"一些学生通过了考试。"听到这句话，几乎所有人都会理解为"一些、但不是全部"。可是逻辑学家会告诉你，"一些"在语义上兼容"全部"——假如全部学生都通过了，这句话仍然为真。字面意思与人们实际理解之间的这道缝隙，就是语用学要解释的东西，而"如何解释"长期只是哲学家坐在扶手椅里的推理。实验语用学（experimental pragmatics）做的事，是把这道缝隙搬到实验室里，用反应时、眼动、脑电和儿童行为去测它：含义到底是自动弹出的默认解读，还是听话人结合语境一步步算出来的推理？两种理论给出相反的预测，而实验能判决谁对——这正是这个领域 2004 年由 Noveck 与 Sperber 主编的论文集《Experimental Pragmatics》正式命名以来，迅速成为 pragmatics 最活跃分支的原因。
从格赖斯到可检验假设
1967 年，哲学家 H. Paul Grice 在哈佛大学的 William James 讲座上提出会话含义（conversational implicature）理论，讲稿 1975 年以〈Logic and Conversation〉为题正式发表。他的核心想法是合作原则：交谈双方默认彼此合作，其中数量准则要求说话人"说得足够足量"。于是当说话人说了较弱的"一些"而没说较强的"全部"时，听话人反推：如果"全部"为真，他本该说"全部"；他没说，所以"全部"不成立。这条推理链条把"一些" strengthen（强化）成了"一些但非全部"。因为"一些/全部"这类词按信息强度排成等级——Larry Horn 在其 1972 年的 UCLA 博士论文中系统化了这种等级，后称 Horn scale——这类含义得名标量含义（scalar implicature）。
格赖斯的解释是规范性的：它说明含义"应该如何"推出，却没有说人脑实际上怎么推。真正把它变成可检验假设的，是理论内部的分裂。Levinson 在 2000 年的《Presumptive Meanings》中主张，广义会话含义是默认推理：只要语境没有特别阻止，"一些"自动解读为"非全部"，取消这个默认才需要额外努力。Sperber 与 Wilson 的关联理论（relevance theory，1986 年首版《Relevance: Communication and Cognition》）则站在对面：不存在任何默认解读，每一次理解都是听话人按"以最小加工代价换取最大语境效果"的原则即时计算出来的，含义的产生本身就要花认知资源。默认论预测含义来得快、取消含义慢；关联论预测产生含义慢、且在支持性语境里可以很快。预测相反，实验就有了用武之地。
案例一：儿童为什么比成人更"逻辑"
第一个经典实验来自 Ira Noveck 2001 年发表在《Cognition》上的"When Children Are More Logical than Adults"。他给 5 至 10 岁的法国儿童（不同实验覆盖 5、7、9 岁或 8、10 岁组）和成人判断一些语义上为真、但信息量不足的句子，并附了明显为真和明显为假的对照句确认被试理解任务。结果整齐地分裂：成人有相当比例拒绝这些"弱"句子——他们按语用方式理解"一些"；儿童则压倒性地接受，严守逻辑解读。也就是说，在标量含义这件事上，儿童比成人更"逻辑"，含义是发展出来的，不是天生的默认。
Papafragou 与 Musolino 2003 年同样发表在《Cognition》上的研究把这个年龄效应钉得更细。他们给 5 岁希腊儿童看一个场景：三匹玩具马全部跳过了篱笆，然后木偶说"一些马跳过了篱笆"。成人几乎一致地说木偶"答得不好"；儿童却大多接受。关键的转折在数词条件：同批儿童被问"两匹马跳过了篱笆吗"时，他们像成人一样干脆地拒绝——因为跳过去的是三匹。儿童完全有能力做精确的数量核对，缺的不是逻辑也不是数概念，而是"说话人本该用更强的词"这一层语用推理。这个对照后来成为儿童语用研究的标准范式：同一个孩子，在数词上像成人，在量级词上不像，说明标量含义的难点在推理而非词汇语义。关于儿童语言能力发展的更宽背景，见 first-language-acquisition。
案例二：响应时间与"逻辑解读"之争
成人那头也有争议，核心文献是 Bott 与 Noveck 2004 年发表在《Journal of Memory and Language》上的"Some Utterances Are Underinformative"。他们让被试判断"Some elephants are mammals""Some people have lungs"这类句子——语义为真，但"全部"版本的常识更强。接受算逻辑解读，拒绝算语用解读。两个发现撑起了一场持续二十年的争论。第一，语用解读耗时更长：拒绝"Some elephants are mammals"的被试，反应时显著长于接受它的被试。第二，在他们第四个实验里，把作答时限从 3 秒压缩到 900 毫秒后，语用解读的比例明显下降。De Neys 与 Schaeken 2007 年的双任务实验补了一刀：让被试同时背记点阵占用工作记忆，认知负荷下人们变得更"逻辑"。这些结果联手支持关联论一侧——含义要花时间、吃资源，不像免费的默认。
但"逻辑解读"阵营没有认输。批评者指出，拒绝一句字面上正确的话可能反映的是任务策略或元语言评判，而不是含义计算本身；反应时的差异也可能来自核对强弱两个选项的过程，而非含义。Bott、Bailey 与 Grodner 2012 年在《Journal of Memory and Language》上用信号检测思路把速度与准确率拆开重新分析，确认含义加工确有代价，但代价的来源——是"推导含义"这一步，还是"比较 some 与 all"这一步——至今仍在争。这正是实验语用学的常态：一个效应被确认了，对它的理论解释却未必。
