語料庫利用的兩個問題課件

1、關于漢語作為第二語言教學研究中語料庫利用的兩個問題福建師范大學 沙平第1頁，共55頁。一、語料庫與語料庫語言學1.1 語料庫（corpus/corpora）： 是存儲語料的數(shù)據(jù)庫，是以電子文本或其它電子介質(zhì)形式存貯在計算機中的、借助計算機軟件進行管理并可以通過計算機軟件進行查詢、檢索、統(tǒng)計的一定數(shù)量的語言材料的集合，是進行語言研究的一種普遍資源。第2頁，共55頁。一、語料庫與語料庫語言學1.2 語料庫語言學（corpus linguistics） ： 包含兩個方面：（1）語料庫建設，包括對自然語料進行加工、標注； （2）語料庫應用，用已經(jīng)標注好的語料進行語言研究和應用開發(fā)。 是以現(xiàn)實生活中人們

2、運用語言的實例為基礎進行的語言研究，可以在研究中發(fā)現(xiàn)某些語言規(guī)律，也可以對語言假說進行驗證。第3頁，共55頁。一、語料庫與語料庫語言學1.3 漢語中介語語料庫建設漢語中介語語料庫的建設是在國內(nèi)外語料庫語言學和母語語料庫建設的影響下開始的。國外第一代計算機語料庫（196070年代）： 小規(guī)模（百萬詞級），以語言研究為導向，詞法級。 Brown、 LOB、 London-Lund Corpus。 第4頁，共55頁。一、 語料庫與語料庫語言學第二代計算機語料庫（1980年代）： 大規(guī)模（千萬詞級），詞典編纂應用導向，句法級。 Bank of English、 Longman、 ICE（The Int

3、ernational corpus of English）。第5頁，共55頁。一、 語料庫與語料庫語言學第三代計算機語料庫（1990年代）： 超大規(guī)模（上億詞級），標準編碼體系深度標注/多語種NLP應用，語義和語用級。 BNC（The British National corpus）、LDC（Linguistic data Consortium，語言學資料共享計劃）、法蘭西語料庫、 俄語國家語料庫、 NERC（Network of European Reference Corpora，歐洲參考資料語料庫網(wǎng)/歐洲語料庫網(wǎng)（European Corpora Network） 。第6頁，共55頁。一

4、、 語料庫與語料庫語言學第四代語料庫： 互聯(lián)網(wǎng)作為語料庫。 可以把不斷發(fā)展的因特網(wǎng)作為虛擬語料庫。第7頁，共55頁。一、語料庫與語料庫語言學中國大陸的語料庫建設： 始于80 年代初期，發(fā)展迅速。 例如：“漢語詞頻統(tǒng)計語料庫”為200萬字次；“現(xiàn)代漢語語料庫”為7000萬字次；“中文五地區(qū)共時語料庫”每年收入的語料達6億至8億多字次；“面向語言教學研究的漢語語料檢索系統(tǒng)CCRL”為8億多字次。第8頁，共55頁。一、語料庫與語料庫語言學在這種背景下，從上世紀90年代開始，中國大陸開始建設外國人學習漢語的中介語語料庫。經(jīng)過10多年的發(fā)展，漢語中介語語料庫建設已初具規(guī)模，并在漢語作為第二語言教學與習得

5、等研究領域發(fā)揮了重要的作用。第9頁，共55頁。一、語料庫與語料庫語言學1.4 已建成的主要漢語中介語語料庫北京語言大學：漢語中介語語料庫系統(tǒng)（1995）、HSK動態(tài)作文語料庫（2006）、首都外國留學生漢語文本語料庫（2010）、 漢語學習者口語語料庫（2007）南京師范大學：外國學生漢語中介語偏誤信息語料庫中山大學：留學生中介語語料庫暨南大學華文學院：留學生漢語中介語語料庫第10頁，共55頁。一、語料庫與語料庫語言學上海交通大學、廈門大學、北京大學、中國人民大學、北京師范大學、魯東大學、蘇州大學、四川外國語學院、華中師范大學等，也都已經(jīng)建成或正在建設自己的漢語語料庫。 但是，現(xiàn)有的語料庫絕大

