數(shù)字詞典學視閾下“有意學習”與“附帶學習”新探*

Sven Tarp 撰 陳 汝 耿云冬 譯

一、 引 言

本次講座的主題聚焦“有意學習”（intentional learning）和“附帶學習”（incidental learning），有關這對概念的討論已長達至少十年之久。今天，我將嘗試從一個新的技術角度來探討這個問題，其靈感來自于愛因斯坦談論伽利略時所說的一段話，［1］其中提到，應該“從新的角度審視一些固有的問題”（to regard old problems from a new angle）。此次講座內(nèi)容與之前我在中國的另一場會議［2］上所講的內(nèi)容相似。但此次我有更加充足的準備時間，因此，思考也更加深入。

二、 概念辨析：“有意學習”與“附帶學習”

二語習得既可以是“有意學習”，也可以是“附帶學習”。現(xiàn)有學術文獻對這兩大概念的定義非常多。例如，在肖恩·洛文（Shawn Loewen）和佐藤正俊（Masatoshi Sato）編著的《勞特利奇課堂二語習得手冊》（The Routledge Handbook of Instructed Second Language Acquisition，2017）中，就可以找到很多相關定義，該手冊在部分專欄還列出了一些重要概念的簡短釋義：“附帶學習”指學習者不帶有特定學習意圖的學習，而“有意學習”的概念則相反，它與意圖（intent）或意向（intention）相關聯(lián)。事實上，區(qū)分這兩個概念并非易事，在“有意學習”和“附帶學習”之間還存在一個“灰色地帶”（grey zone），而形成這一“灰色地帶”的因素有很多。以我個人的教學體會為例：我在西班牙語課堂上給學生做了口語測試，有部分學生表現(xiàn)非常好，另外一部分卻存在一些問題。近一年半以來，我們一直是線上教學，我建議學生們利用休息時間多讀一些用西班牙語寫作的書籍，選擇感興趣的主題，以循序漸進的方式習得語言。學生主動閱讀的過程其實就是在開展“有意學習”，因為他們能夠清楚地意識到自己是在自主學習。就我自己而言，我已經(jīng)用西班牙語教了三十多年的書。雖然我和學生同樣都是閱讀西班牙語作品，但于我而言，西班牙語的學習主要是“附帶學習”。即便如此，我也能夠意識到我有時也在主動學習，并非完全是“附帶學習”。由此，我深感要厘清這兩個概念之間的差異并不容易。在二語習得環(huán)境下，我們會發(fā)現(xiàn)“有意學習”和“附帶學習”都可與閱讀活動相關聯(lián)。然而，我認為，“附帶學習”與文本產(chǎn)出（尤其是寫作）的聯(lián)系也非常緊密，而且通常情況下，基于書面語文本所發(fā)生的交流情境大致如下：作者和讀者不處在同一時間域，當作家在寫作時遇到問題，他們會查閱詞典；而讀者在閱讀時遇到問題，他們同樣是查閱詞典。在這種情況下，詞典似乎成為了他們交流的中介，如果閱讀者只是完成“附帶學習”，那么他就要盡可能縮短查閱過程，也就是說花最少的時間查閱不熟悉的單詞。在本次講座中，立足于書面語文本（包括文本閱讀和文本寫作），我將重點從詞典學視角來探討“有意學習”和“附帶學習”之間存在的“灰色地帶”。