眼动与 ERP：把"何时"变成过程测量
真值判断看到的是推理的终点，不是过程。要区分默认论与关联论，需要的是时间分辨率更高的工具。Grodner、Klein、Carbary 与 Tanenhaus 2010 年发表在《Cognition》上的视觉世界范式眼动研究给出了关键一击：当视觉情境让"一些"与"全部"的区分对完成指令真正有用时，听者一听到 some 就立即把视线从"全部"候选上移开，利用标量含义没有任何可测的延迟。这直接反驳了"先算语义、后算语用"的严格两阶段模型，同时给关联论的支持性语境预测提供了正面证据——含义可以即时，前提是语境让它即时有用。Huang 与 Snedeker 2009 年在《Cognitive Psychology》上的眼动研究则从另一角度显示，量化词的语义与语用解读在在线理解中可以分离追踪。
脑电方面，Noveck 与 Posada 2003 年发表在《Brain and Language》上的研究首次用 ERP（事件相关电位，一种时间锁定到特定刺激词的脑电测量）追踪含义加工的时间进程，发现语用判断与逻辑判断伴随不同的电位模式。这类证据的价值不在于给含义"定位"到某个脑区——它做不到——而在于证明含义加工在时间轴上留下了独立的痕迹，这与 psycholinguistics 中用毫秒级测量追踪句法加工的方法论一脉相承。
方法陷阱：任务需求特征与自然度
实验语用学最脆弱的地方，恰恰是它最依赖的工具：判断任务本身。心理学家 Martin Orne 1962 年在《American Psychologist》上提出的需求特征（demand characteristics）概念——被试不是被动的刺激处理器，他们会猜测实验目的并配合它——在含义实验里格外致命。真值判断任务问"这句话对不对"，这个问法本身就在邀请被试做逻辑评判；换成"木偶答得好不好"或让被试在图片间做选择，同一个人给出的"含义率"可以天差地别。各研究之间成人语用解读比例的巨大波动，相当一部分是任务差异而非人的差异。
自然度是第二个陷阱。"Some elephants are mammals"这类句子在真实会话里几乎没人说——谁会用弱词陈述人人都知道的强事实？实验测到的可能是被试对怪异话语的反应，而不是日常含义机制。第三个陷阱是变异：有些被试几乎总是语用，有些几乎总是逻辑，群体平均数掩盖了两种策略并存的事实。应对之道是把单个判断当标注数据处理——把开放式理由编码成"逻辑/语用"类别时需要编码者间一致性纪律，这正是 corpus-annotation-and-agreement 处理的问题；而材料设计上控制既有知识干扰的思路，与 wug-test-morphology-analysis 用假词做形态实验是同一条纪律：先确保仪器只测你想测的东西，再谈论测到了什么。更一般性的实验设计准则见 experimental-linguistics。
不能推出什么
第一，儿童接受信息量不足的句子，推不出"儿童不会语用推理"。在更自然的情境和临时（ad hoc）等级上，学龄前儿童已表现出含义敏感，真值判断任务低估了他们的能力。第二，反应时差异推不出"含义本身有代价"——差异可能来自强弱项比较、任务策略或决策阶段，2012 年后的文献至今没有收敛。第三，成人的拒绝率推不出"有/无含义"的二元属性，个体差异与语境调节才是常态。第四，实验室里的含义率不能外推到日常会话，材料越不自然，外推越弱。第五，ERP 或眼动上的差异效应推不出含义的神经定位，它们只说明加工过程在时间或注意分配上可分。最后，标量含义是 semantics 与语用边界的试金石，但边界画在哪里——含义是语法的一部分还是纯推理——实验数据本身无法单独裁决，它约束的是理论的可行空间。
跨域连接
- statistics：含义实验的因变量几乎全是比例与反应时——成人语用解读率、儿童的接受率、限时条件下的判断分布。这些量的共同麻烦是：反应时分布右偏，比例数据受任务类型强烈调制，被试与句子项目同时是随机来源。"含义率 65% 对 40%"这样的数字，在报告任务类型、时限与混合模型结构之前是不可比较的——实验语用学的许多"争议"，拆开看其实是统计口径的争议。
- cognitive-bias：需求特征的本质是被试的认知系统在主动猜测实验者意图并调整行为，这与确认偏误、社会赞许效应同源。被试在实验里"配合"研究假设，不是作弊，而是合作原则在实验室里的正常运作——讽刺的是，实验语用学研究的对象（合作推理）恰好是它最大的方法敌人，这要求设计者在材料、掩饰任务与指导语上层层设防。
- replication-crisis-open-science：标量含义文献是"效应确认但解释分裂"的典型样本：响应时代价被多次重复，但其理论含义二十年来没有收敛。这提醒我们，可重复性检验的是效应的存在，而不是理论的正确——预注册能防止事后挑选调节变量，多实验室合作能暴露任务范式带来的系统性差异，这些开放科学工具对一个"同一效应、对立解释"的领域格外对症。
- wug-test-morphology-analysis：Berko 用假词 wug 隔离被试的真实词知识，含义研究用编造的场景和怪异的对照句隔离世界知识——两者共享同一条材料纪律：凡是无法控制的既有知识，就用人造材料替换掉。差异在于，语用推理恰恰依赖世界知识，所以含义实验对材料自然度的要求反而比形态实验更苛刻，这正是"Some elephants are mammals"一类材料遭到批评的原因。
