。在相同的和跨亚型的双语人群中，重要的差异明显存于个人对个人的水平（individual-to-individuallevel）和特定的群体对群体（specificgroup-to-group levels）的水平上。因此，值得深思的是，为什么双语在相关的实证研究中经常被视为一个整体变量？

从以上的问题来看，要理解双语对大脑和大脑可塑性的影响，需要对各种双语体验对结果的预测效度(语言使用、接触等等，以及它们的相对权重)进行比通常使用（这样模糊的变量）更加细致的测量。这次研究关注的就是这一问题，研究避开了可能存在固有偏见的单语和双语的二分法（即只区分单语和双语变量）设计。为了做到这一点，研究者转而关注双语体验如何影响大脑的结构和功能连接，他们将双语能力作为一个连续体来研究。个体将被置于连续变量中进行建模，来更好地理解双语的动态特性如何对大脑产生不同的影响。

双语使用的神经可塑性通常被发现于大脑中与语言处理和控制有关的区域和通路中。但是目前具体地受到双语使用而影响的大脑区域并不明确，不同的研究结果得出的结论也并一致。首先是不同影像学技术手段的使用，使得相关研究发现的结果是不同维度的，例如不同研究发现双语对皮层和皮层下灰质体积、皮层下形状和白质纤维（FA）等都有影响，但是这些研究结果并没有形成一致和系统的解释。虽然也有些研究使用结构连接和功能连接的方法对双语及大脑可塑性的问题进行了探究，但是这些研究基本只使用了其中一种模态的方法，更加一致和系统的结论要求研究者使用更具一致性的方法。此外，更重要的是研究者需要承认双语本身反映了一种多维的经验状态，这可能导致不同的人适应不同的语言背景（即个体经验带来的差异）。这种观点其实是有迹可循的，有研究者提出双语对大脑的影响可能取决于三个主要的依赖因素:

(i)第二语言(L2)相对于第一语言习得的时间(L1)，即L1与L2的相互作用;

(ii)第二语言输入的性质，就第二语言学习这样复杂事物的强度而言;;

(iii)第二语言输入的程度，就使用第二语言的经验和机会的数量而言，这可能会提高第二语言的熟练程度，并导致相应的和神经解剖学方面可塑性的正相关。从这个角度来看，双语习得的经验性要素可能是解释双语习得研究中不同发现的关键变量。

有两种假设来试图解释观察到的双语体验的差异，它们主要集中在双语输入的程度方面。这两种假设主要用来理解作者在本次实证研究中发现的结果。自适应控制假说(adaptive control hypothesis ，ACH) 认为语言使用的上下文(单语、双语或密集的语码转换)规定了最适合处理计算负载的相关网络的招募。双语的前、后皮质下移位模型(The bilingual anterior to posterior andsubcortical shift ，BAPSS)指出随着L2使用的增加，对特定网络的依赖会从额叶区域转变为皮质下和后部区域。根据以上的假设，越来越多的研究开始研究基于经验的因素(experience-based factors ，EBFs)在双语习得中对大脑可塑性的影响，例如，L2的习得年龄(AoA)、沉浸时间（处于独立双语环境中的时间）和熟练程度。

但是，作者认为，到目前为止现有研究中所讨论的这些因素是受限的，因为它们是经过严格审查的，导致这些因素首先范围相对狭窄，其次因素之间彼此(相对)隔绝，从而导致变量之间共享的潜在组合效应是未知的。例如，双语沉浸为双语习得者提供了相应环境，使人们能够深入接触母语式的双语（L2）输入，并有机会在生态真实的上下文中使用双语，这反过来也促进了对母语（L1）的控制。但是，第二语言沉浸并不能保证所有人都有相同程度的第二语言接触，也不能保证所有人都有机会使用第二语言。因此，具体地衡量EBFs在个体双语习得过程中地效应和其交互情况是必要的。

