谁能用科学解释:为什么一直盯着一个字看就不认识它了? 为什么熟悉的字只要一直盯着看就慢慢不认了?

\u4e3a\u4ec0\u4e48\u76ef\u7740\u4e00\u4e2a\u5b57\u770b\u65f6\u95f4\u957f\u4e86\uff0c\u5c31\u597d\u50cf\u4e0d\u8ba4\u8bc6\u8fd9\u4e2a\u5b57\u4e86\uff1f\u6709\u4ec0\u4e48\u79d1\u5b66\u7684\u89e3\u91ca\uff1f

\u76f8\u4fe1\u6211\u4eec\u6bcf\u4e2a\u4eba\u90fd\u66fe\u9047\u5230\u8fc7\u8fd9\u6837\u7684\u60c5\u51b5\uff0c\u4e00\u4e2a\u5b57\u770b\u4e45\u4e86\uff0c\u5c31\u4f1a\u53d8\u5f97\u4e0d\u8ba4\u8bc6\u4e00\u6837\u3002\u5728\u201c\u6253\u201d\u8d25\u4e86\u8bed\u8a00\u5b66\u5bb6\u4e4b\u540e\uff0c\u4e24\u4f4d\u5fc3\u7406\u5b66\u5bb6\u597d\u4e0d\u5f97\u610f\uff0c\u5e76\u628a\u8fd9\u4e00\u53d1\u73b0\u5b9a\u4e49\u4e3a\u201c\u8bed\u4e49\u9971\u548c\u201d\u3002\u76ee\u524d\uff0c\u201c\u8bed\u4e49\u9971\u548c\u201d\u4ea7\u751f\u7684\u539f\u56e0\u6709\u4e09\u79cd\uff1a\u524d\u8bed\u4e49\u52a0\u5de5\u5047\u8bf4\u3001\u8bed\u4e49\u52a0\u5de5\u5047\u8bf4\u3001\u77e5\u89c9\u8868\u5f81-\u8bed\u4e49\u8fde\u63a5\u5047\u8bf4\u3002

\u8fd9\u5c31\u597d\u50cf\u6211\u4eec\u4e70\u83dc\uff0c\u770b\u5230\u4e00\u4e2a\u7d2b\u76ae\u957f\u6761\u830e\u90e8\u5e26\u523a\u7684\u4e1c\u897f\uff0c\u5c31\u77e5\u9053\u662f\u8304\u5b50\uff0c\u8fd9\u5c31\u662f\u524d\u8bed\u4e49\u52a0\u5de5\u5047\u8bf4\uff0c\u4ee5\u201c\u770b\u5f62\u201d\u4e3a\u4e3b;\u4e4b\u540e\u4f60\u7422\u78e8\u8304\u5b50\u80fd\u7092\u4ec0\u4e48\u83dc\uff0c\u8fd9\u5c31\u662f\u8bed\u4e49\u52a0\u5de5\u5047\u8bf4\uff0c\u4e3b\u8981\u662f\u201c\u8054\u60f3\u610f\u4e49\u201d;\u5982\u4f55\u901a\u8fc7\u8304\u5b50\u60f3\u5230\u8304\u5b50\u80fd\u505a\u4ec0\u4e48\u83dc\uff0c\u8fd9\u5c31\u662f\u77e5\u89c9\u8868\u5f81-\u8bed\u4e49\u8fde\u63a5\u5047\u8bf4\uff0c\u91cd\u70b9\u5728\u4e8e\u628a\u524d\u4e24\u8005\u8fde\u63a5\u8d77\u6765\u3002

\u4e0d\u8fc7\u201c\u8bed\u4e49\u9971\u548c\u201d\u662f\u6b6a\u679c\u4ec1\u7684\u7814\u7a76\uff0c\u6240\u4ee5\uff0c\u4ed6\u4eec\u7684\u91cd\u70b9\u90fd\u662f\u62fc\u97f3\u6587\u5b57\u3002\u5bf9\u4e8e\u6c49\u5b57\uff0c\u5b83\u7684\u201c\u8bed\u4e49\u9971\u548c\u201d\u8981\u66f4\u590d\u6742\u4e00\u70b9\u3002

\u8ba4\u8bc6\u62fc\u97f3\u6587\u5b57\u8981\u7ecf\u8fc7\u5b57\u5f62\u3001\u53d1\u97f3\u3001\u610f\u4e49\u4e09\u4e2a\u56e0\u7d20\u7684\u5171\u540c\u5b8c\u6210\uff0c\u800c\u6c49\u5b57\u5c11\u4e86\u53d1\u97f3\uff0c\u4ece\u5b57\u5f62\u76f4\u63a5\u8d8a\u5230\u4e86\u610f\u4e49\u3002\u8fd9\u5c31\u610f\u5473\u7740\uff0c\u6211\u4eec\u7684\u65b9\u5757\u5b57\uff0c\u9700\u8981\u8fdb\u884c\u6574\u4f53\u8bc6\u522b\u3002

\u5fc3\u7406\u5b66\u628a\u8fd9\u79cd\u73b0\u8c61\u53eb\u505a\u201c\u683c\u5f0f\u5854\u201d\uff0c\u201c\u683c\u5f0f\u5854\u201d\u662f\u5fb7\u6587\u201c\u6574\u4f53\u201d\u7684\u97f3\u8bd1\u3002\u7b80\u5355\u6765\u8bb2\uff0c\u5f53\u4eba\u4eec\u770b\u5230\u4e00\u4ef6\u4e8b\u7269\u65f6\uff0c\u603b\u662f\u5148\u770b\u6574\u4f53\u518d\u770b\u7ec6\u8282\u3002\u4f8b\u5982\u4e00\u5757\u51b0\uff0c\u5982\u679c\u6b64\u7269\u6ca1\u6709\u6210\u4e3a\u6ce8\u610f\u7684\u4e2d\u5fc3\uff0c\u5b83\u5c31\u4e0d\u4f1a\u6210\u4e3a\u56fe\u5f62\uff0c\u800c\u53ea\u80fd\u6210\u4e3a\u80cc\u666f\uff0c\u4ece\u800c\u5728\u89c2\u5bdf\u8005\u7684\u773c\u91cc\u53ea\u4f1a\u662f\u5757\u51b0\u800c\u5df2\u3002\u800c\u4e00\u65e6\u5b83\u6210\u4e3a\u89c2\u5bdf\u8005\u7684\u6ce8\u610f\u4e2d\u5fc3\uff0c\u4fbf\u53c8\u6210\u4e3a\u56fe\u5f62\uff0c\u5448\u73b0\u8f6e\u5ed3\u3001\u786c\u5ea6\u3001\u9ad8\u5ea6\u7b49\u7ec6\u8282\u3002

