A pszicholingvisztikai kutatások az ún. referenciális integrációt (tehát az azonos dolgokra különböző szavakkal és szerkezetekkel történő utalások mentális összekapcsolását) elsősorban a névmások anaforikus és kataforikus működésén keresztül vizsgálják, azonban szövegnyelvészeti szempontból a szövegen belüli grammatikai és lexikális kapcsolatok túlmutatnak a névmások használatán. Ezeket a kapcsolatokat, amelyek a szövegben megjelenő nyelvi elemek között állnak fenn, (szöveg)kohéziónak nevezzük. A kohézió alapja, hogy bizonyos szerkezetek (főnevek, jelzős szerkezetek, sőt akár igei szerkezetek) szemantikai tartalma a szövegben máshol (jellemzően egymáshoz közel) megjelenő szerkezetek értelmezésétől függ, illetve azok alapján válik egyértelművé (Renkema, 2004). Másként megfogalmazva bizonyos nyelvi elemek jelentését maga a kohéziós kapcsolat hordozza (Tankó, 2011). Halliday és Hasan (1976) szerint a kohéziónak öt típusa különböztethető meg: az utalás, a helyettesítés, az ellipszis (kihagyás), az összekapcsolás (konjunkció) és a lexikális kohézió.

Az utalás egyik leggyakoribb megnyilvánulási formája a névmások használata. Az utalás értelmezése során a befogadó egy másik nyelvi elem jelentését veszi figyelembe a névmás szemantikai tartalommal való megtöltésében (Tankó, 2011). Az egyik legkorábbi munka, amely a névmásoknak a szövegreprezentáció kialakításában betöltött szerepével foglalkozik, Lesgold (1972) nevéhez köthető. A szerző rávilágított arra, hogy a szöveg emlékezeti leképeződését – más egyéb tényezők mellett – a névmások teszik lehetővé azáltal, hogy egyfajta mikroszerkezeti támpontokként funkcionálnak az értelmezés során. Az anaforikus utalásoknak a rövid távú memóriában való keresési utasításokként való értelmezését Hirst és Brill (1980) vizsgálta. Kimutatták, hogy a névmások alapvetően meghatározzák, hogy az egymást követő kijelentéseket miként kapcsoljuk össze, olykor a szemantikai-pragmatikai információktól függetlenül. Kennison (2003) az angol névmások feldolgozásával kapcsolatban azt találta, hogy a főnévi szerkezet típusa (férfi vagy női személynév, illetve egy másik személyes névmás) egyértelműen befolyásolja, hogy a tárgyként funkcionáló névmást (her) hogyan értelmezzük, és nem csupán a kontextuálisan elfogadható antecedenst vesszük figyelembe.

A referensként megjelenő szó szemantikai tartalma mellett az előismereteink és a tapasztalataink is hatnak a kapcsolódó névmások feldolgozására. Kísérletileg igazolták, hogy az általában a férfi vagy a női szerepekhez köthető szavak (pl. kőműves vagy ápoló) meghatározzák az anaforikusan utaló névmások nemére vonatkozó elvárásainkat. Kennison és Trofe (2003) kísérletében az adatközlők mondatpárokat olvastak. Az első mondatban megjelenő referens egy előzetes sztereotípia-vizsgálat alapján vagy elsősorban férfi vagy elsősorban női szerephez állt közelebb. A második mondatban néhol megegyező nemű névmást helyeztek el, más esetekben azonban a referens által kijelölt nemi elvárásnak ellentmondó névmást. Az eredmények azt mutatják, hogy az olvasási idő gyorsabb volt akkor, amikor a tartalmas szó „neme” és a névmás neme megegyezett. A nyelvtani és a természetes nem szövegértelmezésben aktiválódó interferenciáját, illetve a nemi elvárásaink értést segítő hatását számos más kutatás vizsgálta (vö. Ehrlich, 1980; Wykes, 1981; Garnham–Oakhill, 1985). A személynevek felismerésének vizsgálata megerősítette, hogy a természetes nemmel kapcsolatos tapasztalataink közvetlenül a személynév észlelésekor aktiválódnak (Lu et al., 2020), így azok a referenciális viszonyok leképezésében fontos szerepet játszhatnak.