本研究通过研究这两种因素的神经解剖学影响及其联合作用来解决这一问题：即居住在以第二语言(英语)为主导语言的国家(英国)的有经验的双语者使用双语的时间和程度对其大脑可塑性的影响（包括独立地影响和联合影响）。为了验证双语经验输入量对大脑结构和功能的可塑性的影响（如BAPSS模型所提出的那样），作者研究了两种EBFs对L2使用时间的影响，第一种为AoA（双语习得时间），以此来考察双语使用的总时长。第二种为双语沉浸式环境的时长，以此来考察在增加接触第二语言的情况下使用双语的时长。同时，为了检验ACH模型的预测能力，即结构和功能适应与L2使用的特定上下文相关的程度，作者还研究了与非母语参与程度相关的变量。他们使用了来自语言和社会背景问卷(the Language and Social BackgroundQuestionnaire ，LSBQ)的综合因素得分，以此来详细说明：(1) ，L2在社会/社区环境中的参与度；(2)， L2在家庭环境中的使用情况。以此进一步分离潜在的语言使用和神经可塑性的解释模式。

作者认为，通过LSBQ量表的使用，可以能够更好地评估双语者的双语使用状况。具体来看就是，尽管这两项得分（即双语者在社区（沉浸式环境）中的双语使用评分和家庭中的双语使用评分）都给我们提供了至少一种双语言环境下的接触程度的衡量标准，但在家里使用第二语言可能是一个更好的指标。该量表得分较低表明，一个人在家主要与母语使用者(伴侣、家庭)打交道，这使得家庭成为母语领域，而更广泛的社会环境(潜在的)则成为第二语言领域。相反，在社交环境中，较高的第二语言得分能更好地描述密集的语码转换在上下文中的状况，尤其是在语言转换和混合很常见的多语言社区中，如英国。最后，作者还关注了活跃的双语使用的影响，包括对总体时长(接触英语的总时长)和他们在英国的浸入式学习时间的时长。

这些因素被用作于模型评估的预测因子来通过一系列神经解剖学的测量方法去测量神经可塑性。因此，本次研究可以提供适用于所提议模型（即ACH模型和BAPSS模型）在不同级别的不同类型的证据(包括局部结构—指结构（structure）变化、远程连接—指白质连接和rest-fMRI中的默认功能)。灰质(GM)的测量方法包括大脑和小脑皮质GM体积(GMV)和皮质下结构的形状适应，以测量语言和认知控制区域的局部可塑性。衡量白质(WM)完整性的指标包括FA、平均扩散率(MD)、径向扩散率(RD)和轴向扩散率(AD)，以测量扩散率（即各向异性）的变化，这些变化反映了结构连接适应语言控制需求的变动。最后，该研究还研究了静息状态下的功能连接，以研究存在结构连接区域在功能连接方面的潜在功能当量，以及不存在结构连接脑区的潜在功能可塑性（即变化）。

作者还根据ACH模型和BAPSS模型对本次研究的研究结果进行了预测。作者根据BAPSS模型预测，双语习得时间和使用时间这两个因素(L2沉浸和L2 AoA)将预测与大脑皮层和皮层下区域L2处理和控制效率提高相关的大脑可塑性。例如，与自上而下的语言控制相关的额叶区域，如前扣带皮层(ACC)和背外侧前额叶皮层(DLPFC)，包括左额下回(IFG)，皮质GMV会降低。这将反映出由于广泛的接触双语环境会促使更多的自动化语言控制，并且更少地依赖自上而下的控制过程。此外，右海马区GM的也应该呈现为减少的模式，这一区域参与了短期/陈述性记忆过程，在双语词汇习得的初始阶段，该区域的容量不断增加。这将表明长期经验丰富的双语使用者可能较少依赖该区域，因为他们学习新词汇的需求可能较小。此外，L2使用时间的延长会导致与语音监测和选择相关的皮层下结构的增加。例如苍白球和壳核的变化，表明随着经验的增加，这些核的参与增加(和有效)，而控制语言的核心结构，如尾状核和丘脑的参与相应减少，意味着随着双语经验的增加，对可用语言的控制将更有效。类似地，作者预测WM（白质）完整性与较长的L2使用呈正相关，这会体现在提供额顶叶连接和基础句法和语义处理的束中，比如额枕下束和上纵束。这将表明长距离结构连接的变化是经验依赖的。