\u79d1\u5b66\u8bd5\u9a8c\u8868\u660e\uff0c\u5b69\u5b50\u5b66\u4e60\u6c49\u5b57\u65f6\u603b\u662f\u4e60\u60ef\u8ba4\u8bc6\u5b57\u7684\u5f62\u72b6\uff0c\u5374\u5ffd\u7565\u7ec6\u8282\u3002\u5c31\u50cf\u5c0f\u65f6\u5019\u9ed8\u5199\u751f\u5b57\uff0c\u5199\u5230\u53d8\u5316\u7684\u201c\u53d8\u201d\uff0c\u603b\u6709\u4e9b\u718a\u5b69\u5b50\u4f1a\u628a\u4e0a\u534a\u90e8\u5206\u7684\u4e24\u4e2a\u70b9\u5012\u8fc7\u6765\u5199\uff0c\u8fd9\u5c31\u662f\u6ce8\u91cd\u6574\u4f53\u800c\u9057\u5fd8\u7ec6\u8282\u7684\u4e00\u4e2a\u8868\u73b0\u3002

\u76ef\u6c49\u5b57\u65f6\u95f4\u4e45\u4e86\u4f1a\u964c\u751f\uff0c\u4e3b\u8981\u4e0d\u5728\u4e8e\u8bed\u4e49\u7684\u53d8\u5316\uff0c\u800c\u662f\u5b57\u5f62\u7684\u4e27\u5931\u3002

\u5c31\u597d\u50cf\u524d\u9762\u90a3\u4e2a\u603b\u628a\u201c\u53d8\u201d\u5b57\u9ed8\u5199\u9519\u7684\u5c0f\u5b69\uff0c\u4f60\u8981\u662f\u95ee\u4ed6\u5b57\u7684\u610f\u601d\uff0c\u4ed6\u4f9d\u65e7\u53ef\u4ee5\u5bf9\u7b54\u5982\u6d41\uff0c\u53ea\u662f\u5b57\u5f62\u8bb0\u5f97\u4e0d\u662f\u5f88\u51c6\u786e\u3002

\u79d1\u5b66\u5bb6\u66fe\u5c31\u6c49\u5b57\u7684\u201c\u8bed\u4e49\u9971\u548c\u201d\u505a\u8fc7\u7814\u7a76\uff0c\u8ba9\u53c2\u4e0e\u8005\u957f\u65f6\u95f4\u6ce8\u89c6\u5355\u4e2a\u6c49\u5b57\u3002\u7814\u7a76\u53d1\u73b0\uff0c\u53c2\u4e0e\u8005\u5bf9\u6c49\u5b57\u7684\u719f\u6089\u5ea6\u4e0b\u964d\uff0c\u53ea\u5728\u4e8e\u5bf9\u5b57\u7ed3\u6784\u7684\u5206\u89e3\uff0c\u800c\u8bed\u4e49\u7684\u7406\u89e3\u672a\u66fe\u4e27\u5931\u3002

\u6211\u4eec\u53ef\u4ee5\u8bd5\u4e00\u4e0b\uff0c\u627e\u4e00\u4e2a\u5b57\u957f\u65f6\u95f4\u76ef\u7740\u5b83\u770b\uff0c\u53d1\u73b0\u81ea\u5df1\u4f1a\u4e0d\u7531\u81ea\u4e3b\u5c06\u5176\u5206\u89e3\uff0c\u6bd4\u5982\u628a\u201c\u683c\u201d\u770b\u6210\u201c\u6728\u201d\u548c\u201c\u5404\u201d\uff0c\u628a\u201c\u7684\u201d\u770b\u6210\u201c\u767d\u201d\u548c\u201c\u52fa\u201d\u2026\u2026\u4e45\u800c\u4e45\u4e4b\uff0c\u6211\u4eec\u5c31\u4f1a\u611f\u89c9\uff0c\u8fd9\u5b57\u600e\u4e48\u53d8\u964c\u751f\u4e86?

\u7531\u6b64\uff0c\u79d1\u5b66\u5bb6\u786e\u5b9a\uff0c\u4eba\u4eec\u957f\u65f6\u95f4\u76ef\u7740\u6c49\u5b57\u770b\u4f1a\u89c9\u5f97\u964c\u751f\uff0c\u53ea\u662f\u5bf9\u5b57\u5f62\u964c\u751f\uff0c\u800c\u975e\u5b57\u4e49\uff0c\u4e5f\u5c31\u662f\u201c\u5b57\u5f62\u9971\u548c\u201d\u3002\u4e0d\u540c\u7684\u5b57\u8fbe\u5230\u9971\u548c\u7684\u65f6\u95f4\u4e0d\u4e00\u6837\uff0c\u7b80\u5355\u7684\u5b57\u9971\u548c\u65f6\u95f4\u76f8\u5bf9\u8f83\u77ed\uff0c\u590d\u6742\u7684\u5b57\u65f6\u95f4\u76f8\u5bf9\u957f\u4e00\u4e9b\uff0c\u4f46\u65e0\u8bba\u5b57\u4f53\u591a\u590d\u6742\uff0c40\u79d2\u5185\u90fd\u80fd\u8fbe\u5230\u9971\u548c\u3002\u5b57\u5f62\u7ed3\u6784\u3001\u5b57\u51fa\u73b0\u7684\u9891\u7387\u3001\u7b14\u753b\u3001\u90e8\u4ef6\u7684\u7ec4\u5b57\u9891\u7387\u7b49\u56e0\u7d20\u90fd\u5f71\u54cd\u201c\u5b57\u5f62\u9971\u548c\u201d\u3002

\u4e86\u89e3\u4e86\u201c\u5b57\u5f62\u9971\u548c\u201d\u7684\u539f\u7406\uff0c\u6211\u4eec\u4e5f\u5c31\u7406\u89e3\u4e86\u4e3a\u4ec0\u4e48\u6c49\u5b57\u770b\u4e45\u4e86\u4f1a\u53d8\u5f97\u4e0d\u8ba4\u8bc6\u3002\u4e0d\u7528\u62c5\u5fc3\uff0c\u6211\u4eec\u4e0d\u4f1a\u56e0\u6b64\u53d8\u6210\u201c\u6587\u76f2\u201d\uff0c\u4f46\u5982\u679c\u957f\u671f\u4e0d\u5b66\u4e60\u53ef\u5c31\u8bf4\u4e0d\u51c6\u54af\u3002

