1958 年，Jean Berko 在论文 “The Child’s Learning of English Morphology” 中使用虚构词检验儿童是否能把英语形态规则应用到从未听过的项目。最著名的材料是一只虚构生物：研究者告诉儿童 “This is a wug”，再展示两只并问现在有两只什么。若儿童回答 wugs，答案不可能只是复述记忆中的熟词，因为实验者刚刚创造了 wug。
这项工作是 Berko 提交给拉德克利夫学院的博士论文，研究得到 Roger Brown 的支持。被试来自两所学校：剑桥的哈佛幼儿园（四至五岁）和马萨诸塞州布鲁克莱恩的 Michael Driscoll 学校一年级（五岁半至七岁），另有 12 名大学毕业的成人作对照组。整套工具只有 27 张色彩鲜艳的图卡，每张卡印一句留空的话，实验者读句、儿童补词，全程约十到十五分钟——后来成为经典教科书的这套设计，本身轻得像一次课间游戏。
这个任务经常被压缩成“儿童证明自己懂语法”。更准确的问题是：在受控提示下，儿童能否把若干英语屈折模式推广到新词？它测到的是形态生产性的一部分，不是整个语言能力。
为什么必须使用虚构词
若问一个儿童 cat 的复数，他回答 cats 可能来自至少三种机制：直接记住整个词形；类比若干相似单词；或把可推广规则作用到词干。这三种机制在熟词上给出完全相同的答案，只在面对新项目时才分道扬镳——记忆派沉默，类比派看邻域，规则派看类别。熟词答案无法把这些解释分开。虚构词移除了“直接记忆完整答案”这一条路径，使推广成为回答的必要条件。
但虚构词并没有移除所有既有知识。儿童仍会利用英语的音系类别、词类线索、图片数量和句法框架。实验设计的巧妙之处正在这里：它不是制造无背景学习，而是把已学系统面对新项目时怎样运作暴露出来。
材料怎样构成最小比较
原研究并非只测试复数，还考察过去时、所有格、第三人称单数、比较级等形式。材料选择不同结尾的虚构词，使所需语音实现发生变化。英语复数、所有格与第三人称单数共享同一组语音条件变体：咝音与塞擦音后增加一个音节读作 /əz/（glasses、watches），清辅音后读 /s/（hits、hops），其余情况读 /z/（bids）。儿童若不仅添加某个固定声音，还随词尾选择合适变体，说明他们掌握的不只是“末尾加 s”这条拼写口诀。
27 张图卡的具体分布值得记住：名词复数用了 wug、gutch、kazh、tor、lun、niz、kra、tass、heaf 和一个真词 glass；过去时用了 spow、rick、mot、bod、gling、bing 和真词 ring；第三人称单数用 naz、loodge；所有格用 niz、wug、bik；比较级用形容词 quirky；派生与复合则问“以 zib 为业的人叫什么”（期望 zibber）、“wug 住的房子叫什么”。其中 gling 与 bing 是埋进去的探针——英语里以 -ing 结尾的动词过去时几乎全部不规则（sing–sang、ring–rang、cling–clung），用来测试儿童会不会被不规则词族拉走。复数所有格甚至测试零形式：boys' 在 boys 之后不加任何声音，这是一条“什么都不加才对”的规则。
每个项目通常先建立虚构词的指称和语法类别，再通过句子留空诱导目标形式。图片降低记忆负担，也把单数与复数、一个动作与已完成动作等语义对立保持清楚。回答随后按是否出现目标形态和语音变体编码。
结果支持什么
儿童对许多新词确实产生了系统性屈折形式，且表现随年龄和项目类型变化。这支持一个有限而重要的结论：儿童语言知识不只是储存听过的句子和词形；他们能从输入中形成对新项目有效的概括。
具体数字比总印象更有意思。真实词 glass 的复数，91% 的儿童能答出 glasses；换成按 glass 仿造的虚构词 tass，只有 36% 能给出 tasses；到以 /z/ 结尾的 niz——/z/ 恰好就是最常见的复数变体——正确率跌到 28%。关键在于：这四个需要 /əz/ 的项目上，从幼儿园到一年级没有显著进步，而 wugs、glasses 等项目上有。错误的形态也很一致：面对 tass，62% 的儿童坚持说 “one tass, two tass”，语气笃定。他们用沉默回答复杂性，把“不加任何东西”当作答案，而不是乱加一个后缀。相反，不需要选择变体的进行体几乎满分：97% 的一年级学生说出了 zibbing。
错误同样是证据。若儿童把不规则模式推广到新词、只使用最常见后缀或在某些语音环境中表现较差，错误分布可以揭示类别边界和规则竞争。第三人称单数的两个项目同样需要 /əz/：loodges 有 56% 的儿童答对，nazzes 只有 48%，且从幼儿园到一年级毫无进步。比较级更极端：80 名儿童中只有一人主动说出 quirkier/quirkiest；要等实验者先示范了 quirkier，才有 35% 能接上 quirkiest。研究不能只报告总正确率，因为两名儿童可能得到相同分数，却使用完全不同的错误策略。