在更大程度上参与第二语言的过程中，作者预测与语言选择和控制需求增加相关的可塑性变化，包括ACH模型预测的皮层和皮层下区域，以及连接它们的WM。具体来说，作者认为一些皮质区域的体积会增加，如双侧IFG、顶叶下叶(IPL)和ACC，皮质下结构的形状/体积增加，如丘脑和尾状核。此外，连接这些区域的白质纤维束的可能FA增加(/或RD/MD减少)，尤其是胼胝体(CC)，它在IFG和IPL的两个同源体之间提供半球间的连接。以及丘脑前部辐射(ATR)，它提供丘脑和额叶皮质之间的连接。此外，正如ACH模型所猜想的，密集语码转换的环境应该会导致小脑及其与额叶区域的功能连接的进一步改变。

本次研究关于与第二语言的主动参与长度相关的EBFs在以往未被研究过，因此这次研究在本质上是探索性的。但作者认为根据已有研究的结果和模型，可以初步预测，任何神经解剖学上的可塑都将与基于持续时间的预测因子重叠，特别是与提高语言控制过程效率相关的神经可塑性变化。

2.方法：

2.1被试和材料：

65名会说两种语言的成年人(健康、右利手，49名女性，Mean age:31.7岁，SD:7.24，range:18-52)参与研究。参与者说多种第一语言(L1)（注意：即参与者的母语知识和环境存在差异），但所有人都将英语作为第二语言(Mean AoA: 8.51 y, SD: 4.87, range: 0 22)。大多数人出生在其他国家，并在不同年龄移居英国(Mean age:26.41岁，SD:7.73，range:3.1 50.9)。其中有三名被试出生在英语国家(英国和爱尔兰)的非英国父母家庭，他们以各自的母语为母语，小时候搬到父母的居住国，然后在较晚的时候搬回英国。在教育程度方面，除三名持有高中学历的被试外，所有参加者均持有至少大专学历或文凭。在就业方面，除一人外，所有参与者都报告说他们要么是研究生教育的学生，要么是各行各业的专业人士，包括商业、市场营销、金融、医疗保健和教育领域的专业人士。参与测试时所有被试均居住在英国(平均浸入时间:70.94 mo, SD: 73.7，范围:0.26-383.85)。值得注意的是，作者采用了最低限度的排除标准来招募尽可能广泛的语言经验。一些被试(n = 33)除了母语和英语之外，他们还掌握了其他语言的知识。在这些掌握更多语言的被试中存在不同程度的第三语言的掌握能力和经验，为了控制L3/n（第三或者更多）语言体验的潜在影响，在分析中，任何与这些额外语言的接触都被作为协变量进行控制。对额外语言影响的测量根据对每种语言的阅读、写作、口语和听力四个问题的回答计算出来的参与度百分比，然后根据计算结果总结每个参与者所有其他语言的影响。在这里，作者观察到平均的额外语言的使用量为0.13 (additional language exposure，可以理解为暴露在额外语言即处理母语和英语外的语言环境的情况； SD: 0.26;range:0 -1.5)。

被试被要求完成一项英语水平测试，即纸笔形式的the Oxford Quick Placement test (QPT)。根据他们的QPT表现(Mean score 88.35%，SD 10%，range: 51.7-100%)，所有被试都是高中级至高级水平的英语使用者。

被试还完成了一份语言历史问卷，即LSBQ，它记录了被试从童年早期到如今在一系列环境中使用的已知语言。所有被试认为自己精通英语，且经常使用英语（测试结果如表1、2）。

由Anderson等人开发的因子得分计算器提供了一系列的语言使用分数，这些分数基于对LSBQ中有关语言暴露、熟练程度和使用的多个问题的回答，表明双语语言参与程度。其中两个因子的得分被调整并用作模型中的变量。被试的在家庭和社会/社区两种不同情境下L2使用的详细程度，是以LSBQ中记录的测量方法的加权总分计算出来的。