\u8fd9\u662f\u4e2a\u4ec0\u4e48\u5b57\uff1f\u4e4d\u770b\u4e4b\u4e0b\uff0c\u8c01\u90fd\u8ba4\u8bc6\u3002\u4e0d\u8fc7\uff0c\u8bf7\u76ef\u7740\u5b83\u591a\u770b\u4e00\u4f1a\uff0c\u54a6\uff0c\u8fd9\u5b57\u5c31\u53d8\u5f97\u751f\u758f\u8d77\u6765\u4e86\u3002\u5f88\u591a\u4eba\u8eab\u4e0a\u90fd\u53d1\u751f\u8fc7\u8fd9\u4e2a\u73b0\u8c61\uff0c\u8fd9\u662f\u4e3a\u4ec0\u4e48\u5462\uff1f
\u6587\u5b57\u6240\u8868\u8fbe\u7684\u662f\u8bed\u8a00\uff0c\u8bed\u8a00\u6240\u8868\u8fbe\u7684\u662f\u601d\u7ef4\u3002\u6211\u4eec\u8111\u4e2d\u7684\u601d\u7ef4\u4e0e\u6982\u5ff5\u662f\u901a\u8fc7\u8bed\u8a00\u6765\u8868\u8fbe\u7684\u3002\u6587\u5b57\u5219\u662f\u8bb0\u5f55\u8bed\u8a00\u7684\u5de5\u5177\u3002\u6240\u4ee5\uff0c\u5f53\u770b\u5230\u201c\u5b57\u201d\u8fd9\u4e2a\u6587\u5b57\u7b26\u53f7\u65f6\uff0c\u6211\u4eec\u5927\u8111\u4e2d\u9996\u5148\u53cd\u6620\u7684\u662f\u201czi\u201d\u8fd9\u4e2a\u8bed\u97f3\uff0c\u7136\u540e\u518d\u53cd\u6620\u51fa\u201c\u5b57\u201d\u7684\u610f\u4e49\u3002\u6709\u7814\u7a76\u8bc1\u5b9e\uff0c\u5f53\u6211\u4eec\u9605\u8bfb\u6587\u5b57\u7684\u65f6\u5019\uff0c\u63a7\u5236\u8bed\u8a00\u7684\u795e\u7ecf\u4e5f\u5728\u201c\u8bfb\u201d\u8fd9\u4e9b\u6587\u5b57\u7684\u53d1\u97f3\uff0c\u5c3d\u7ba1\u6ca1\u6709\u5f20\u5634\u5ff5\u51fa\u8fd9\u4e9b\u8bed\u97f3\u6765\uff0c\u4f46\u63a7\u5236\u53d1\u58f0\u7684\u795e\u7ecf\u4f9d\u7136\u6709\u4e0e\u8bf4\u8bdd\u65f6\u76f8\u540c\u7684\u795e\u7ecf\u7535\u6d41\u3002
\u8fd9\u5c31\u662f\u591a\u770b\u4e00\u4f1a\u4e4b\u540e\uff0c\u6587\u5b57\u4f1a\u53d8\u5f97\u751f\u758f\u7684\u539f\u56e0\u6240\u5728\uff1a\u5e73\u65f6\u6211\u4eec\u7684\u601d\u7ef4\u4e60\u60ef\u662f\u770b\u89c1\u6587\u5b57\u65f6\u7acb\u5373\u53cd\u6620\u51fa\u5b83\u7684\u8bfb\u97f3\uff0c\u8fdb\u800c\u8054\u60f3\u5230\u5176\u610f\u4e49\u3002\u800c\u5f53\u4ed4\u7ec6\u770b\u8fd9\u4e2a\u6587\u5b57\u7684\u65f6\u5019\uff0c\u6ce8\u610f\u529b\u8f6c\u5411\u4e86\u5b83\u7684\u7b14\u753b\uff0c\u4e00\u5fc3\u4e0d\u80fd\u4e8c\u7528\uff0c\u5173\u6ce8\u5230\u4e86\u5f62\u72b6\uff0c\u5c31\u987e\u4e0d\u4e0a\u8bfb\u97f3\u3002\u53ea\u770b\u5230\u5b9d\u76d6\u52a0\u4e00\u4e2a\u201c\u5b50\u201d\uff0c\u5374\u5fd8\u4e86\u5b83\u8bfb\u4ec0\u4e48\uff0c\u5f53\u7136\u4f1a\u611f\u89c9\u5230\u751f\u758f\u3002
\u8fd1\u5e74\u6765\uff0c\u968f\u7740\u6280\u672f\u7684\u8fdb\u6b65\uff0c\u5bf9\u4eba\u7c7b\u601d\u7ef4\u8fc7\u7a0b\u7684\u7814\u7a76\u6709\u4e86\u4e00\u4e9b\u8fdb\u6b65\uff0c\u6709\u4e00\u79cd\u7279\u6b8a\u7684\u6838\u78c1\u5171\u632fCT\u80fd\u5feb\u901f\u5730\u63a2\u6d4b\u5230\u5927\u8111\u5185\u90e8\u8840\u6d41\u5206\u5e03\u7684\u60c5\u51b5\u3002\u4ee5\u9605\u8bfb\u8fd9\u4e2a\u601d\u7ef4\u8fc7\u7a0b\u4e3a\u4f8b\uff1a\u5f53\u4e00\u4e2a\u6587\u5b57\u5f62\u8c61\u8fdb\u5165\u773c\u775b\u65f6\uff0c\u5e94\u8be5\u53ef\u4ee5\u5728CT\u4e0a\u89c2\u5bdf\u5230\u5927\u8111\u7684\u89c6\u89c9\u533a\u57df\u5148\u53d1\u751f\u53cd\u5e94\uff0c\u7136\u540e\u8bed\u8a00\u533a\u57df\u53d1\u751f\u53cd\u5e94\uff0c\u518d\u76ef\u7740\u770b\u4e00\u4f1a\u7684\u65f6\u5019\uff0c\u56fe\u5f62\u8bc6\u522b\u533a\u57df\u4f1a\u6709\u53cd\u5e94\uff0c\u6b64\u65f6\u5927\u8111\u7684\u5174\u594b\u70b9\u4ece\u8bed\u8a00\u533a\u8f6c\u5411\u56fe\u5f62\u8bc6\u522b\u533a\u3002\u8bed\u8a00\u533a\u53d7\u5230\u6291\u5236\uff0c\u5c31\u89c9\u5f97\u8fd9\u5b57\u751f\u758f\u4e86\u3002