6、多數(shù)都是書面語語料庫，口語語料庫很少，多模態(tài)語料庫尚無建成者。第11頁，共55頁。一、 語料庫與語料庫語言學 1.5 作用與成果 通過對語料庫中較大規(guī)模真實語料的考察，研究者發(fā)現(xiàn)了前人未曾發(fā)現(xiàn)的一些漢語中介語現(xiàn)象。語料庫為定量分析奠定了堅實的基礎，研究者可以把定性研究與定量研究相結合，從而使得出的研究結論具有較強的客觀性、普遍性和科學性，這在一定程度上改變了漢語教學與習得研究的模式，極大地提高了漢語作為第二語言教學研究的水平。 第12頁，共55頁。一、 語料庫與語料庫語言學 研究案例一：關于漢語補語的習得難度與習得順序 一般認為有復雜的補語系統(tǒng)是漢語語法的一個特點，也是外國學習者習得漢語的一個

7、難點。但是，北京語言大學的課題組利用“漢語中介語語料庫”對帶“得”字補語句的習得狀況進行了考察，發(fā)現(xiàn)學習者習得“得”字補語句的偏誤率沒有人們想象的那么高。（見下表）。第13頁，共55頁?！暗谩弊殖潭妊a語句的習得狀況形 式詞 次正誤比 + 得 + 多3228/4 + 得 + 很1712/5 + 得 + 不得了87/1 + 得 + 厲害22/0 + 得 + 慌22/0 + 得 + 要命11/0 + 得 + 遠11/0第14頁，共55頁?！暗谩弊智闋钛a語句的習得狀況一級二級三級四級五級六級合計正413140311922184誤614764239 （孫德金2002，趙金銘 2008）第15頁，共55頁

8、。一、 語料庫與語料庫語言學這一研究結果促使研究者利用相同語料庫對不帶“得”字補語句（如趨向補語）的習得情況進行考察，結果發(fā)現(xiàn)學習者習得不帶“得”字補語句偏誤率整體高于帶“得”補語句。通過進一步的深入考察，研究者大體構擬出了英、日、韓（朝）等母語學習者對漢語不同類型補語的習得順序。（楊德峰2003、2008）第16頁，共55頁。一、 語料庫與語料庫語言學 中國大陸近年來基于語料庫的具有代表性的研究成果：趙金銘教授：“基于中介語語料庫的漢語句法研究”（2008）張博教授：“基于中介語語料庫的漢語詞匯專題研究”（2008）肖奚強教授：“外國學生漢語句式學習難度及分級排序研究”（2009）第17頁，

9、共55頁。二、關于語料庫利用的兩個問題2.1 利用語料庫已經(jīng)成為漢語作為第二語言教學研究的主流方法語料庫以其語料的充分性、客觀性、可驗證性、使用的便捷性，正在使語言學的研究與應用產(chǎn)生量與質(zhì)的飛躍。語料庫語言學將數(shù)據(jù)收集與理論論述有機地結合在一起，使我們對語言的理解發(fā)生了質(zhì)的變化.（Halliday1991）基于語料庫的研究方法，已經(jīng)成為當代語言學和應用語言學研究中的一種主流方法。 （王建新2005） 第18頁，共55頁。二、關于語料庫利用的兩個問題 語料庫的使用，為語言學的研究提供了一種新的思維角度，輔助人們的語言“直覺”和“內(nèi)省”判斷，從而克服研究者本人的主觀性和片面性，逐漸成為語言學研究的

10、主流方法。從某種意義上說，語料庫的使用，是語言學研究的一次革命性的進步。（馮志偉2006：14） 第19頁，共55頁。二、關于語料庫利用的兩個問題 以北語開發(fā)的“HSK動態(tài)作文語料庫”為例 為海內(nèi)外眾多碩士生、博士生所使用，為他們的研究及論文寫作提供幫助。 學術期刊、學術會議及網(wǎng)上可以看到眾多利用該語料庫的研究成果。 注冊用戶眾多，一旦發(fā)生故障會引起全球性反應。但是，我們發(fā)現(xiàn)在利用語料庫進行漢語習得和教學的研究中，有兩個問題值得我們注意。第20頁，共55頁。二、關于語料庫利用的兩個問題2.2 要注意研究對象的“同質(zhì)”性 歐美現(xiàn)代語言學之父、瑞士語言學家費爾迪南德索緒爾（ferdinand de