不规则形式的反向证据
gling 和 bing 两个探针给出了原论文最锋利的结果。成人清楚感到不规则词族的引力：75% 把 gling 的过去时说成 glang 或 glung，一半成人对 bing 说 bang 或 bung。儿童却几乎完全免疫：86 名作答儿童中只有一人说出 bang，另有两人说 glanged（换了元音还不忘加规则后缀）。需要音节性 /əd/ 的 motted 与 bodded 正确率分别只有 33% 与 31%，真词 rang 只有 17%——没有一个幼儿园孩子知道它。
换句话说，在这个年龄段，儿童的系统是规则的，成人的系统才是不规则的。成人被相似词族拉向类比，儿童则把默认后缀当作默认值。后来延续数十年的“规则还是类比”之争——Pinker 的 words-and-rules 对 Bybee 基于用法的形态学——双方都能在这组数据里找到弹药，这正说明虚构词任务不能单独裁决机制之争。
成人也不是终点裁判。三分之一的成人把两只戴帽子的 wug 的所有格说成 wugses'，受英语姓氏复数（the Lyonses）的类比干扰——而这些成人的回答恰恰被当作评分标准。连“标准答案”都需要成人样本来标定，而这个标定本身并不干净。
不能推出什么
首先，成功不能单独裁决“规则”与“类比”之争。一个储存大量词形并按相似性推广的系统，也可能对虚构词生成规则状答案。1986 年 Rumelhart 与 McClelland 的联结主义过去时模型正是用这种方式再现了儿童的规则化乃至过度规则化（把 go 说成 goed），而没有写入任何显性规则；围绕它模拟得像不像儿童的争论本身持续多年。要区分机制，需要系统改变词频、邻近词族、音系相似度和不规则竞争，再比较模型的逐项目预测。
第二，英语后缀任务不能代表所有语言。黏着语可能有长串形态，屈折语可能出现词干交替，孤立语则较少依赖词内变化。图片填空也偏好容易视觉化、可用单一词形回答的语法意义。有研究者尝试把 Wug 测试移植到日语，发现“虚构名词求复数”的模板几乎不成立——日语名词本无强制复数标记，测试必须另找形态过程下手。跨语言复制必须重新设计材料，而不是把 wug 翻译成另一个声音。
第三，实验中的诱导回答不等于自然交谈。Berko 自己记录了一个细节：许多儿童显然以为自己在被教新的英语单词，听到 “This is a gutch” 会立刻跟读 “Gutch”。儿童可能理解任务期待、模仿实验者语调或避免听起来奇怪的形式。任务测得的是在特定互动框架中的能力上限或倾向，而非日常使用频率。
关键测量误差
发音编码会受方言和儿童语音发展影响。一个儿童可能知道复数对立，却因尚未稳定产生辅音连缀而让目标结尾听起来缺失。若评分只按成人标准音，形态知识与发音能力就会混在一起。可靠研究应保存录音、由多名编码者独立判断，并报告分歧如何解决。
词项本身也可能不是完全中性。有些虚构词与真实词过于相似，容易触发特定类比；有些音序不符合目标语言常见模式，会增加发音负担。评分标准也依赖成人样本的标定：heaf 一题上 42% 的成人说了不规则的 heaves，于是 heafs 与 heaves 都被计为正确——换一批成人，“正确率”就会变。kazh 则是一个刻意安排：词尾 /ʒ/ 在英语里极为罕见（只出现在 garage 一类词的部分发音中），用来观察儿童对陌生音的归类方向——结果他们把 kazh 和其他咝音结尾词同样处理。项目难度因此应在成人或更大儿童样本中预试，并把逐项目结果保留下来，而不是只给平均数。
今日怎样复核
先补一条历史线索：Berko 后来以 Jean Berko Gleason 的名字主编多版语言发展教材，那只小鸟状生物随之进入全球课堂，改编版还被用于语言障碍的临床筛查。一个十分钟的图卡游戏成了发展心理语言学的标准教具，这在实验方法史上并不多见。
现代复核可以把每个虚构词的音系特征、真实词邻域密度和后缀频率参数化，预注册不同理论的预测。研究者还可以比较即时口头回答、眼动、反应时与自然语料，看同一推广是否跨测量方式稳定。
更重要的是扩大语言与儿童背景。双语儿童接触两套形态系统，方言使用者的目标变体可能不同，语言障碍儿童的语音和形态困难也不能用单一总分解释。材料、评分规则和排除标准必须与研究群体共同校准。
对机器学习模型也可以实施类似压力测试：训练语料中必须确认没有出现测试虚构词或高度相似模板，再观察模型能否根据新上下文产生恰当形式。2026 年发表的一项多语种研究把改编版 Wug 测试同时施于六个大语言模型和 160 名成人母语者，横跨英语、西班牙语、希腊语与加泰罗尼亚语：模型在英语、西班牙语上与人类持平甚至更高，在加泰罗尼亚语上则显著更差；统计比较显示，预测模型准确率的首要因素不是语言的形态复杂度，而是语言共同体规模所代理的训练数据丰度。模型答对并不表示它与儿童使用相同机制——儿童在输入量远小于任何模型的条件下仍能推广，说明两者的成功不能互相注解——但逐项错误对比能把“都能输出”推进到“怎样推广”。