在詞典學視閾下，我把“附帶學習”界定為“學習者在持續(xù)閱讀或寫作過程中通過查閱詞典來獲得所需要的信息，整個學習過程完全不受到干擾，通過查閱詞典，學習者習得新詞（包括詞語、義項、語法結構等）”。相反，當學習者暫停閱讀或寫作，決定對其中一些問題進行深入探究，“有意學習”就開始了：以詞典使用為例，學習者可能出于興趣或其他原因中斷閱讀或寫作，轉而去翻閱一本詞典，獲得一些關于詞語的信息（如語法、義項或句法結構等），那么，這就意味著他已經(jīng)開始有意學習了。假設閱讀者查閱的是傳統(tǒng)意義上的詞典，情況會怎樣呢？需要特別指出，我這里所提及的傳統(tǒng)意義上的詞典囊括了紙質詞典、詞典應用程序、在線詞典等。無論哪一種，閱讀者都得放下正在閱讀的文本，在外部的詞典資源中查閱信息。在可能獲取的信息中，大部分與當前具體語境沒有關聯(lián)，而查閱這些信息，不僅花費大量時間，還會影響閱讀進程。因此，需要將詞典研發(fā)與數(shù)字化技術相結合。在進一步探討這一話題前，有必要先簡短回顧一下詞典學發(fā)展的歷程。

三、 詞典發(fā)展簡史：從詞匯對照表邁向智能詞典

我想從追溯詞典在歐洲的演變史來展開論述。早在公元前8世紀末，古希臘最重要的兩部史詩《伊利亞特》和《奧德賽》誕生。當時的作品全部是手寫，300年后人們開始謄抄這些作品，在這個過程中，抄寫員創(chuàng)造了一些新詞，并且使用其他詞匯對新詞進行闡釋，只不過這些詞在今天已經(jīng)很少或不再使用了。據(jù)我的理解，這個闡釋的過程類似中國古代的訓詁學。再往后200年，學者們把這些詞語匯編入詞典，這便是歐洲詞典的起源，但這并不是人類編纂詞典的開端，因為我們知道早在4000年以前，詞典就以某種形式存在了。彼時，人們制作詞匯對照表，并在形式上做了兩個重要創(chuàng)新：一是增設條目或中心詞，通過豐富詞匯信息（包括詞頭、音標、詞性、釋義、例證等），逐步構建詞典的微觀結構；二是收集單詞，并單獨設立條目，我們稱之為詞典的宏觀結構。這些創(chuàng)新無疑是一種進步。早期制作詞匯表，首先需要確立詞語的標準形式。文本中出現(xiàn)的詞語有可能是基于標準形式的語法變體，這就需要編者能夠加以辨別，以標準形式作為詞語條目，這是詞典發(fā)展的一個重要體現(xiàn)。正如我們所見，按照歐洲的傳統(tǒng)，詞典條目是完全按字母順序來編排的。但不得不說，正因為有了詞典，我們可以在任何情況下進行查閱，這的確是件好事。但我們也要充分認識到，查閱過程其實是一個復雜的認知過程。從詞典使用者的角度看，他們需要明辨詞語的標準形式，且具備按照字母排序來查詢詞典的能力。在微觀結構方面，尤其是印刷技術得以發(fā)明之后，詞語信息越來越豐富，這也就意味著編者需要思考如何在有限的印刷空間內(nèi)更好地呈現(xiàn)詞語的信息。由于印刷媒介的篇幅限制，詞典中出現(xiàn)了許多縮寫形式?？傊瑢W習者查閱的過程是比較復雜的，需要一些訓練和具備一定的查閱能力。事實上，關于英語學習者詞典使用的爭議長期存在，山田茂（Shigeru Yamada）曾說：“詞典查檢不成功的因素有兩個：要么是詞典的原因，要么是用戶自身的原因?！保ㄞD引自Rundell 2015）26-27《麥克米倫高階英語詞典》主編邁克爾·倫德爾（Rundell 2015）則認為問題應歸于詞典，因為詞典本該科學設計，直觀呈現(xiàn)信息。換言之，如果在學習者查閱能力和詞典直觀呈現(xiàn)之間選擇一個影響因素，倫德爾傾向于把問題歸結于后者。當然，如果是詞典質量低劣或詞典印刷問題，則應另當別論?；跀?shù)字技術的不斷發(fā)展，可以開發(fā)出信息呈現(xiàn)更為直觀的詞典，這樣學習者可以輕松查閱，并實現(xiàn)“附帶學習”，這是本文討論的另一重要議題。