A kísérleti eredmények tehát azt támasztják alá, hogy a szöveg feldolgozása során folyamatosan szelektáljuk a szemantikailag üres elemek potenciális antecedenseit, illetve a világismereteinket és a tapasztalatainkat is felhasználva értékeljük azok megfelelőségét. Ebben egyértelműen kitüntetett szerepet játszik mind a munkamemória, mind a hosszú távú memória (Yuill–Oakhill, 1991). A névmások feloldását érintő – szintén az emlékezeti kapacitásunkhoz kapcsolódó – másik tényező a névmás és az antecedens közötti távolság: minél messzebb állnak egymástól, annál gyengébbnek érezzük a közöttük lévő koreferenciális kapcsolatot (Clark–Sengul, 1979). Cirilo (1981) klasszikus kutatásában a kísérleti személyek történeteket olvastak el, amelyekben egyes mondatok az azokat megelőző antecedensmondatokkal koreferenciális viszonyban álltak, míg más, egymást követő mondatok között ilyen kapcsolat nem ált fenn. A koreferenciális viszonyban álló mondatok esetében az antecedens (Cirilonál lásd precursor) és a célmondatokban előforduló, szemantikailag üres elemek közötti távolság váltakozott. A szöveg olvasása közben a kísérleti személyek különböző feladatokat oldottak meg, amelyek vagy mikro- vagy makrofolyamatok működtetését feltételezik. Az eredmények szerint a koreferencia hiánya, illetve a koreferens elemek közötti távolság növelte az olvasási időt, amikor a mikrofolyamatok voltak hangsúlyosak. A feladat típusa, illetve a koreferenciális távolság a szöveg felidézését is befolyásolta.

A visszautaló kifejezéseknek számos formája létezik. Ide tartoznak általában a deiktikus elemek (például mutatószavak, személyes névmások; vö. Clark–Sengul, 1979), illetve a stilisztikai változatosságot biztosító lexikális kohézió különböző változatai is. Szövegszervezési szempontból egyfajta anaforikus utalásként értelmezhető a határozatlan főnévi szerkezetek határozottá válása is. Kíséretileg igazolták, hogy ha egy határozatlan névelővel bevezetett főnévi szerkezet ismételt előfordulása esetén határozott névelő jelenik meg a szerkezet előtt, a befogadó inkább szövegként értelmezi a hallottakat/olvasottakat; ezzel szemben újbóli határozatlan névelő használatának esetén inkább mondatok sorozataként (de Villiers, 1974).

Lexikális kohézióról akkor beszélünk, amikor a szövegben egy korábban előforduló szót a későbbiekben egy másik, szemantikailag kapcsolódó szóval helyettesítünk (Halliday–Hasan, 1976). Bár a szövegnyelvészeti kutatások a lexikális kohézió számos típusát leírták (vö. Hoey, 1991; Hearst, 1997; Marcu, 2000; Karamanis et al., 2004; Barzilay–Lapata, 2005), pszicholingvisztikai szempontból nem egyértelmű, hogy a befogadók mely nyelvi elemeket tekinti kohezívnek, illetve mi befolyásolja a lexikális kohéziós elemek megítélését. Morris és Hirst (2005) például azt vizsgálta, hogy a kísérleti személyek milyen mértékben azonosítják hasonlóan egy adott szövegben a szemantikailag összetartozó szavak csoportjait, a csoportokon belül az összetartozó szópárokat és az adott szócsoportba eső szavak jelentését. Az eredmények nem támasztják alá egyértelműen a hasonló jelentésű szavak befogadó által megítélt szövegkohéziós erejét (a csoportosítási feladatban 66%-os egyezést adatoltak). Más kutatások a lexikális kohéziós elemek közötti szemantikai kapcsolat erősségét, illetve minőségét vizsgálták abból a szempontból, hogy a kapcsolat erőssége és típusa miként befolyásolja a kohézióérzetet, illetve milyen szövegtartalomra vonatkozó elvárásokat, forgatókönyveket generál (vö. szkript; Schank–Abelson, 1977). Alapos összefoglalást kínál az újabb magyar szövegkohézió-kutatásról a Dobi Edit és Andor József szerkesztette tanulmánykötet (Dobi–Andor, 2016).