反事实压力测试
如果把虚构词换成熟词，正确率上升不能说明规则变强，因为直接记忆重新进入。若删除图片但保留句法框架，下降可能来自指称和任务理解，而非形态知识。若所有项目都只需要最常见 /s/，儿童可用单一策略通过，无法证明他们掌握条件变体。
若儿童只在与大量熟词相似的新词上成功，却在稀有音系结构上失败，这更支持受词汇分布约束的推广；若他们在低相似度项目上仍按抽象类别稳定变化，抽象规则解释获得更强支持。同理，若把评分标准从成人式改为接受方言变体，原先判错的回答可能翻正——此时变化的不是儿童的语法，而是我们对“正确”的定义。实验价值来自让这些理论产生不同预测。
从一次回答到可复核数据
一份可靠记录不能只写“答对”或“答错”。研究者至少要保存实验者给出的实际提示、儿童的原始语音、迟疑和自我修正、编码后的词干与后缀，以及编码者对方言形式的判断。若儿童先说出无后缀形式，停顿后再补充正确形式，这与立刻产生目标词形可能反映不同加工过程；把两者都压成一分，会失去最有解释力的时间信息。
评分方案也应在看见结果前确定。完全正确、存在可辨认后缀但语音实现非成人式、重复实验者、无回答，应该是彼此分开的类别。多名编码者的分歧不只是需要消除的噪声：若分歧集中在某类词尾，可能说明材料把形态判断与语音知觉纠缠在一起。公开逐项目匿名数据后，其他研究者才能用规则模型、类比模型和概率模型对同一批回答作真正可比较的解释。
跨域连接
- 形态学：Wug Test 把词素、词干和屈折变体从定义变成可观察行为；正确的语音条件变化比简单加字母更有诊断力。
- 第一语言习得：任务显示输入有限不等于学习只能复述，但它不能单独说明概括来自先天约束、统计学习还是社会互动。
- 实验语言学：虚构词是一种控制工具。它排除熟词记忆，同时引入自然度和任务理解的新误差，需要预试与多指标复核。
- 词与句子：句法框架先把新词指定为名词或动词，形态规则才能作用。词类不是词自身声音自动携带的属性。
- 机器学习概览：训练内复现与分布外推广的区别，在儿童实验和模型评测中结构相同；测试污染都会让记忆伪装成规则。
参考文献
- Berko, Jean. “The Child’s Learning of English Morphology.” WORD 14, no. 2–3 (1958): 150–177. https://doi.org/10.1080/00437956.1958.11659661
- Max Planck Society, MPG.PuRe. “The child’s learning of English morphology,” publisher-version record. https://pure.mpg.de/view/item_2281723
- Pantelidou, Nikoleta, Evelina Leivada, Raquel Montero, and Paolo Morosi. “Community size rather than grammatical complexity better predicts Large Language Model accuracy in a novel Wug Test.” PLoS ONE 21, no. 3 (2026): e0343164. https://doi.org/10.1371/journal.pone.0343164
- Rumelhart, David E., and James L. McClelland. “On Learning the Past Tenses of English Verbs.” In Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol. 2. MIT Press, 1986.
- Pinker, Steven. Words and Rules. Basic Books, 1999.
- Bybee, Joan. Morphology: A Study of the Relation between Meaning and Form. John Benjamins, 1985.
- Ambridge, Ben. Child Language Acquisition: Contrasting Theoretical Approaches. Cambridge University Press, 2015.