(一)汉字语义? 相比起弥漫千年烟尘的汉字,”陌生的熟悉字“这一研究还相当年轻。1994年,台湾教授郑昭明与其同事最早撰文描述中国人所经历的这种现象,并将其称为“orthographic satiation”(字形饱和)。这两位教授发现,通常被试盯着一个字看上二三十秒钟,就会觉得“这个字变奇怪了”;进一步,他们发现,对于简单结构的汉字,譬如“日”、“月”,被试平均要过31秒钟才报告“变奇怪了”,而对于那些左右结构的汉字,譬如“明”,则只要平均26秒左右就变奇怪了。如此看来,汉字也确实会出现饱和,而且汉字的结构对这饱和的难易还很有影响。2007年,爱丁堡大学(University of Edinburgh)一位同学Nien-Chen Lee在其硕士论文中重复了台湾郑教授的研究。他发现,即便同为左右结构的字,引发饱和的效率也不相同。他用的40个左右结构的字中,长得像乱麻一样的“挤”字需要较长时间才让人产生饱和,而左右结构匀称的“课”字则很快就让人觉得奇怪了。此外,女人会比男人更快地产生“字变奇怪了”的现象。可是当他进一步分析汉字的左右结构和表音和表意的部首对这一现象的影响时,却没有发现任何有说服力的结果。从仓颉观奎星圜曲之式,察鸟兽蹄爪之迹,一笔一划描摹出第一个符号始,汉字便深深溶进了中国人的血脉,直至五千年后的现今。不同于英文系统,汉字以其一笔一划,描绘出异彩纷呈的世界。当郑教授与李同学试图从汉字语义去理解“字变陌生”这个问题时,他也面临着一个问题:汉字是什么?没有拉丁字母的拼音模式,我们如何从方块汉字的图象中去读取浩瀚的语义信息? 20世纪的心理学家也纷纷将眼光投往汉字这一古老的活化石。虽然有学者提出,汉字的识别有着“整体优先”(global precedence)的原则,即汉字识别是一个从整体到局部认知的过程,郑教授也通过实验发现,随着对汉字熟悉度的增高,汉字认知的整体性有所增强,但越来越多的学者认为,识别汉字需要对其组成部分进行特征分析。最有说服力的实验结果是,当笔画数增加时,识别汉字所需时间也增长。既然汉字的组成部分帮助识别,且让我们先把汉字的组成部分——部首,分为两种。一种使用频率高,另一种使用频率低。这种部首我们可以清楚从《现代汉语词典》中寻得。比如,“言”字旁可以组成160个汉字,“鸟”字旁可以有98个组合机会,而“身”字旁作为左边部首,却只能组成6个汉字,“瓦”字旁只有17次置于右侧的机会。郑教授从最容易变“陌生”的左右结构开头,他发现部首使用频率低的汉字,比部首使用频率高的汉字,也需要更长时间来达到“变陌生”的效果。这是为什么呢?郑教授猜想,组合频率高的部首可以让人联想到很多的字,所以“不认识”了?又或者,是这样的部首可以跟很多偏旁合作,于是部首与偏旁之间的联系弱化,所以“不认识”了?又或者,组合频率低的部首大部分都不单独成字,因为人们需要更多的时间去理解它,所以“变陌生”的时间更长?既然,长时间注视汉字,可以使视线将汉字分割开来认知,从而导致语义模糊。那么,也许当我们注视一个汉字良久,我们就更会去注意部首的含义,如果此含义与汉字原意相去甚远,如“洞”之“水”与“同”,“的”之“白”与“勺”,我们就开始丧失对汉字原意的理解。字,也就变“陌生”了。一切都是猜想,郑教授还在继续勤奋地研究。(二)视觉适应? 无独有偶,在隔海相望的日本,汉字的问题也正在被研习。1996年,日本九州大学的二濑由理(Yuri Ninose)和东北大学的行场次朗(Jiro Gyoba)在日本的《心理学研究》期刊(Shinrigaku Kenkyu)里写道:“稳定注视某日本汉字几秒后,此汉字即难以作为一整体图案被辨认,且难以判断书写是否正确。此于日本人民为众所周知的经历。”他们给这个现象起名为“Gestaltzerfall现象”。二濑老师和行场老师采取的是视觉适应的实验方法。他们发现,被测试者在被要求凝视“森”一字25秒后, 便有50毫秒时间(请注意这个时间)难以辨认其字。甚至在字体大小不变时,更替的“崩”字(同为品字形结构)依然让被测试者无法辨认。而且这种“陌生的熟悉字”现象,发生在如“村”这样的组合结构汉字,而并不存在简单结构中,如“木”。如果我们把字形与字义分开理解,汉字便类似于一幅千变万化的图画,与象声的拉丁字母完全不同。那么是否,我们可以运用图象识别的理论来理解“陌生的字”这个问题?显然,二濑老师与行场老师也是这么考虑的。一年后,他们将这个研究继续扩展到如汉字般多层次的图形, 如与“森”字相似的“品”形结构方块图形。他们满意地发现,这个“陌生的熟悉字”现象,也可成为“陌生的熟悉图形”。他们更大胆地推断,这个现象也许与鼎鼎大名的心理学图象认知理论“均质连结性”(uniform connectedness)有关。加州伯克利分校(University of California, Berceley)的帕尔默(Stephen Palmer)大师在90年代提出的“均质连结性”(uniform connectedness),对独领风骚多年的心理学大门派“格式塔派”发出了冲击。他认为,当我们认知图象时,画面中连续区域里的相同性质,比如明度、颜色、材质、运动方向或其他的性质,可以被最初感知为单独元素,然后大脑中开始组合元素及分辨图案与背景,达到最终的认知效果。 有了帕大师的“元素认知-整体组合”理论,师承加州一系的、如今为以色列海法大学(Haifa University)心理系主任的露丝(Ruth Kimchi),将“均质连结性”理论更加发扬光大,并将此理论用于多层次图形的认知里,帮助我们解决“陌生的熟悉字”问题。以下,请你放松心情,来追随露丝美女做个实验。请先注视左边的图案,然后将视线移至右边的两个图案,然后判断一下,这两个图案的组成元素是否一样?组织的外形轮廓呢?你已经发现这个题目太简单了。也许你一眼就能判断,第一行虽然两个图案都以矩形排布,但它们的组成元素并不相同,而第二行虽然组成元素都是矩形,但它们组成的是菱形与矩形排布,并不相同。恭喜你,你的视觉水平很正常。那么请接受第二个挑战。同样的,请先注视左边的图案,再将视线移向右边的图案,判断一下他们的组成元素与外形轮廓是否相同?你是否第一眼就判断出来了,第一行的外形轮廓都是矩形,而第二行则分别为菱形与矩形?再次恭喜你,你的视觉水平很正常。那么组成元素呢?你花了多长时间来判别它们是否相同?当你尝试着去研究组成元素究竟是小圆点或小方块时,有没有感觉,整体的轮廓对你而言已经离解了,模糊了?别担心,你的视觉水平依然很正常,而且你拥有的是正常人类所拥有的认知水平。在第一组实验里,也许你最先注意到的是组成各个图形的小圆形或矩形,然后才是它们所组成菱形或矩形的图案。露丝美女告诉我们,在这样少元素的图案里,整体与局部同时被人认知,整体认知稍弱,但如果注视的时间达到400毫秒,整体与局部的认知同时主宰。此时你会同时了解图案的整体轮廓与组成部分。而在第二组实验里,露丝美女总结,对于多元素图案,人们以整体认知图形轮廓开始,200毫秒后开始认知局部,而此时局部的认知比整体认知更强,700毫秒后两者同时主宰。另外在复杂结构的图形里,整体轮廓和局部元素间的组织关系是同时被感知的,但如果注视的时间超过了690毫秒,整体图案的感知要更迟缓些。在二濑老师与行场老师的理解中,汉字便是美妙的图画。他们将这第二个实验类比为复杂结构的汉字。二濑老师与行场老师认为,在如“村”一般的有多重结构的汉字里,当人类完成局部元素(“木”与“寸”)感知后,汉字整体集合感知过程被长时间的注视所干扰,由此产生了“陌生的熟悉字”的现象,如同我们在注视小元素形状时,便对图案的整体轮廓失去了感知。这个故事是否就此划上了句号?很遗憾,露丝美女认为,人类感知整体图象的问题发生在毫秒级,而“奇怪的字”,正如爱丁堡的李同学所阐述的,发生在20~30秒。这两者并不相符。更为不符的是,两位日本老师认为简单结构并不产生认知饱和,这与台湾郑老师的实验结果大相径庭。李同学更是认为,日本老师们所做的“视觉适应”实验,没有从语义着手,无法说明中文的“字形饱和”现象。于是,视觉适应猜想折臂,我们对答案的追寻,还在继续。