Klebanov és Shamir (2007) újszerű kutatása a történet előrehaladásának az azt megelőzőek értelmezésére gyakorolt hatását vizsgálta, illetve azt, hogy miként alakul ki a lexikális kohézió a narratíva egy lehetséges kibontakozásának tükrében. Feltételezésük szerint ha egy történetnek több különböző folytatása is elképzelhető (már az első mondatot követően is), amint egyértelművé válik a cselekmény iránya, kialakul egy kognitív-interpretatív kapcsolat az előzménnyel, amely így a befogadó háttérismereteinek megfelelően elfogadhatóvá, értelmessé válik és illeszkedik valamely – tapasztalati úton kialakult – szkripthez. Ennek megfelelően alakul ki a kohezív kapcsolat is olyan lexikális elemek között, amelyek egyébként szemantikailag nem feltétlenül kapcsolódnak szorosan egymáshoz (pl. betegség ◊ halál, távirat ◊ tragédia). Klebanov és Shamir az ilyen lexikális kohezív kapcsolatot megerősítési torzításnak tekinti (vö. anchoring, Klebanov–Shamir, 2007). A lexikális kohézió tehát nem abszolút módon értelmezhető, hanem az adott szöveg által kijelölt, logikus cselekményláncolat határozza meg. Az ilyen és ehhez hasonló eredmények jól hasznosíthatóak a lexikális kohéziós modellek felülvizsgálatában, illetve a szövegértési kompetencia fejlesztésében anyanyelven és idegen nyelven egyaránt.

Bár a névmásokhoz és a koreferenciális lexikális elemekhez képest az ellipszis mint szövegkohéziót megteremtő eszköz és mint a szövegfeldolgozást befolyásoló mikroszerkezeti hatás előfordulása csekély, számos pszicholingvisztikai kutatás vizsgálja annak észlelési és értelmezési sajátosságait.

Az ellipszis terminus azokat a szövegből hiányzó elemeket jelöli, amelyek bár nem olvashatóak/hallhatóak, mégis bizonyos jelentést hordoznak (Poirier, 2009). Az ellipszisnek több megjelenési formája ismert, amelyek aszerint csoportosíthatóak, hogy az elliptikus (tehát kihagyott) elem milyen nyelvi (mondattani) kategóriát fed le. Ennek megfelelően beszélhetünk lexikális ellipszisről (ha a kihagyott elem egy szó), szószerkezetet helyettesítő ellipszisről (például egy ige és az azt követő tárgy kihagyása esetén), illetve teljes mondatrész helyett álló ellipszisről (Poirier, 2009).

Az ellipszis – bár az valójában a (hangzó vagy írott) nyelvi input hiányán keresztül manifesztálódik – értelmezése nem okoz gondot a befogadó számára. Felnőttekkel végzett kutatások tanulságai szerint az elliptikus elemek jelentésének értelmezési pontossága 97% körüli olvasás utáni értésben (Bélanger, 2004). Ennek magyarázata, hogy bár az input hiánya miatt az alulról felfelé ható feldolgozási folyamatok nem működnek, az „üres” részek kitöltési lehetőségei mégis korlátozottak, és egy megelőző szó, szószerkezet vagy mondatrész jelentésétől függnek.