11、 saussure 1857-1913）十分重視語言研究的“同質(zhì)”問題。他提出了區(qū)分語言/言語、歷時/共時、能指/所指、組合關系/聚合關系等一系列二分的語言學概念，就是為了確保語言研究對象和語言研究的同質(zhì)性。 第21頁，共55頁。二、關于語料庫利用的兩個問題 研究案例二：關于漢語形容詞的語法分布 在英語中，修飾名詞作定語是形容詞的專利；但在漢語中，對形容詞修飾名詞作定語的語法功能卻有著截然相反的論述，對形容詞充當謂語也有不同的看法： 第22頁，共55頁。二、關于語料庫利用的兩個問題 “形容詞能作謂語或謂語中心語和定語，多數(shù)能夠直接修飾名詞?！保S伯榮、廖序東主編現(xiàn)代漢語，高等教育出版社，200

12、4年。已發(fā)行500多萬冊） “在不帶的的格式里，形容詞和名詞的配合受到限制，比如可以說白紙、白頭發(fā)，但是不說或不太說白手、白家具?！保ㄖ斓挛跽Z法講義，商務印書館，1982年。） 第23頁，共55頁。二、關于語料庫利用的兩個問題 “性質(zhì)形容詞單獨作謂語也有一定的限制，一般只能用于對照、比較的情況。在沒有比較意味的句子里，一般要在前面加上程度副詞很?！?(劉月華等主編實用現(xiàn)代漢語語法，商務印書館，2002年。） 有學者利用語料庫對漢語形容詞在書面語和口語中的分布進行了統(tǒng)計（張寶林2011）：第24頁，共55頁。二、關于語料庫利用的兩個問題 形容詞的主要語法功能：定語說+謂語說。語料形容詞謂語頻率定

13、語頻率口語50429859.1%10821.4%書面語61110717.5%38563.0%口+書111540536.3%49344.2%第25頁，共55頁。二、關于語料庫利用的兩個問題 口語和書面語是不同質(zhì)的研究對象，基本義相同的口語詞和書面語詞經(jīng)常不能替換：如“幫”、“幫助”、“幫忙”基本意義相同，“你幫我買張票”，不說“幫助”和“幫忙”；“他欺騙我的感情”、“他騙我的錢”，“欺騙”和“騙”也不能互換。這和書面語與口語有關，也和漢語的節(jié)律有關。 結論：對漢語形容詞語法分布的論述應區(qū)分口語體與書面語體。第26頁，共55頁。二、關于語料庫利用的兩個問題研究案例三： “把”字句習得的“回避”說與

14、“不回避”說量詞的用法、形容詞謂語句、無標記的被動句、帶各種補語的句子、“把”字句（多數(shù)學生難點中的難點）、“了”“著”“過”的用法（“了”也是難點中的難點）、比較句、方位詞的用法、長定語、三位數(shù)以上的大數(shù)目。怎么知道什么是難點，什么不是難點呢？一是通過語言對比研究來發(fā)現(xiàn)，二是靠教學經(jīng)驗。到底什么是真正的難點，最終還要靠教學經(jīng)驗來檢驗。（呂必松1992：110）第27頁，共55頁。二、關于語料庫利用的兩個問題如以英語為母語的學習者的語法難點有：形容詞謂語句、無標記被動句、帶各種補語的句子、“把”字句、“是的”句、比較句以及“了”“著”“過”的用法、量詞用法、方位詞用法、長定語、大數(shù)目稱數(shù)法以及