(一)汉字语义? 相比起弥漫千年烟尘的汉字,”陌生的熟悉字“这一研究还相当年轻。1994年,台湾教授郑昭明与其同事最早撰文描述中国人所经历的这种现象,并将其称为“orthographic satiation”(字形饱和)。这两位教授发现,通常被试盯着一个字看上二三十秒钟,就会觉得“这个字变奇怪了”;进一步,他们发现,对于简单结构的汉字,譬如“日”、“月”,被试平均要过31秒钟才报告“变奇怪了”,而对于那些左右结构的汉字,譬如“明”,则只要平均26秒左右就变奇怪了。如此看来,汉字也确实会出现饱和,而且汉字的结构对这饱和的难易还很有影响。2007年,爱丁堡大学(University of Edinburgh)一位同学Nien-Chen Lee在其硕士论文中重复了台湾郑教授的研究。他发现,即便同为左右结构的字,引发饱和的效率也不相同。他用的40个左右结构的字中,长得像乱麻一样的“挤”字需要较长时间才让人产生饱和,而左右结构匀称的“课”字则很快就让人觉得奇怪了。此外,女人会比男人更快地产生“字变奇怪了”的现象。可是当他进一步分析汉字的左右结构和表音和表意的部首对这一现象的影响时,却没有发现任何有说服力的结果。从仓颉观奎星圜曲之式,察鸟兽蹄爪之迹,一笔一划描摹出第一个符号始,汉字便深深溶进了中国人的血脉,直至五千年后的现今。不同于英文系统,汉字以其一笔一划,描绘出异彩纷呈的世界。当郑教授与李同学试图从汉字语义去理解“字变陌生”这个问题时,他也面临着一个问题:汉字是什么?没有拉丁字母的拼音模式,我们如何从方块汉字的图象中去读取浩瀚的语义信息? 20世纪的心理学家也纷纷将眼光投往汉字这一古老的活化石。虽然有学者提出,汉字的识别有着“整体优先”(global precedence)的原则,即汉字识别是一个从整体到局部认知的过程,郑教授也通过实验发现,随着对汉字熟悉度的增高,汉字认知的整体性有所增强,但越来越多的学者认为,识别汉字需要对其组成部分进行特征分析。最有说服力的实验结果是,当笔画数增加时,识别汉字所需时间也增长。既然汉字的组成部分帮助识别,且让我们先把汉字的组成部分——部首,分为两种。一种使用频率高,另一种使用频率低。这种部首我们可以清楚从《现代汉语词典》中寻得。比如,“言”字旁可以组成160个汉字,“鸟”字旁可以有98个组合机会,而“身”字旁作为左边部首,却只能组成6个汉字,“瓦”字旁只有17次置于右侧的机会。郑教授从最容易变“陌生”的左右结构开头,他发现部首使用频率低的汉字,比部首使用频率高的汉字,也需要更长时间来达到“变陌生”的效果。这是为什么呢?郑教授猜想,组合频率高的部首可以让人联想到很多的字,所以“不认识”了?又或者,是这样的部首可以跟很多偏旁合作,于是部首与偏旁之间的联系弱化,所以“不认识”了?又或者,组合频率低的部首大部分都不单独成字,因为人们需要更多的时间去理解它,所以“变陌生”的时间更长?既然,长时间注视汉字,可以使视线将汉字分割开来认知,从而导致语义模糊。那么,也许当我们注视一个汉字良久,我们就更会去注意部首的含义,如果此含义与汉字原意相去甚远,如“洞”之“水”与“同”,“的”之“白”与“勺”,我们就开始丧失对汉字原意的理解。字,也就变“陌生”了。一切都是猜想,郑教授还在继续勤奋地研究。(二)视觉适应? 无独有偶,在隔海相望的日本,汉字的问题也正在被研习。1996年,日本九州大学的二濑由理(Yuri Ninose)和东北大学的行场次朗(Jiro Gyoba)在日本的《心理学研究》期刊(Shinrigaku Kenkyu)里写道:“稳定注视某日本汉字几秒后,此汉字即难以作为一整体图案被辨认,且难以判断书写是否正确。此于日本人民为众所周知的经历。”他们给这个现象起名为“Gestaltzerfall现象”。二濑老师和行场老师采取的是视觉适应的实验方法。他们发现,被测试者在被要求凝视“森”一字25秒后, 便有50毫秒时间(请注意这个时间)难以辨认其字。甚至在字体大小不变时,更替的“崩”字(同为品字形结构)依然让被测试者无法辨认。而且这种“陌生的熟悉字”现象,发生在如“村”这样的组合结构汉字,而并不存在简单结构中,如“木”。如果我们把字形与字义分开理解,汉字便类似于一幅千变万化的图画,与象声的拉丁字母完全不同。那么是否,我们可以运用图象识别的理论来理解“陌生的字”这个问题?显然,二濑老师与行场老师也是这么考虑的。一年后,他们将这个研究继续扩展到如汉字般多层次的图形, 如与“森”字相似的“品”形结构方块图形。他们满意地发现,这个“陌生的熟悉字”现象,也可成为“陌生的熟悉图形”。他们更大胆地推断,这个现象也许与鼎鼎大名的心理学图象认知理论“均质连结性”(uniform connectedness)有关。加州伯克利分校(University of California, Berceley)的帕尔默(Stephen Palmer)大师在90年代提出的“均质连结性”(uniform connectedness),对独领风骚多年的心理学大门派“格式塔派”发出了冲击。他认为,当我们认知图象时,画面中连续区域里的相同性质,比如明度、颜色、材质、运动方向或其他的性质,可以被最初感知为单独元素,然后大脑中开始组合元素及分辨图案与背景,达到最终的认知效果。 有了帕大师的“元素认知-整体组合”理论,师承加州一系的、如今为以色列海法大学(Haifa University)心理系主任的露丝(Ruth Kimchi),将“均质连结性”理论更加发扬光大,并将此理论用于多层次图形的认知里,帮助我们解决“陌生的熟悉字”问题。以下,请你放松心情,来追随露丝美女做个实验。请先注视左边的图案,然后将视线移至右边的两个图案,然后判断一下,这两个图案的组成元素是否一样?组织的外形轮廓呢?你已经发现这个题目太简单了。也许你一眼就能判断,第一行虽然两个图案都以矩形排布,但它们的组成元素并不相同,而第二行虽然组成元素都是矩形,但它们组成的是菱形与矩形排布,并不相同。恭喜你,你的视觉水平很正常。那么请接受第二个挑战。同样的,请先注视左边的图案,再将视线移向右边的图案,判断一下他们的组成元素与外形轮廓是否相同?你是否第一眼就判断出来了,第一行的外形轮廓都是矩形,而第二行则分别为菱形与矩形?再次恭喜你,你的视觉水平很正常。那么组成元素呢?你花了多长时间来判别它们是否相同?当你尝试着去研究组成元素究竟是小圆点或小方块时,有没有感觉,整体的轮廓对你而言已经离解了,模糊了?别担心,你的视觉水平依然很正常,而且你拥有的是正常人类所拥有的认知水平。在第一组实验里,也许你最先注意到的是组成各个图形的小圆形或矩形,然后才是它们所组成菱形或矩形的图案。露丝美女告诉我们,在这样少元素的图案里,整体与局部同时被人认知,整体认知稍弱,但如果注视的时间达到400毫秒,整体与局部的认知同时主宰。此时你会同时了解图案的整体轮廓与组成部分。而在第二组实验里,露丝美女总结,对于多元素图案,人们以整体认知图形轮廓开始,200毫秒后开始认知局部,而此时局部的认知比整体认知更强,700毫秒后两者同时主宰。另外在复杂结构的图形里,整体轮廓和局部元素间的组织关系是同时被感知的,但如果注视的时间超过了690毫秒,整体图案的感知要更迟缓些。在二濑老师与行场老师的理解中,汉字便是美妙的图画。他们将这第二个实验类比为复杂结构的汉字。二濑老师与行场老师认为,在如“村”一般的有多重结构的汉字里,当人类完成局部元素(“木”与“寸”)感知后,汉字整体集合感知过程被长时间的注视所干扰,由此产生了“陌生的熟悉字”的现象,如同我们在注视小元素形状时,便对图案的整体轮廓失去了感知。这个故事是否就此划上了句号?很遗憾,露丝美女认为,人类感知整体图象的问题发生在毫秒级,而“奇怪的字”,正如爱丁堡的李同学所阐述的,发生在20~30秒。这两者并不相符。更为不符的是,两位日本老师认为简单结构并不产生认知饱和,这与台湾郑老师的实验结果大相径庭。李同学更是认为,日本老师们所做的“视觉适应”实验,没有从语义着手,无法说明中文的“字形饱和”现象。于是,视觉适应猜想折臂,我们对答案的追寻,还在继续。

