基于共時語料庫的高職EGP寫作量化研究

畢成

[摘 ? ? ? ? ? 要] ?將近些年語料庫語言學(xué)中針對口筆語的研究方法遷移至高職EGP寫作的評估中，以云南能源職業(yè)技術(shù)學(xué)院2018級全體學(xué)生作文組建的語料庫為研究對象，通過分析對比相關(guān)數(shù)據(jù)，從整體上對當(dāng)前云南能源職業(yè)技術(shù)學(xué)院乃至同類型的高職院校學(xué)生的英語寫作能力有進(jìn)一步了解，填補高職院校在EGP寫作語料庫研究方面的短板，并為下一步的EGP教學(xué)改革提供一定的量化依據(jù)。

[關(guān) ? ?鍵 ? 詞] ?寫作;語料庫;量化研究

[中圖分類號] ?G712 ? ? ? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] ?A ? ? ? ? ? ? ? ? ? ?[文章編號] ?2096-0603（2020）41-0064-02

一、引言

（一）語料庫語言學(xué)研究現(xiàn)狀

20世紀(jì)60年代初，語料庫語言學(xué)便已問世。國外學(xué)者M(jìn)eyer認(rèn)為“語料庫語言學(xué)主要是一種語言研究方法，而不是語言學(xué)中的一個獨立的研究范式”[1]。而在國內(nèi)，何中清和彭宣維認(rèn)為“它以大量真實的語言數(shù)據(jù)為研究對象，進(jìn)行多層次和全方位研究，揭示語言現(xiàn)象隱含的普遍規(guī)律，它的出現(xiàn)對語言研究產(chǎn)生了巨大影響”[2]。在經(jīng)歷半個多世紀(jì)的發(fā)展后，當(dāng)前的語料庫語言學(xué)已成為一個計算機(jī)科學(xué)與語言學(xué)交叉發(fā)展的熱點領(lǐng)域。

（二）選題意義

對學(xué)生寫作質(zhì)量的評估是一個極為重要的研究熱點，但絕大多數(shù)高職院校教師仍在使用人工逐一審閱和定性描述的方法對學(xué)生作文進(jìn)行評估，很難面向同行或?qū)W生給出令人信服、標(biāo)準(zhǔn)規(guī)范化的質(zhì)量評估結(jié)論。所以，將語料庫理論和研究方法引入高職院校英語寫作教學(xué)中，在微觀方面可為教師的教學(xué)工作提供更好的“診斷”手段，為學(xué)生自主學(xué)習(xí)提供更好的指導(dǎo)。在宏觀層面，基于量化數(shù)據(jù)的評估結(jié)論也可為學(xué)校乃至教育主管部門提供更好的英語教學(xué)改革依據(jù)，讓教學(xué)改革做到“對癥下藥”“有的放矢”。

二、研究設(shè)計

（一）語料庫建設(shè)

本項目以云南能源職業(yè)技術(shù)學(xué)院2018級全體學(xué)生的客觀寫作材料為研究對象，以語料庫為研究方法，得出相關(guān)的標(biāo)志性參數(shù)，并參考中國學(xué)習(xí)者英語語料庫（CLEC）、布朗語料庫（Brown Corpus）同類型數(shù)據(jù)參數(shù)，以此得出對比結(jié)論。

首先，項目組通過機(jī)輔寫作軟件采集云南能源職業(yè)技術(shù)學(xué)院2018級全體學(xué)生的作文共2670篇，40多萬個英文單詞。因為本項目的目的是對學(xué)生的寫作質(zhì)量進(jìn)行評估，在語料收集完畢后，我們對語料進(jìn)行了處理，把作文中相關(guān)性較小的內(nèi)容，如標(biāo)題以及人名等刪除。其次，我們利用Free CLAWS web tagger在線詞性標(biāo)注軟件，依據(jù)UCREL CLAWS5 Tagset的標(biāo)準(zhǔn)對語料內(nèi)容進(jìn)行標(biāo)注，把語料庫的詞性（POS）標(biāo)注出來，最終將云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生作文庫命名為YVIET2018。