15、話語連接等。其中的大部分，對任何母語背景的學習者來說也都是難點。通過語言對比突出語法的重點和難點。對外漢語語法教學的一大特點是學習者會受到其第一語言遷移作用的影響。作為第二語言的漢語對所有學習者都有共同的難點，對不同母語背景的學習者又有特殊的難點。（劉珣2000：366）第28頁，共55頁。二、關于語料庫利用的兩個問題對歐美學生來說，受事主語句、存現(xiàn)句、主謂謂語句，以及時間、地點狀語的位置，始終是學習的難點，同時也體現(xiàn)漢語語法特點。而帶有普遍性的語法難點，則是“把”字句、各類補語以及時態(tài)助詞“了”“著”等。至于我們所認為的特殊句式，其實并非學習的難點，比如連動句、兼語句、“是”字句、“有”字句

16、以及名詞謂語句、形容詞謂語句。這也是從多年教學中體味出的。（趙金銘 2006）第29頁，共55頁。二、關于語料庫利用的兩個問題學界共識：1）最大難點：“多數(shù)學生難點中的難點”。2）回避：外國學習者對把字句采取了回避的學習策略，盡量不用，用則必錯。證據(jù)：1）外國人對把字句的使用率不足百分之一。2）談話一小時，沒用一個把字句。第30頁，共55頁。二、關于語料庫利用的兩個問題有學者利用語料庫對把字句使用情況進行了考察偏誤率： 在“HSK動態(tài)作文語料庫”（1.0版）中，共有把字句3682句，其中正確句3221句，在把字句總數(shù)中所占比例約為87. 48%；偏誤句461句，在把字句總數(shù)中所占比例約為12.

17、 52%。 第31頁，共55頁。二、關于語料庫利用的兩個問題使用率：外國學習者：3682 /40000000.0921%。漢語母語者： 張黎2007：46/2100000.0219% 李寧、王小珊2001：335萬字，0.0894%人民日報： 俞士汶（98/1-6）：9801/130000000.0754% CCRL（2000）：1498/19300000.07762% CCRL（2012）：18413/240000000.0767% “比較大的樣本可以減低樣本統(tǒng)計量的變異”（戴維S穆爾2003：162）。第32頁，共55頁。二、關于語料庫利用的兩個問題 由此得出結論：外國漢語學習者對把字句的

18、使用率和偏誤率都僅次于“是的”句、是字句、有字句，而高于其他句式，不存在回避問題。第33頁，共55頁。二、關于語料庫利用的兩個問題 我們認為，大規(guī)模書面語語料庫檢索的結果尚不足以推翻外國漢語學習者回避“把”字句的成說，他僅僅能證明外國漢語學習者在書面語體的漢語測試中“把”字句的使用頻率略高于國內(nèi)漢語書面語體語料庫“把”字句的出現(xiàn)頻率，而在口語中由于沒有思考斟酌的余地，出于交際策略，規(guī)則復雜的“把”字句不排除被回避的可能。當然，這也只是經(jīng)驗主義的推測。第34頁，共55頁。二、關于語料庫利用的兩個問題 要推翻回避說，還必須有平行的口語語料庫檢索、分析結果的支持，而目前中國大陸的語料庫絕大部分都是書

19、面語語料庫，口語語料庫剛開始建設（北語的“漢語學習者口語語料庫”，“HSK動態(tài)口語語料庫”；香港中文大學的“語言習得漢語口語語料庫（LAC/SC）”，蘇州大學的“小型外國學生口語中介語語料庫”），多模態(tài)語料庫則還處于理論探索階段。第35頁，共55頁。二、關于語料庫利用的兩個問題為求同質(zhì)李菡幽自建語料庫 廈門大學海外教育學院講師李菡幽在其博士論文基于學習策略的漢語作為第二語言語法偏誤研究中自創(chuàng)了20萬字的漢語作為第二語言習得和漢語作為第一語言習得的平行語料庫，觀察留學生使用漢語13種特殊句型的偏誤情況，并進行了統(tǒng)計分析。因為語料來源于兩類學生對同一幅圖畫的看圖作文，即要表達的客觀內(nèi)容是一致的，通

