解碼腦電訊號：探索人腦中下一詞可預測性的神經機制
該研究透過腦電圖（EEG）以毫秒級解析度記錄大腦活動，探究詞彙可預測性如何影響N400成分（刺激後300-500毫秒）。結果表明，實義詞（尤其是動詞）的可預測性效應顯著強於功能詞，且解碼技術比傳統ERP分析更能捕捉認知過程的細節表徵。
人類發明了閱讀，並透過語言將這一複雜技能代代相傳。近期一篇發表在arXiv上的研究（arXiv:2607.18321）為理解閱讀過程中大腦的神經機制提供了新的實證證據。該研究聚焦於兩個相互作用的加工過程：自下而上的處理（涉及高階語言結構）和自上而下的處理（涉及下一詞的預測性）。儘管之前的研究分別探討了預測性的N400效應或詞彙類別，但關於預測性如何在不同詞彙類別中影響N400響應的研究仍然有限，主要受限於公開資料集的可用性。
在這項工作中，研究人員利用腦電圖（EEG）以毫秒級時間解析度記錄大腦活動，重點分析了刺激後300-500毫秒的N400時間視窗，並考察了多種詞彙和語法類別。實驗基於完形填空機率（cloze probability）將詞彙分為高預測性和低預測性兩類。結果顯示，實義詞（content words）在高、低預測性條件下的N400差異顯著大於功能詞（function words）。進一步將實義詞細分為名詞和動詞後，發現動詞的N400差異比名詞更明顯，但名詞所攜帶的預測性資訊則比動詞更為獨特。
此外，研究還對比了傳統事件相關電位（ERP）分析與解碼技術（decoding technique）的效果。結果表明，解碼技術在捕捉認知過程隨時間變化的詳細表徵方面比ERP分析更有效。這一發現提示，基於機器學習的解碼方法能夠從腦電訊號中提取更豐富的預測性相關資訊，為揭示閱讀中語言理解的神經動態提供了強有力的工具。
該研究的創新之處在於同時考慮了預測性和詞彙類別，並利用先進的解碼方法突破了傳統分析的限制。未來，這類研究有望深化我們對閱讀障礙、語言發育以及神經退行性疾病中語言功能改變的理解。