第一个是L2_Home，它详细描述了L2熟练程度和在家庭环境中的使用情况。

另一个是L2_Social，详细的记录暴露在L2环境中的情况和在社会/社区环境中的使用情况。一个需要注意的情况是，本次研究中作者使用的是旧版本的LSBQ(version 1 )问卷，比Anderson et al用于创建他们的因素得分计算器的版本更老(version 3),因此，其中一个包含在L2_social(“Language use with Friends”)的问题并不在作者这次使用的问卷中,因此这部分内容没有包含在作者的因子得分计算中。也因为这个原因，作者在L2_Social方面的分数计算并未完全Anderson et al开发的因子得分计算方法进行，但使用了类似的方法来达到最大程度的近似。按照另一方面，L2_Home因子得分的计算方法与Anderson等人的方法相同。对于这两种因素的得分，得分越高表示在第二语言中使用得越多，得分越低表示对母语的参与度越高。我们观察到L2_Social的平均得分为51.5 (SD: 11.36，range:10.77 74.53)，L2_Home的平均得分为2.38 (SD: 5.25，range:8.91 16.7)。（注：被试的人口统计学信息和问卷得分见补充材料）

2.2语言经验因素

模型1包括了4个EBFs作为预测L2暴露（即处于L2环境）和使用的时间和程度。这些因素包括了：

(1) L2习得年龄(年)、

(2) L2沉浸时间(月)、

(3) L2在社交/社区环境中的使用(L2_Social)

(4) L2在家庭环境中的使用(L2_Home)。模型1中的预测因子在广义线性模型(GLM)中分别进行分析，控制其他预测因子和协变量的影响。这是为了测试每种语言体验的个体效果。使用第二语言AoA和第二语言浸入时间的长短检验了接触和使用额外语言的时间。沉浸时间的计算方法是在被试参加扫描之前，通过他连续几个月生活在英国的时间来计算。出于数据是非正态分布和没有时间上的线性相关的预测这两个原因，作者对AoA和沉浸时间进行了对数转换（log-transformed ）。另外两个预测因子(L2_Social和L2_Home)考察了双语或L2在不同环境中的使用程度，并根据LSBQ得出加权因子得分。双变量相关分析显示被试的QPT分数(英语水平)与所有其他指标相关（表三），这表明熟练程度本身是双语经验受双语经验因素导致的结果，因此将不包括在模型分析中（注：作者的这一判断是基于文献的，该文献讨论了熟练度测量是否适合作为大脑可塑性的预测因子。）

鉴于基于持续时间的预测因子不能解释一个人在多大程度上使用额外的语言（即双语），作者还试图研究活跃地使用额外的语言（即双语）是否会调节大脑可塑性。因此，运行模型2来评估活跃地使用双语的持续时间所带来的影响：(1)活跃使用L2的总年数(Yrs_Active_L2)和(2)在沉浸式环境中活跃使用L2的时间长度(Immers_Active_L2)。第一个预测因子(Yrs_Active_L2)是通过计算从语言习得到测试的几个阶段中英语使用的平均百分比来确定，然后将这个百分比乘以使用L2的总年数。这个计算产生的值表示活跃使用L2的年数(Mean:10.11 y, SD:5.11，range:0.96 - 30.08)。第二个预测因子(Immers_Active_L2)的计算首先要计算反映日常英语使用的百分比，其中包括四个与阅读、写作、口语和听力相关的问题。然后，用这个百分比的值乘以浸入式学习的月数。这个计算得出的值对应于在浸入式设置中积极使用英语的时间量(平均活跃浸入学习时间:58.43 mo，SD:60.85，range:0.1 -287.89)。由于预测变量均不是呈正态分布的，(Years_Active_L2:W = 0.907, P < 0.001;Immers_Active_L2: W = 0.8313, P < 0.0001)，因此都进行了对数转换（log-transformed ）。

对于模型1和模型2，群体平均值、年龄(以年为单位)、性别以及任何持续接触第三种(或更多)语言的情况都被作为协变量来排除这些因素带来的影响。最后，模型中所有变量均以均值为中心。