相信我们每个人都曾遇到过这样的情况,一个字看久了,就会变得不认识一样。在“打”败了语言学家之后,两位心理学家好不得意,并把这一发现定义为“语义饱和”。目前,“语义饱和”产生的原因有三种:前语义加工假说、语义加工假说、知觉表征-语义连接假说。

这就好像我们买菜,看到一个紫皮长条茎部带刺的东西,就知道是茄子,这就是前语义加工假说,以“看形”为主;之后你琢磨茄子能炒什么菜,这就是语义加工假说,主要是“联想意义”;如何通过茄子想到茄子能做什么菜,这就是知觉表征-语义连接假说,重点在于把前两者连接起来。

不过“语义饱和”是歪果仁的研究,所以,他们的重点都是拼音文字。对于汉字,它的“语义饱和”要更复杂一点。

认识拼音文字要经过字形、发音、意义三个因素的共同完成,而汉字少了发音,从字形直接越到了意义。这就意味着,我们的方块字,需要进行整体识别。

心理学把这种现象叫做“格式塔”,“格式塔”是德文“整体”的音译。简单来讲,当人们看到一件事物时,总是先看整体再看细节。例如一块冰,如果此物没有成为注意的中心,它就不会成为图形,而只能成为背景,从而在观察者的眼里只会是块冰而已。而一旦它成为观察者的注意中心,便又成为图形,呈现轮廓、硬度、高度等细节。

科学试验表明,孩子学习汉字时总是习惯认识字的形状,却忽略细节。就像小时候默写生字,写到变化的“变”,总有些熊孩子会把上半部分的两个点倒过来写,这就是注重整体而遗忘细节的一个表现。

盯汉字时间久了会陌生,主要不在于语义的变化,而是字形的丧失。

就好像前面那个总把“变”字默写错的小孩,你要是问他字的意思,他依旧可以对答如流,只是字形记得不是很准确。

科学家曾就汉字的“语义饱和”做过研究,让参与者长时间注视单个汉字。研究发现,参与者对汉字的熟悉度下降,只在于对字结构的分解,而语义的理解未曾丧失。

我们可以试一下,找一个字长时间盯着它看,发现自己会不由自主将其分解,比如把“格”看成“木”和“各”,把“的”看成“白”和“勺”……久而久之,我们就会感觉,这字怎么变陌生了?