- llm-and-linguistic-theory：大语言模型在含义测试上的表现正在成为新的争议现场，而实验语用学留下的教训直接适用——模型在真值判断式提示下的"含义率"，与它在自然对话中实际使用含义的能力，可能是两回事，正如人类的实验数据不能外推到日常会话。评测协议本身就是测量仪器的一部分。
参考文献
- Grice, H. Paul. "Logic and Conversation." In Peter Cole and Jerry L. Morgan (eds.), Syntax and Semantics 3: Speech Acts. Academic Press, 1975: 41–58.
- Horn, Laurence R. On the Semantic Properties of Logical Operators in English. PhD dissertation, UCLA, 1972.
- Sperber, Dan, and Deirdre Wilson. Relevance: Communication and Cognition. Blackwell, 1986（第二版 1995）.
- Levinson, Stephen C. Presumptive Meanings: The Theory of Generalized Conversational Implicature. MIT Press, 2000.
- Noveck, Ira A. "When Children Are More Logical than Adults: Experimental Investigations of Scalar Implicature." Cognition 78.2 (2001): 165–188.
- Papafragou, Anna, and Julien Musolino. "Scalar Implicatures: Experiments at the Semantics–Pragmatics Interface." Cognition 86.3 (2003): 253–282.
- Noveck, Ira A., and Andres Posada. "Characterizing the Time Course of an Implicature: An Evoked Potentials Study." Brain and Language 85.2 (2003): 203–210.
- Bott, Lewis, and Ira A. Noveck. "Some Utterances Are Underinformative: The Onset and Time Course of Scalar Inferences." Journal of Memory and Language 51.3 (2004): 437–457.
- Noveck, Ira A., and Dan Sperber (eds.). Experimental Pragmatics. Palgrave Macmillan, 2004.
- De Neys, Wim, and Walter Schaeken. "When People Are More Logical Under Cognitive Load: Dual Task Impact on Scalar Implicature." Experimental Psychology 54.2 (2007): 128–133.
- Huang, Yi Ting, and Jesse Snedeker. "On-line Interpretation of Scalar Quantifiers: Insight into the Semantics–Pragmatics Interface." Cognitive Psychology 58.3 (2009): 376–415.
- Grodner, Daniel J., Natalie M. Klein, Kathleen M. Carbary, and Michael K. Tanenhaus. "'Some,' and Possibly All, Scalar Inferences Are Not Delayed: Evidence for Immediate Pragmatic Enrichment." Cognition 116.1 (2010): 42–55.
- Bott, Lewis, Todd M. Bailey, and Daniel Grodner. "Distinguishing Speed from Accuracy in Scalar Implicatures." Journal of Memory and Language 66.1 (2012): 123–142.
- Orne, Martin T. "On the Social Psychology of the Psychological Experiment: With Particular Reference to Demand Characteristics and Their Implications." American Psychologist 17.11 (1962): 776–783.