fNIRS揭示中英同声传译大脑网络的小世界特性

"这篇论文探讨了使用功能性近红外光谱成像（fNIRS）来研究中文到英文同声传译（SI）中大脑网络的小世界特性。通过结合fNIRS神经成像技术和复杂网络分析，研究者揭示了在三种翻译策略下，即‘转码’、‘代码混合’和‘中介语’下的功能脑网络特征。" 在这篇名为“Mapping the small-world properties of brain networks in Chinese to English simultaneous interpreting by using functional near-infrared spectroscopy”的论文中，研究者主要关注的是如何利用fNIRS技术来探索中文到英文同声传译过程中的大脑活动模式。小世界网络理论是一个数学概念，它描述了一种介于随机网络和规则网络之间的复杂网络结构，这种结构在许多生物系统，包括人脑中都得到了验证。在同声传译这一高度复杂的认知任务中，大脑需要快速、高效地处理信息，小世界特性可能正是大脑实现这一功能的关键。 fNIRS是一种非侵入性的神经成像技术，能够监测大脑血流的变化，从而推断出大脑活动的区域。在此研究中，fNIRS被用来记录和分析参与同声传译任务时大脑的血氧水平，以揭示不同翻译策略下大脑网络的动态变化。 研究者特别关注了三种翻译策略：1) "转码"，这是一种直接对应中文和英文词语的策略，通过寻找语言间的直接对应关系来快速翻译；2) "代码混合"，即在翻译过程中混合使用两种语言的元素；3) "中介语"，指的是在两种语言间创建一个中间语言或概念框架来进行翻译。这三种策略涉及不同的认知过程，因此可能会激活大脑的不同区域和网络。 通过复杂网络分析，研究者可以识别出这些策略在大脑网络中的连接模式，比如高聚类（clustering coefficient）和短路径长度（short path length），这些都是小世界网络的典型特征。这些发现可能有助于理解同声传译者的认知优势，以及如何通过训练和实践改善这种复杂语言技能。 这篇论文的贡献在于，它不仅提供了对同声传译这一独特认知过程的深入理解，还展示了fNIRS在探索大脑复杂网络结构方面的潜力。同时，这些发现对于神经语言学、翻译学和教育领域都有重要的启示作用，可能有助于开发更有效的训练方法，以提高译者的翻译效率和准确性。