由此,科学家确定,人们长时间盯着汉字看会觉得陌生,只是对字形陌生,而非字义,也就是“字形饱和”。不同的字达到饱和的时间不一样,简单的字饱和时间相对较短,复杂的字时间相对长一些,但无论字体多复杂,40秒内都能达到饱和。字形结构、字出现的频率、笔画、部件的组字频率等因素都影响“字形饱和”。

了解了“字形饱和”的原理,我们也就理解了为什么汉字看久了会变得不认识。不用担心,我们不会因此变成“文盲”,但如果长期不学习可就说不准咯。

字本身就只是一个符号,一个符号本身是没有什么意义的。只是后来由于人为的规定,它才被付与内涵。

当你认识它的时候,是因为你所接受过的认知,有人告诉过你,那个符号代表什么意思。所以当你刚看见它的时候,你的大脑中条件反射的出现那个符号所表示的映象,你能够理解。
但是看的时间长了,你就只会注意到它本身的内涵,一个奇怪的符号而已。所以你就觉得不认识它了。
可是当你再去思索的时候,你的认知又会重现,让你觉得那个字又似乎是那么回事。

又有一种说法:文字要通过联想才能明白意思。

或是看到文字联想到发音,通过声音理解意思。
或是通过文字的字形,联想到一丝。比如看到“艹”,联想到植物。

如果不想,实际意思就不会反映出来,那这些符号都是没有任何意思的符号。 反映不出意思来,就会觉得陌生了。

字本身就只是一个符号,一个符号本身是没有什么意义的。只是后来由于人为的规定,它才被付与内涵。
当你认识它的时候,是因为你所接受过的认知,有人告诉过你,那个符号代表什么意思。所以当你刚看见它的时候,你的大脑中条件反射的出现那个符号所表示的映象,你能够理解。
但是看的时间长了,你就只会注意到它本身的内涵,一个奇怪的符号而已。所以你就觉得不认识它了。
可是当你再去思索的时候,你的认知又会重现,让你觉得那个字又似乎是那么回事。
又有一种说法:文字要通过联想才能明白意思。
或是看到文字联想到发音,通过声音理解意思。
或是通过文字的字形,联想到一丝。比如看到“艹”,联想到植物。
如果不想,实际意思就不会反映出来,那这些符号都是没有任何意思的符号。
反映不出意思来,就会觉得陌生了。