Pszicholingvisztikai szempontból ez azt jelenti, hogy a megértést biztosító mechanizmus az elliptikus elem kitöltésekor az antecedens jelentésével megegyező elemet helyettesít be, illetve teljes mondatrészek kihagyása esetén paralel struktúrát rekonstruál (Poirier, 2009). Ezt hívják szintaktikai paralelizmusnak, amelyet számos empirikus kutatás vizsgált (vö. Hankamer–Sag, 1976; Fiengo–May, 1994; Merchant, 2001). E megközelítés szerint a mondatfeldolgozó rendszer – a verbális munkamemória kapacitását kihasználva – a hiánytalan, már feldolgozott mondatrész szintaktikai struktúráját lemásolva egy azzal megegyezőt alkot.

Ezzel szemben más szerzők – elsősorban a szemantika jelentőségét hangsúlyozva – úgy vélik, az elliptikus elem helyén semmilyen szintaktikai struktúra nem jelenik meg, a hiánytalan mondatrész felépítésének a továbbiak értelmezésére nincs hatása, így az értelmezés során csupán a hiánytalan mondatrész jelentéséből indulunk ki (vö. Hardt, 1993; Dalrymple et al., 1991). Köztes magyarázatot kínál Kehler (2000), aki szerint az ellipszis helyén rekonstruált szintaktikai struktúra megjelenése a teljes diskurzustól függ.

Az ellipszissel foglalkozó pszicholingvisztikai kutatások alapvetően két kérdésre keresik a választ: hogyan észleljük az ellipszist, és miként rendelünk jelentést az adott mondatrész hiányzó eleméhez, illetve bizonyos esetekben a teljesen hiányzó mondatrészhez (Poirier, 2009). A neurolingvisztikai kutatások jelentős része arra világított rá, hogy igei ellipszis esetén a befogadók nagyon gyorsan (100–300 ms alatt) észlelik a hiányzó igét (Kaan et al., 2004; Streb et al., 2004; Callahan et al., 2007). Más kísérletek eredményei némiképp ellentmondásosak. Shapiro és munkatársai (2003) azt találták, hogy az ellipszist már közvetlenül a hiányzó igei szószerkezet helyén azonosítjuk. Ezzel szemben egy korábbi kutatás szerint (Shapiro–Hestvik, 1995) az igei szószerkezet hiányának feloldása csak az ellipszis után 600 ms-mal történik meg. A szerzők kiemelik, hogy ebben fontos szerepet játszhat a tagmondatok közötti viszony típusa, amely bizonyos esetekben a feldolgozási időt növelheti.

Az összetett mondatok tagmondatainak szerkezete, illetve a tagmondatok közötti logikai viszony szoros összefüggésben áll a feldolgozási sebességgel. Számos munka számol be az ún. paralelizmushatásról (Frazier et al., 1984; Frazier et al., 2000; Pickering et al., 2000), amely azt jelenti, hogy egymást követő tagmondatok esetében a második tagmondat feldolgozása gyorsabb és könnyebb, amennyiben a két tagmondat szintaktikai struktúrája azonos (tehát grammatikai értelemben párhuzamosnak tekinthetőek). A szintaktikai paralelizmus értést elősegítő hatását azzal magyarázzák, hogy a korábban feldolgozott struktúra – a továbbiakban megjelenő tagmondatok értését elősegítendő – aktív marad (Callahan et al., 2010). A már elemzett mondatrész így egyfajta irányzékként használható a következő mondatrész feldolgozásában. Amennyiben az új struktúra eltérő, a feldolgozórendszer vélhetően elveti a megtartott „elemzési tervet”, ezzel megnövelve a feldolgozási időt. Knoeferle (2007) szerint azonban a paralelizmushatás csak bizonyos logikai kapcsolatok fennállta esetén lép működésbe. Az ellentétes értelmű (de), illetve az ok-okozati kapcsolatot bevezető kötőszavak (mert) – az angol nyelvben – nem feltételeznek szintaktikai paralelizmust, mivel azok szemantikailag is eltérő viszonyokat teremtenek. A befogadó ennek megfelelően nem vár párhuzamosságot, a paralelizmushatás így nem aktiválódik. A szintaktikai struktúrák párhuzamosságával, illetve a mondatrészek közötti eltérő logikai kapcsolatokkal az elliptikus elemek észlelésében kimutatható temporális különbségek is magyarázhatóak. Kapcsolatos mellérendelés esetén a paralelizmushatásnak köszönhetően az ellipszist gyorsabban, már a kihagyott elem helyén azonosítjuk, míg magyarázó vagy következtető értelmű mellérendelés esetén az azonosítás lassabb és később következik be (Poirier, 2009). Számos más kutatás vizsgálta a kötőszavak szövegszervező szerepét, illetve azt, hogy a különböző mondatstruktúrák közötti logikai viszonyok miként járulnak hozzá a szöveg megértéséhez (vö. Meyer, 1979; Meyer et al., 1981; idegen nyelven Geva, 1992).