2.3数据采集

脑成像数据是在3T Siemens MAGNETOM Prisma_fit MRI scanner上获得，该扫描仪采用32通道线圈和Syngo软件。获得全脑静置功能图像，扫描参数：300张图像（volume），FOV: 192 *192，横截切片68张，切片厚度2.0 mm，体素大小2.1* 2.1* 2.0 ，TR = 1500 ms，TE = 30 ms，翻转角度66。被试被要求在扫描过程中睁大眼睛（保持清醒）。结构像采集：256矢状切片（即层）,0.7毫米层厚、平面250*250,收购矩阵246 256毫米,TE = 2.41ms,TR =2400ms，反转时间= 1140ms,翻转角度= 8度)。最后，进行弥散加权回波平面成像(EPI)扫描(60层，2mm层厚，采集矩阵256* 256，平面分辨率128*128，两个b0像，TE = 70 ms, TR = 1800 ms，64个方向的b1像)。

2.4数据处理

脑成像数据都使用FSL软件处理，静息态数据使用FSL的独立成分分析（ICA，Melodic）方法进行分析，白质（WM）数据使用FSL的eddy、FDT、TBSS进行分析，灰质（GM）结构数据使用FSL的 fsl_anat进行分析。一位被试的数据因为扫描时的意外被排除。

图像被重定向到蒙特利尔神经研究所的MNI-152模板上，自动裁剪，偏场校正，并非线性配准到MNI空间。采用基于体素的形态学方法估计GMV。对预处理后的图像进行脑提取和GM分割。然后使用GM图像的平均值创建一个特定于研究的模板。将原始GM图像注册到该模板中，并对其进行调制，以纠正由于配准的非线性成分而导致的局部膨胀和收缩。用各向同性高斯核3毫米对其进行空间平滑。

皮层下结构的分析通过使用A Bayesian model of shape and appearance forsubcortical brain segmentation 这篇文章中的第一个自动化处理工具包来做，自动分割双侧伏隔核、海马、杏仁核、丘脑、苍白球、壳核、尾状核，这些数据将用来做进一步vertex的分析（即基于顶点的分析）。对于所有被试的数据，每个结构都经历了一个6自由度（6个方向，包括平动加转动）的刚体转换，配准到标准空间中的特定研究模板。然后将个体的顶点坐标投影到模板的平均坐标上。这导致空间图表示平均结构的垂直位移，包括正(外表面)或负(内表面)值。

对DTI数据进行了涡流矫正等预处理后，提取了FA, MD, RD和 AD指标用来反映白质完整性。使用TBSS方法对个体差异进行了评估，将FA(和其他扩散系数，即MD、RD和AD)图像非线性地配准到标准空间FA目标图像中，并将其仿射到MNI标准空间中。这就产生了一个4D图像，由每个的被试FA图像组成。然后使用TBSS方法创建了白质骨架，阈值为0.2（一般认为白质的各向异性值大于0.2），并使用非线性配准的方法将其配准到标准空间中。

静息态数据处理使用的是FSL的独立成分分析方法（ICA，具体是MELODIC），作者设置的最大成分数为20个，然后根据Griffanti等人指定的准则，对这些成分结果进行手动检查和分类。分类为噪声的成分被排除在进一步的分析之外（包括头动形成的和白质、脑室、脑干占比过多的等等），最后剩余11个有效成分。作者对这些网络进行了与以往研究确定下来的静息态网络进行了视觉匹配，包括默认网络、视觉、小脑、执行控制、感觉运动、听觉、左顶叶和右顶叶网络。然后作者使用双回归（dual_regression ）的分析方法进行了组水平分析。具体做法为首先将所选成分的空间映射回归到每个被试的4D数据集中，为每个被试的每个成分创建时间进程（time-course）。Time-course随后被回归到单个数据集中，为每个被试创建空间图像，这将会产生一系列的统计图像来详细说明了每个预测因子（即前文测量的因子）对每个成分内部连接的影响。

2.5数据分析

对于上述四种类型的神经成像数据，使用FSL中GLM工具创建设计矩阵，从体素层面比较评估被试与语言经验相关的大脑可塑性。来自LSBQ的人口统计数据被用作预测因子，年龄、性别和接触其他语言的情况被作为协变量处理。采用随机化方法（即非参的方法）对神经影像学数据进行统计分析，permutations次数为5000。使用TFCE的矫正方法，p值为0.05。由于使用二元回归分析的静息态数据中的不同成分不适合进行跨成分的多重比较矫正，因此采用了Bonferroni-corrected方法（即FWE矫正），真实P值≤ 0.0045 。