20、過對比，可以更好地呈現(xiàn)出留學生使用漢語13種特殊句式的特點。 第36頁，共55頁。二、關于語料庫利用的兩個問題 調(diào)查對象：中高級留學生和中國初三年級的學生。 選擇初三學生作為參照系有三個考慮： 一是從思維形式和心智發(fā)展角度看。初三學生的認知系統(tǒng)已經(jīng)趨于成熟完善 。這樣就避免了因為心智發(fā)展等問題引起的語言表達錯誤，從而使得他們與作為成人的第二語言學習者的語法偏誤更具有可比性。 二是從二者寫作能力的發(fā)展特點看。初三學生的寫作正處于一個閱讀向?qū)懽鬟^渡的階段，也是形成內(nèi)部差異的重要階段 。而中高級留學生的二語寫作能力也處在過渡階段，內(nèi)部差異明顯。所以，從這個角度來說，二者也具備了很強的可比性。 三是詞

21、匯量大體相當。第37頁，共55頁。二、關于語料庫利用的兩個問題 留學生和中國學生漢語特殊句型使用率比較 第38頁，共55頁。二、關于語料庫利用的兩個問題 李菡悠結論：從使用率來看，留學生對大部分的漢語特殊句式的使用頻次均低于中國學生。我們認為這在一定程度上說明了留學生對大部分的漢語特殊句式的使用仍存在一定的回避傾向。 第39頁，共55頁。二、關于語料庫利用的兩個問題2.3 要注意對語料庫定量分析結果的“解釋” 千百年的西方哲學史總是演繹著經(jīng)驗主義(empiricism)和理性主義(rationalism)的輪回。經(jīng)驗主義哲學重視經(jīng)驗，主張歸納法；理性主義哲學崇尚理性， 提倡演繹法。 語言學研究

22、也不例外，上個世紀前半葉的結構主義語言學是經(jīng)驗主義的。崇尚對語言事實的客觀描寫，有一套嚴格的形式描寫程序和方法，從對客觀語言事實的描寫中歸納語言規(guī)則。第40頁，共55頁。二、關于語料庫利用的兩個問題 上個世紀中葉，喬姆斯基的轉換生成語言學興起，喬姆斯基在其著作中明確地采用理性主義的方法，完全排斥經(jīng)驗主義的描寫方法，主張采用公理化、形式化的方法，嚴格地按照一定的規(guī)則來描述自然語言的特征，試圖使用有限的規(guī)則描述無限的語言現(xiàn)象，發(fā)現(xiàn)人類普遍的語言機制，建立所謂的“普遍語法”。第41頁，共55頁。二、關于語料庫利用的兩個問題 語料庫語言學屬于經(jīng)驗主義的描寫語言學范疇，它的優(yōu)勢在于客觀、精確和可驗證性。

23、但是，我們研究語言和語言教學問題的目的不僅在于了解問題，更重要的是要解決問題，這就需要解釋，對客觀描寫（統(tǒng)計）所揭示的語言事實和語言習得現(xiàn)象作出科學合理的解釋，這就是語言教學研究和碩博士論文撰寫中所謂的定量研究與定性研究相結合的原則。第42頁，共55頁。二、關于語料庫利用的兩個問題研究案例四：“有界”與“無界” 陸儉明先生在上個世紀80年代從描寫語法學的視角敏銳地揭示漢語中某些句法組合沒有數(shù)量詞就不能成立或是不自由的，還有一種情況是某些句法組合排斥數(shù)量詞。（陸儉明1988）例如：1.某些句法組合沒有數(shù)量詞就不能成立（用*標示）或是不自由的（用（*）標示）。（1）雙賓語結構，如果間接賓語是表示位

24、移終點的處所或是表示“給予”的對象，那么直接賓語得帶數(shù)量詞。 *盛碗里魚 盛碗里兩條魚 （*）送學校油畫 送學校一幅油畫第43頁，共55頁。二、關于語料庫利用的兩個問題（2）雙賓語結構，如果直接賓語是結果賓語，那么這個結果賓語得帶數(shù)量詞。 *（蚊子）叮了小王大包 叮了小王兩個大包 * 捂了孩子痱子 捂了孩子一身痱子（3）帶結果補語或趨向補語的動補結構后面帶上名詞性賓語（包括施事賓語）形成的這種動賓結構，賓語得帶數(shù)量詞。 (*)打破玻璃（打破玻璃的人找到了嗎？）/打破兩塊玻璃 (*)飛進來蒼蠅（飛進來蒼蠅就打）/飛進來一只蒼蠅第44頁，共55頁。二、關于語料庫利用的兩個問題（4）“動詞+了+名詞