值得一提的是，編纂詞典是一種技能?！霸~典學”這個詞源自希臘語，意為“關于詞與描述”。進入數(shù)據(jù)時代，語言數(shù)據(jù)不僅用于編纂詞典，還可以整合嵌入各類電子工具、寫作助手等。與傳統(tǒng)詞典編纂關注詞典文本本身有所不同，大數(shù)據(jù)時代的詞典編纂應更加重視如何提高快捷有效地滿足用戶需求，這應當成為數(shù)字詞典研究的重點。今天，電子閱讀器、學習類應用程序、寫作助手和其他學習工具基本都包含詞典。但由于編纂理念過于保守和傳統(tǒng)，我個人認為這種整合目前并不是很成功。下面以我的一次電子閱讀經(jīng)歷為例。2021年11月，我讀了一則故事，閱讀過程并不順暢，其間，我碰到mark一詞，并對其在上下文中的含義不甚理解。于是，我試圖借助電子閱讀器中的嵌入式詞典（integrated dictionary）來解決我的疑惑。我選中該單詞并點擊，頁面便出現(xiàn)了與mark相關的語言知識。瀏覽之后，發(fā)現(xiàn)所展示的信息并不能解決我的問題，我想查閱的是mark做動詞時的語義知識，嵌入式詞典卻給了我它作為名詞的語義（詳見圖1）。繼續(xù)點擊more，彈出一個很長的信息界面，我不斷滑動鼠標，嘗試查看全部內(nèi)容。顯而易見，在大量信息中找到切合當下閱讀語境的詞義需要耗費一些時間，我想找mark作為動詞的信息，卻“被動”瀏覽了嵌入式詞典給出的6個義項，甚至還有一些額外的數(shù)據(jù)或信息。實際上，如果我只是想了解mark在某一具體語境中的詞義，上面這種情況就可算是信息或數(shù)據(jù)過載（information or data overload）了，因為有許多信息是無關緊要的，“附帶學習”也就很難實現(xiàn)。查閱單詞的過程擾亂了我的專注力，一度中斷了閱讀進程。

圖1 電子閱讀器嵌入式詞典查閱過程展示

如上所示，在查閱了很多不相關的數(shù)據(jù)之后，我才找到真正所需的信息，其間花費了大量的時間。我的注意力從正在閱讀的文本轉移到了詞匯查閱上，閱讀中斷，這使得我之前所定義的“附帶學習”變得無法實現(xiàn)。某種程度而言，它只解決了我的部分問題——標記詞類：我點擊mark的名詞用法，發(fā)現(xiàn)在這些被標記的詞中，有些既不是名詞，也不是代詞或動詞。這表明，該標記工具還需完善。標記可以解決部分問題，但并不完全可靠。那么，怎樣才算是理想的解決方案呢？答案應該是有這樣一個程序，它能夠檢測出文本中單詞的具體語義。遺憾的是，目前還沒有研發(fā)出這樣的程序，但我們正通過人工智能與詞典學相結合的方式尋找解決的方案。據(jù)我所知，已有歐洲的詞典公司在朝著這一方向努力，只是該項技術十分昂貴，它基于機器學習、語料庫、詞典數(shù)據(jù)庫等，顯示英語單詞在特定語境下的意義，識別率高達90%。當然，該技術的應用不僅取決于信息工程師，還取決于詞典編纂者。只有詞典編纂者提供高質量的數(shù)據(jù)庫，這項技術才能快速發(fā)展。例如，目前如谷歌公司擁有巨大數(shù)據(jù)處理能力，為實現(xiàn)這一目標，其16個處理器能夠連續(xù)長時間同時工作，時間可以長達數(shù)周。而與我合作開展研究的一家詞典公司目前還負擔不起這一技術。眾所周知，新技術在誕生初期總是很昂貴、難以負擔，但若干年后，技術會普及，我們就可以拿來使用，這意味著我們作為詞典編纂者必須未雨綢繆，要為未來的發(fā)展趨勢做好準備。假設我們已經(jīng)擁有這項技術，那么，在查詢中就會快速獲取所需的詞義，即mark作為“通過某一具體行動來慶祝或紀念”解的義項，這一查詢結果對“附帶學習”來說就足夠了。如果我想從“附帶學習”轉為“有意學習”，就可以點擊more獲得更多信息。如果將來能夠根據(jù)概率（probability）統(tǒng)計來對不同義項進行排列就更加有趣了。雖然目前沒有這項技術，但至少在未來有實現(xiàn)這一技術的可能。