（二）數(shù)據(jù)分析

完成語料庫的標(biāo)注與處理之后，我們利用Wordsmith3.0對觀察語料庫YVIET2018與參照語料庫CLEC、Brown Corpus的數(shù)據(jù)進(jìn)行提取。

1.標(biāo)準(zhǔn)化類形符比（STTR）

形符（token）是指語料庫中的一切單詞，包括反復(fù)運用過的單詞，即語料庫中所有單詞的總數(shù)。類符（type）是指語料庫中一切不反復(fù)的單詞的總數(shù)。類形符比（TTR， type-token ratio），是指語料中呈現(xiàn)的類符與形符的比率，它標(biāo)志著語料庫中詞匯的多樣性或者詞匯的豐沛度（lexical density）。但語料庫體量的大小對TTR值有一定的影響，所以我們采用標(biāo)準(zhǔn)化類符形符比（STTR， standardized type-token ratio），即大小為1000詞的連續(xù)多個語料庫的平均類形符比，以此對比不相同的多個語料庫的類形符比差異，參數(shù)更加可信。由此，我們得出了3個語料庫的STTR值。YVIET2018的數(shù)據(jù)是38.37，CLEC是32.8，而Brown是39.04，說明在詞匯豐沛度方面，云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生的整體情況優(yōu)于國內(nèi)英語學(xué)習(xí)者的平均水平，在寫作中更加善于使用多樣化的詞匯表達(dá)，更加接近源自英語母語國家的語料庫BROWN的水平。

2.詞匯密度（lexical density）

詞匯密度這一概念最早由Ure提出。他認(rèn)為詞匯密度的計算公式為實詞數(shù)除以詞匯總數(shù)所得百分比[3]。而Halliday認(rèn)為語法詞反映的是句子的流暢度和表達(dá)清晰度（explicitness）以及可預(yù)測性（predictability）[4]。而詞匯詞反映的是文本所含的信息量（information load）。

所以，我們使用Wordsmith3.0對三個語料庫的標(biāo)注結(jié)果進(jìn)行了檢索和統(tǒng)計。因檢索結(jié)果過于復(fù)雜龐大，這里不再詳細(xì)列出。我們檢索了名詞（Noun）、動詞（Verb）、形容詞（Adjective）、副詞（Adverbial）四大類詞。YVIET2018語料庫的實詞密度為59.39%，其次是CLEC語料庫，為53.28，而最小的是BROWN語料庫，為48.93%。綜合來看，YVIET2018語料庫實詞比例明顯過多，說明云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生在寫作技巧上仍有明顯的短板，雖然文本承載的信息量豐富，但這樣的文本會給讀者在理解文本信息時帶來困難，不善于使用虛詞，文本的清晰度與流暢度稍差一些。因為BROWN語料庫所收集的語料均來自美國，故而在文本信息量和清晰度、流暢度平衡度方面是三者中最好的。

3.高頻詞（high frequency words）

在語料庫語言學(xué)的分析方法中，頻率是一種非常重要的研究手段。Sinclair（1991：31）提出，語料庫中高頻詞的分布較為穩(wěn)定，因此頻率排序的任何顯著變化都有可能具有重要意義[5]。而Laviosa指出，高頻詞（“l(fā)ist head”or “high frequency words”）是一個詞匯出現(xiàn)的次數(shù)與特定語料庫所有形符的比例不少于0.01%[6]。在本研究中，我們通過Wordsmith3.0對三個語料庫的詞頻進(jìn)行了檢索和統(tǒng)計。根據(jù)這一結(jié)果我們得出，高頻詞數(shù)量最多的語料庫是YVIET2018，其累計占比為68.83%，是三個語料庫中最多的，而BROWN語料庫僅有高頻詞85項，占比38.81%，是三者中最少的，而CLEC語料庫介于兩者之間，這符合項目組的預(yù)期值。數(shù)據(jù)結(jié)果表明YVIET2018語料庫詞匯重復(fù)率是最高的，說明云南能源職業(yè)技術(shù)學(xué)院2018級的學(xué)生寫作用詞較為單調(diào)。BROWN語料庫的詞匯重復(fù)率是最低的，語料用詞相對復(fù)雜，符合英語口筆語用詞中避免重復(fù)而多用替換的原則。