25、”這種動賓結構，作賓語的名詞得帶數(shù)量詞。 (*)吃了蘋果（吃了蘋果又吃梨） 吃了一個蘋果（5）非謂形容詞（狀態(tài)形容詞）作定語（不帶“的”）的偏正結構，其中心語一定得帶數(shù)量詞。 *雪白衣服 雪白一件衣服 *白花花胡子 白花花一大把胡子 *熱熱兒茶 熱熱兒一碗茶 *干干凈凈鞋 干干凈凈一雙鞋第45頁，共55頁。二、關于語料庫利用的兩個問題2.某些句法結構排斥數(shù)量詞。（6）表示動態(tài)行為的處所主語句“主處所+動詞+著+賓”，其賓語成分排斥數(shù)量詞。例如，“山上架著炮”如果是表示“山上正在架炮”的動態(tài)行為（而不是“山上有炮”的靜態(tài)存在），那么“炮”不能帶數(shù)量詞。 *山上架著兩門炮 山上架著炮 其實不僅是處

26、所主語句，表示動態(tài)行為的“動詞+著”后面的賓語一般不能帶數(shù)量詞，例如： *他正吃著三碗飯 他正吃著飯 *他正寫著五行字 他正寫著字第46頁，共55頁。二、關于語料庫利用的兩個問題（7）性質(zhì)形容詞作定語（不帶“的”）的偏正結構，其中心語也不能帶數(shù)量詞。這正好與（5）狀態(tài)形容詞作定語的偏正結構得有數(shù)量詞的情形相反。 *白一只孔雀 白孔雀 *干凈一件衣服 干凈衣服 呂叔湘先生在怎樣學習語法一文和石毓智（1992a）還指出兩種排斥數(shù)量詞的句法結構：第47頁，共55頁。二、關于語料庫利用的兩個問題（8）“動詞重疊式+名詞”這種動賓結構，賓語不能帶數(shù)量詞。（*）今天要談談兩個問題 今天要談談問題 *星期天

27、在家洗洗一件衣服 星期天在家洗洗衣服（9）在用“不”否定的結構里，動詞即使不是重疊式，其賓語一般也排斥數(shù)量詞： （*）今天不談兩個問題 今天不談問題 （*）這個月不演三場電影 這個月不演電影第48頁，共55頁。二、關于語料庫利用的兩個問題 沈家煊先生在90年代從認知語法學的視角用“有界無界”這一對概念對陸先生揭示的語法規(guī)律做出了解釋由于述語部分是個有界的行為動作，所以要求賓語部分也得是有界的（光桿兒名詞作賓語表示通指，即類指，是無界的，加上數(shù)量詞就表示專指，是有界的）。（沈家煊1995）這個解釋讓我們對漢語語法事實的認識顯然深入了一步。第49頁，共55頁。二、關于語料庫利用的兩個問題 沈家煊先生還試圖將有界/無界的理論認識運用到漢語的詞類分析，以實現(xiàn)漢語詞類分析從傳統(tǒng)語法的概念意義標準到描寫語法的形式標準再到認知語法的抽象語義標準的輪回。 去年陸先生在商務印書館“中國語言學書院揭牌儀式暨研討會”上的講話中指出：“我們還可以追究，為什么行為動作是有界的，它的賓語也必須要求是有界的？我們對各種各樣的語法現(xiàn)象，對各種各樣的語法問題，都要去思考為什么？的問題”。也就是提示我們在語言研究中要重視解釋 ，當然描寫是基本功。第50頁，共55頁。二、關于語料庫利用的兩個問題 2.4 對把字句“不回避說