A szövegmegértés mikroszerkezeti hatásokon, azon belül pedig elsősorban a visszautalások rendszerén alapuló, egyik legelfogadottabb modellje a Gernsbacher-féle szerkezetépítési elmélet (Gernsbacher, 1990; 1991; 1995; 1997). A felfogás lényege, hogy a szöveg feldolgozása során a hallottakat/olvasottakat egyfajta mentális keretbe helyezzük, amely keret tulajdonképpen emlékezeti csomópontok rendszereként funkcionál. Ez a keret folyamatosan bővül. A beérkező információkat eszerint a csomópontok szerint rendszerezzük, illetve ezekhez rendeljük hozzá. Ha a szöveganyagot nem ítéljük koherensnek (azaz nem illeszthető a keretbe), újabb keretet (vagy emlékezeti alrendszert) nyitunk. Gernsbacher két ún. koherenciateremtő folyamatot tételez fel: a serkentést (facilitation) és az elnyomást (suppression) (Gernsbacher, 1991). A serkentés az előfeszítéssel (másként a priming hatással) megegyező mechanizmus, amely kapcsolatot teremt a névmás és az előzmény között. Ezzel egyidejűleg azonban a kontextustól függően irreleváns előzmények (antecedensek) elfojtásra kerülnek. Ez utóbbi folyamat az elnyomás gátló hatásának eredménye. A serkentés és az elnyomás párhuzamos működése tulajdonképpen a lehetséges antecedensek szelekcióját jelenti. A szerkezetépítési modell szerint tehát a szövegértés során a szöveg koherens mentális reprezentációját hozzuk létre. A nyelvi anyag képi szimbólumok formájában történő mentális reprezentációjának kialakulását vizsgálta Chen és munkatársai (2020). Eredményeik szerint még bizonyos idő eltelte után is aktívak maradnak a mondatok, illetve a hosszabb szövegegységek által aktivált vizuális képek, amelyeket a szerzők perceptuális reprezentációknak neveznek.

A visszautalással kialakuló lexikális kapcsolatokkal és az antecedensek szelekciójával összefüggésben másik fontos kérdés, hogy a névmás pontosan milyen előzményt aktivál. Cloitre és Bever (1989) szerint a visszautalás során már nem pusztán az előzmény szerepét betöltő főnév aktiválódik, hanem a főnévhez kapcsolódó jelző vagy jelzők is. Ez azonban csak akkor igaz, ha a visszautalás névmás útján történik, és nem valamilyen más tartalmas szóval, vagy esetleg az előzményfőnév ismétlésével. A kutatási eredmények szerint éppen az a névmások integratív előnye a szövegmegértésben, hogy a befogadó a tartalmas szavakra történő anaforikus utalások során az egész szemantikai mezőt aktiválja (Pléh, 2015a).