我們學習語言還面臨另外一個挑戰(zhàn)——如何處理“多詞語義單位”（multi-word units of meaning）。例如，隨著語料庫相關研究的不斷深入，與辛克萊（Sinclair）合作的詞典學家愈發(fā)地意識到，很多單詞在與其他詞的搭配組合時會產(chǎn)生新的語義，它們被稱作“擴展的語義單位”（extended units of meaning）或“多詞語義單位”。對詞典學家而言，這一語言現(xiàn)象非常有趣。辛克萊建議將這些詞作為“中心詞”（headwords）使用，這在大多數(shù)詞典中仍然存在。以單詞part為例。假設你想知道文本中part的詞義，鼠標選中并點擊part，嵌入式詞典會“打包”顯示take part這個詞組，同時彈出對等釋義詞participate。這種學習模式很有趣。你以為你的問題是要知道part的詞義，實際上，你的問題是take part的詞組意義。但是最開始查詢時并沒有意識到這一點，你點擊了part，得到的答案已然是take part。目前，這一技術已經(jīng)存在，但需要推廣。（詳見圖2）

圖2 電子閱讀器嵌入式詞典多詞語義單位查閱展示（1）

再舉一例。我曾與廣東外語外貿(mào)大學的黃芳老師合作開展過一項研究（Huang，Tarp 2021），涉及一款中國學習者常用的英語學習軟件“開言英語”（Kaiyan Open Language）。以set的查詢?yōu)槔c擊set，該學習軟件會彈出很長的詞條信息，屏幕上顯示出該詞有兩種不同的詞性，分別是動詞和名詞。繼續(xù)點擊屏幕上的“查看完整釋義”，會出現(xiàn)set作為形容詞的用法，可見set是一個復雜的英語單詞。然而，讀者希望看到的只是set在此語境下的釋義，滿屏的詞條信息不僅會影響讀者的閱讀體驗，還妨礙閱讀者的“附帶學習”。（如圖3所示）

圖3 電子閱讀器嵌入式詞典多詞語義單位查閱展示（2）

事實上，在set詞條的釋義內(nèi)容中，它作為名詞的含義“（物品的）一套，一組”，才是我需要的情境語義，其他信息均不相關。如何不顯示冗余的、不相關聯(lián)的信息是未來的研究方向。遇到以上情況，我認為理想的詞典應該是這樣的：點擊set，只出現(xiàn)“（物品的）一套，一組”這個釋義，自動屏蔽不相關聯(lián)的信息（如圖4所示）。大家可以看到，在釋義內(nèi)容左側還有一個“小喇叭”的圖標，如果讀者需要獲取該詞的讀音，點擊圖標即可；在釋義內(nèi)容右側有一個“向右箭頭”（＞）的圖標，點擊查詢更多詞條信息，這樣“附帶學習”就轉化成了“有意學習”。

圖4 電子閱讀器嵌入式詞典多詞語義單位的新設計理念

就這個例子而言，“附帶學習”的內(nèi)容包括set的發(fā)音和情境釋義，但不包括詞語條目、詞性、語法變體、非情景釋義等其他信息。這種釋義模式其實是受到漢語訓詁學的釋義方法、荷馬史詩抄寫員所采取的釋義方法的啟發(fā)，它們之間有相似之處。在閱讀過程中，讀者碰到生僻詞語，只希望在最短時間內(nèi)得到解釋。