4.詞長（word-length）

對文本而言，文體正式程度往往與復(fù)雜詞匯的數(shù)量成正比，即文體越正式，復(fù)雜詞匯數(shù)量也就越多，反之亦然。為此，我們統(tǒng)計了三個語料庫的詞長。我們出乎意料地發(fā)現(xiàn)YVIET2018語料庫的平均詞長高于CLEC和BROWN，達(dá)到了4.80，BROWN語料庫為4.48，CLEC語料庫僅為4.07。但經(jīng)我們仔細(xì)觀察分析發(fā)現(xiàn)，就7個字母以上的單詞而言，YVIET2018的詞匯數(shù)量遠(yuǎn)遠(yuǎn)少于BROWN。由統(tǒng)計結(jié)果我們可以得出，云南能源職業(yè)技術(shù)學(xué)院2018級的學(xué)生在寫作過程中對復(fù)雜詞有偏好，但這樣會使作文文體過于正式和嚴(yán)肅，并給讀者理解信息帶來一定困難甚至偏差。

5.平均句長（mean sentence length）

平均句長統(tǒng)計的是語料庫中每一個句子中平均包含的詞匯數(shù)量，這一指標(biāo)能夠在一定程度上反映句子的復(fù)雜度。通常來說，長句中包含的信息量更多，邏輯關(guān)系更復(fù)雜，對作者和讀者的寫作能力與理解能力要求都比較高。這里，我們統(tǒng)計出3個語料庫的平均句長和句長標(biāo)準(zhǔn)差2個數(shù)據(jù)，YVIET2018的平均句長為17.88，比起CLEC的14.75，更加接近BROWN的19.47，說明云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生作文的句子復(fù)雜度更大，句子較為復(fù)雜。但YVIET2018的句長標(biāo)準(zhǔn)差為12.87高于CLEC的10.47，也說明云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生的作文水平個體差異是更加明顯的，個體之間的水平差距比較大。

三、結(jié)語

通過本次項目，我們以語料庫語言學(xué)為研究方法，使用wordsmith等工具，深入調(diào)查研究了云南能源職業(yè)技術(shù)學(xué)院2018級學(xué)生的寫作情況，并得出了量化數(shù)據(jù)為支撐的對比結(jié)論，并將借此結(jié)論在下一步的大學(xué)英語教學(xué)中開展相關(guān)教學(xué)實驗。這對我校乃至高職院校的大學(xué)英語教學(xué)都是一次十分有益的嘗試。但受限于項目組能力等其他客觀因素，未能對學(xué)生作文的寫作語境、讀者反饋等環(huán)節(jié)領(lǐng)域開展深入研究。在下一步的研究中，我們還將持續(xù)擴(kuò)展云南能源職業(yè)技術(shù)學(xué)院學(xué)生作文語料庫，開展歷時性語料庫研究。

參考文獻(xiàn)：

[1]張新杰.國內(nèi)語料庫語言學(xué)研究：回顧與展望：基于核心期刊24年文獻(xiàn)的統(tǒng)計分析[J].西安外國語大學(xué)學(xué)報，2017（6）：36-41.

[2]何中清，彭宣維.英語語料庫研究綜述：回顧、現(xiàn)狀與展望[J].外語教學(xué)，2011（1）：6-11.

[3]李德超，王克非.漢英同傳中詞匯模式的語料庫考察[J].現(xiàn)代外語，2012（4）：409-415.

[4]吳菲.國內(nèi)外英語語料庫的建設(shè)和發(fā)展評論[J].山東外語教學(xué)，2007（6）：28-31.

[5]王天劍.基于語料庫的中國《政府工作報告》英語本詞匯特征研究[J].當(dāng)代外語研究，2010（6）：39-43.

[6]趙秋榮，王克非.英譯漢翻譯語言的階段性特點：基于歷時類比語料庫的考察[J].中國翻譯，2013（3）：15-19.

編輯 馮永霞