3. 结果

模型一结果：AoA、沉浸感、L2在家庭环境中的使用程度以及L2在社交/社区环境中的使用的独立影响

（1）TBSS分析发现：

L2 AoA与CC（胼胝体）头部和膝部分FA值呈正相关（图1）。其他因素都不能预测FA模式。分析没有发现预测因子对AD、MD或RD值有任何显著影响（即无显著相关）。

图1

（2）Vertex analysis （顶点分析，皮下结构）results：

研究发现，与双语使用时间和程度相关的几个因素可以预测皮质下结构的重塑。L2 AoA被发现对左伏隔核和双侧丘脑的扩张有显著的预测作用。L2沉浸时间的长短显著预测了右侧尾状核后段(扩张和收缩)和右侧壳核扩张以及双侧丘脑和伏隔核收缩的可塑性（图2B）。L2_Social预测左尾状核、左伏隔核和右丘脑（图2A）的几个部分会扩张。（这部分的统计结果见表5）

图2

（3）静息态功能连接：

L2 AoA在校正的显著性阈值上显著预测了静息状态的功能连接。具体来说，L2 AoA与视觉网络相关的成分的连通性（即网络连接）呈负相关关系（见图3和表6），没有其他预测因子与静息态功能连接模式显著相关。

图3

模型二结果：

两种语言经验因素都被发现可以预测皮层下的可塑性。具体来说，左伏隔核的扩张与Years_Active_L2相关。结果还发现，Immers_Active_L2可以预测右侧尾状核的扩张和收缩(图4)，也可以预测右侧伏隔核的收缩(统计结果见表7)。

图4

4. 讨论

本研究探讨了双语经验对大脑结构和功能连接的影响，通过考虑特定的语言体验因素的影响，发现在双语个体和群体中，细微的差别会导致连续的神经解剖学效应。研究发现EBFs对大脑结构（即皮层形态和皮下结构）、结构(及白质纤维连接)和功能连接（静息态功能连接）有特定的影响。在模型1中，与持续时间(AoA和沉浸时间)和L2使用程度(L2_Social和L2_Home)相关神经可塑性之间也存在差异。模型2考察了一个人活跃使用第二语言的时间长短的影响，与模型1中基于持续时间的预测因子对神经可塑性的预测产生了相似和不同的结果。综合考虑，研究结果表明，在研究双语经验的神经解剖学影响时，有必要进一步考虑特定的语言经验/个体差异对最终结果带来的影响。

（1）第一个模型反映出了受双语使用时间（AOA）和程度调节（沉浸时间）影响的语言体验因素的独立效应。这部分结果与作者之前的预测相符。双语使用持续时间的影响反映了提高第二语言处理和控制效率的可塑性，而使用程度的影响则反映了对提高语言选择和监控过程的认知成本的可塑性（注意：这里指的是执行相关功能的脑区）。

（2）第二个模型反映了活跃使用第二语言的时间量带来的影响，包括总体时间和沉浸式环境时间。该模型的预测因子与第一个模型的EBFs在神经效应方面有相似之处;然而，也发现了特有的神经可塑性结果。研究结果表明，语言使用比例的具体影响（即活跃使用双语这一因素）在第二语言使用的时间过程中表现出不同的特点。

5. 结论

这项研究的目的是验证与双语能力相关的特定的基于经验的因素是否可以预测大脑的特定可塑性。作者的研究结果表明，在负责语言和认知控制的区域，神经解剖学的可塑性对不同的EBFs因子具有统计特异性。这些结果表明，大脑在处理交际环境的认知需求时进行了优化（即反映在结构和功能上的可塑性），从而达到了最高效率。就双语语言使用而言，这种神经认知的优化是一个动态的过程，这个过程受语言使用的持续时间、程度及其综合作用的调节。综上所述，这些数据结果支持了这样一种观点，即在未来检验双语能力和相关神经认知适应性的研究中，应该详细考虑特定的语言体验对结果的影响。作者认为，本次研究中使用的EBFs因子还并不全面，在以后的研究中，应该更加全面地考虑基于经验的因素对双语习得引起的大脑可塑性的影响。