  • 涓轰粈涔涓鑳界洴鐫濠村効鐪
    绛旓細涓鑳借佹槸鐩潃濠村効鐪嬬殑鍘熷洜鏄洜涓鸿佷竴杈堢殑浜鸿濠村効鐪嬪浜嗕笉濂藉吇锛屽挨鍏舵槸涓浜涘闀夸滑浼氭椂鍒绘妸瀛╁瓙鎶卞湪鎵嬮噷锛岃繖鏍峰仛浼氳瀛╁瓙鍙樺緱鐗瑰埆榛忎汉锛屽鏋滆鍋浠涔浜嬮兘鑴变笉寮鎵嬨傚彟澶栬繕鏈変竴绉嶈娉曟槸澶т汉鐨勭溂鐫涙湁姣掞紝濡傛灉鑰佹槸鐩潃濠村効鐪嬶紝瀵瑰瀛愪篃鏈変笉鍒┿傚叾瀹炰笂闈㈤兘鏄佷竴杈堢殑璇存硶锛岃屾牴鎹幇鍦ㄧ殑绉戝鑲插効锛岀埗姣嶅簲璇ュ...
  • 澶х洏鎸囨暟銆佷笂璇佹寚鏁般佹繁璇佹寚鏁板垎鍒槸浠涔?涓轰粈涔澶у閮鐩潃鐪
    绛旓細澶х洏鎸囨暟鍙互璇存槸鎸囨勃甯傜殑鈥濅笂璇佹寚鏁扳滃拰娣卞競鐨勨濇繁璇佹寚鏁扳溿傚畠鑳界瀛鍦板弽搴旀暣涓偂绁ㄥ競鍦虹殑琛屾儏锛屽鑲$エ鐨勬暣浣撴定璺屾垨鑲$エ浠锋牸璧板娍绛夈傚鏋滃ぇ鐩樻寚鏁伴愭笎涓婃定锛屽嵆鍙垽鏂鏁扮殑鑲$エ閮藉湪涓婃定锛岀浉鍙嶏紝濡傛灉鎸囨暟閫愭笎涓嬮檷锛屽嵆澶у鏁拌偂绁ㄩ兘鍦ㄤ笅璺屻傚浠婏紝鍐呭湴鑲$エ涓婃瘮杈冮噸瑕佺殑鎸囨暟鏈変笁涓細涓婅瘉鎸囨暟銆佹繁璇佹寚鏁板拰娌繁300...
  • 浣犺韩杈瑰彂鐢熻繃鍝簺鐢ㄧ瀛﹁В閲涓嶄簡鐨勪簨鎯?
    绛旓細鎴戜笉鎬庝箞鍦ㄤ箮锛屽彲鏄張鑳芥甯哥殑娲荤潃锛岃繖鍒板簳鏄俊涓庝笉淇℃垜涔熶笉鐭ラ亾銆傚墠鍑犲ぉ鎴戝仛浜嗕竴涓壒鍒殑姊︼紝鎴戞ⅵ瑙佷袱鏉¢粦榫欏湪娓″姭锛岄粦鑹茬殑榫欏摝銆傚彟澶栦竴鏉℃浮鍔け璐ヤ簡锛屽凡缁忔浜嗭紝鍙﹀涓鏉¤涓鍫靛鎷︾潃锛屾垜璧拌繃鍘伙紝杩炰粬鐨勫懠鍚稿拰鐨偆鐨勮叆鍛虫垜閮介椈寰楀埌銆傛垜鑳芥竻妤氱殑鎰熻寰楀埌锛屽畠鐨勮儭椤诲湪鍔ㄥ湪鐏靛姩銆傛荤殑鏉ヨ锛屾垜鏄...
  • 涓轰粈涔澶ч瀵肩湅浜轰細閭d箞鍑
    绛旓細棰嗗浼氫互杩欑鏂瑰紡浜嗚В浣犵殑鐢熸椿鐘跺喌锛岃繖鏄浉瀵绉戝鐨勩6銆佺湅浣犵殑娼滃姏鏄帤杩樻槸钖 涓涓汉鏈変竴瀹氱殑娼滃姏锛屽钩鏃跺彲浠ヨ〃鐜板嚭鏉ャ傛瘮濡備竴涓湁棰嗗娼滃姏鐨勪汉锛岃璇濆仛浜嬮兘寰堟湁瑙勫緥锛岃唉铏氳皑鎱庯紝鎬绘槸缁欎汉涓绉嶅緢鑸掓湇鐨勬劅瑙夈傚鏋滀綘鍋氱偣浠涔锛屼綘鐨勫績浼氬緢韪忓疄锛岃岄偅浜涙病鏈夐瀵兼綔鍔涚殑浜鸿浜烘斁蹇冦傛墍浠ヨ兘鍘婚瀵煎矖浣嶇殑浜...
  • 绉戝鏄粈涔? 涓尰鑳界敤绉戝鐨勬爣鍑嗘潵琛¢噺鍚?鍝插鏄瀛﹀悧? 涓轰粈涔?
    绛旓細杩鎬姣斾竴閬囧け鐪犵粺缁熺粰瀹夌湢鑽濂藉緱澶氬惂锛 姝ゅ锛屼腑鑽夎嵂鏈変竴涓ゅ崈绉嶏紝鏈夎澶氭槸浣滅敤鐩镐技鐨勶紝鎵浠ユ瘡涓尰鐢熸帉鎻$櫨鍗佺锛岀敋鑷冲嚑鍗佺灏卞彲浠ユ不鐤楀悇绉嶇柧鐥咃紝鑰屼笖鏄繖涓尰鐢熶範鎯敤杩欏嚑鍗佺锛岄偅涓尰鐢熶範鎯敤閭e嚑鍗佺銆傚叾瀹炰腑鑽夎嵂鐨勯夋嫨闈㈠锛屾鏄畠鐨勪紭鍔匡紝涓嶈兘鎴愪负璇翠腑鍖讳笉绉戝鐨勭悊鐢便傚洓宸濅汉鍚冨洓宸濋キ鑿滐紝骞夸笢浜哄悆...
  • 浣犺兘鎶婅嚜宸辩粡鍘嗚繃鐨勭洰鍓绉戝涔熸棤娉瑙i噴鐨勬紓浜嬫儏璇存潵鍚惉鍚?_鐧惧害鐭 ...
    绛旓細浣犺兘鎶婅嚜宸辩粡鍘嗚繃鐨勭洰鍓绉戝涔熸棤娉瑙i噴鐨勬紓浜嬫儏璇存潵鍚惉鍚?  鎴戞潵绛 1涓洖绛 #鐑# 涓轰粈涔鏈変汉鏄捐,鏈変汉鏄惧勾杞?鑸掗傝繕鏄庡噣鐨勬捣楦 2022-08-06 路 TA鑾峰緱瓒呰繃1.5涓囦釜璧 鐭ラ亾灏忔湁寤烘爲绛斾富 鍥炵瓟閲:380 閲囩撼鐜:0% 甯姪鐨勪汉:56涓 鎴戜篃鍘荤瓟棰樿闂釜浜洪〉 鍏虫敞 灞曞紑鍏ㄩ儴 璁蹭竴涓翰韬粡鍘,...
  • 鏈変汉閬囧埌杩绉戝鐩墠闅句互瑙i噴鐨勬簨鍚?
    绛旓細瀵逛簬UFO鍜屽鏄熶汉鐨勮娉,澶у閮戒笉闄岀敓,榛勫欢绉嬪墠涓ゆ椋炶鏄笉鏄鏄熶汉鎵涓,涓嶇煡閬,浣嗙敤鐩墠鐨绉戝鐭ヨ瘑鏉瑙i噴,鎴戜釜浜鸿寰楄В閲婂緱涓嶉,鑷冲皯涓嶈兘璁╀汉瀹屽叏淇℃湇,鏈熷緟绉戝鏇磋繘姝,鏈変竴澶╄兘鐪熸瑙e紑榛勫欢绉嬪墠涓ゆ鐨勯琛屼箣璋溿 鎴戣涓涓惂! 鍦ㄦ垜浠佸,鎴戞湁涓涓彂灏,鎴戜咯鍚屽瞾,鍙堟槸閭诲眳,浠庡皬涓璧烽暱澶,鍒濅腑姣曚笟涔嬪墠涓鐩鍦ㄤ竴璧...
  • 琛鏈涓轰粈涔涓鑳界洴鐫鐪 琛鏈堟槸鎬庝箞褰㈡垚鐨
    绛旓細琛鏈涓轰粈涔涓鑳界洴鐫鐪 鍦ㄦ皯闂磋娉曚腑锛屼笉鑳界湅琛鏈堟槸鍥犱负琛鏈堣薄寰佺潃澶у嚩锛屽洜涓哄彜浠f瘡娆″嚭鐜拌鏈堢殑鏃跺欙紝鎬绘槸浼撮殢鐫鎴樹簤銆佺槦鐤垨鑰呮湞浠f洿杩紝鎵浠ュ彜浜鸿涓鸿鏈堝瘬鎰忎笉鍚夛紝鎱㈡參鐨勮繖鏍风殑鎬濇兂閫愭笎娴佷紶涓嬫潵锛屼汉浠篃閫愭笎鐩镐俊琛鏈堝嚭鐜板氨浠h〃鏈夊ぇ鐏鹃毦鍙戠敓锛屽叾瀹炶繖灏辨槸灏佸缓杩蜂俊鎬濇兂銆傞櫎浜嗘垜鍥藉彜浠f皯闂磋涓鸿鏈堜笉鍚夌ゥ锛...
  • 鐢熸椿澶勫鏈绉戝,浣鑳界敤浠涔璇濆啓鍑烘潵鍚?
    绛旓細鐖哥埜鍑嗗浜嗕竴涓幓鐠冩澂鍜屽嚑寮犳櫘閫氱殑鐧界焊鐗囷紝涓烘垜鍋氱ず鑼冦傜埜鐖稿厛鍦ㄧ幓鐠冩澂閲屾敞婊℃按鐒跺悗鐢ㄧ櫧绾哥墖鐩栧湪鏉彛锛岀敤鎵嬫帉鐢ㄥ姏鍦板帇浜嗗帇锛屽弽鎵嬫彙浣忔澂瀛愶紝绗戠潃璇达細鈥滄垜瑕佸掕浆浜嗗晩锛佲濇垜鐩笉杞潧鍦鐩潃鐖哥埜锛屽睆浣忓懠鍚革紝韬綋涓嶇敱鍦板悗閫浜嗕竴姝ワ紝鐢熸曟按婕忓嚭鏉ワ紝娲掑湪韬笂銆傜埜鐖歌繀閫熷掕浆锛岃璇佸杩圭殑鏃跺埢鍒颁簡锛氭澂瀛愰噷鐨...
  • 浣犻亣鍒板摢浜涗簨鏄绉戝涔瑙i噴涓嶄簡鐨?
    绛旓細杩欎簨鎴戜滑杩欓噷鏂瑰渾20澶氶噷閮芥劅鍒伴潪甯稿鎬笌鎯婅,涓鐩浠ユ潵閮芥棤娉瑙i噴姝や簨,浣嗘槸,浜嬫儏鏄湡瀹炲瓨鍦ㄧ殑銆傜浉淇绉戝涔熻В閲婁笉浜嗙殑銆 鏃堕棿:2005骞,鍦扮偣澶╂触鍙嬭皧璺 浜嬫儏鍙戠敓鍦ㄥぉ娲ュ弸璋婅矾鏃佺殑閾舵渤骞垮満,2005骞翠節鏈堢殑涓澶╂櫄涓,涓缇ゅ瀛愬湪鏀鹃绛,姣旇皝鐨勯绛濇斁鐨勬渶楂樻渶杩,鍏朵腑涓涓瀛愮殑椋庣瓭瓒婇瓒婇珮,寰堝揩灏辩湅涓嶅埌浜,浣嗘墜涓殑绾...
  • 本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网