一旦讀者想要獲得除釋義之外的其他信息（比如詞頭、詞性等），就意味著“附帶學習”開始向“有意學習”發(fā)生轉變。那么，問題在于如何才能讓計算機在最短時間內(nèi)給讀者提供當下所需的釋義？首要的方法是數(shù)據(jù)過濾，主要分兩步：第一步，用戶界面加載從數(shù)據(jù)庫中提取出來的詞典數(shù)據(jù)；第二步，以定量計量的方式呈現(xiàn)數(shù)據(jù)，以滿足讀者“附帶學習”和“有意學習”過程中的特定需求。這里還涉及另一個重要的概念，即“人工輔助智能”（human-assisted intelligence，以下簡稱“人助智能”），這個概念既有趣又重要。眾所周知，利用人工智能（artificial intelligence）可以做很多事情，例如，它能夠判斷文本模式，這是人類僅靠雙眼觀察無法做到的。如果是要給出單詞在具體語境下的特定含義，人工智能就行不通了，但人類可以做到。此時，為了解決這一問題，可以引入“人助智能”，具體做法如下：語言專家點擊電子文本中想要查詢的詞匯單位，可以是單詞，也可以是詞組，然后彈出一個釋義框，緊接著，專家就能夠在其中標記出正確的、符合語境的釋義，這整個操作流程被一個特定編寫的程序自動記錄下來。第二次有讀者需要查詢這個單詞或詞組時，用戶界面彈出的釋義框就只會顯示專家標記之后的內(nèi)容，幫助讀者在具體語境中快速準確地理解詞匯單位。整個操作過程只需要用手指觸碰屏幕即可，所需信息會自動呈現(xiàn)。通過這種方式，詞典釋義和語境的關系更加緊密，用戶界面出現(xiàn)的信息必須有助于上下文的理解，這也是普通電子詞典邁向智能詞典的第一步。這一方法十分高效，我們希望在未來，一個訓練有素的“專家”每分鐘可以標記2—3個詞匯單位。此外，這一特定程序的編寫很容易實現(xiàn)。從長期維護來看，還需要添加用戶反饋，這樣才能不斷提升學習類應用軟件的質量。

上述例子是我們目前在閱讀/學習類應用軟件、互聯(lián)網(wǎng)以及數(shù)字技術方面的一些思考，希望未來能夠繼續(xù)發(fā)展。

四、 數(shù)字詞典新進展：寫作助手（Writing assistants）

帕特里克·漢克斯（Patrick Hanks 2013）399曾言，“原則上，可能的（語言）組合（possible combinations）從數(shù)量上來說可以是無限的，可行的（語言）組合（probable combinations）卻相對有限”。［3］邁克爾·倫德爾（Michael Rundell 2018）6也曾說過，“盡管語料庫分析能讓我們觀察大多數(shù)語言產(chǎn)出的內(nèi)在可預測性（inbuilt predictability），但學習者遠不能夠對此做出預測”。［4］母語者可能較容易掌握本族語的語言組合，但是這對于非母語學習者而言就非常困難。針對這一問題，我們來看看寫作助手的相關情況。應用軟件不同，技術和功能也會不同。有些寫作助手能夠在作者寫出第一個詞之后馬上提示可能出現(xiàn)的下一個單詞，甚至是整個句子。當作者不知道應該使用第二語言中的哪一個單詞時，寫作助手就會提供最有可能的對應詞。這些技術的核心主要是依靠語境給出判斷。通過此類應用，二語學習者在習得過程中也能實現(xiàn)“附帶學習”和“有意學習”。

一般而言，寫作助手是基于語言模型的，同時還會使用數(shù)據(jù)庫和詞典數(shù)據(jù)作為數(shù)據(jù)資源。無論是通過統(tǒng)計編程還是機器學習來處理自然語言，其結果都是基于語言模型。結合具體語境，語言模型為寫作者提供建議。這一項技術已然存在，當然，它還有改進完善的空間。下面以丹麥一家詞典公司研發(fā)的寫作系統(tǒng)（WriteAssitant）為例（檢索過程如圖5所示）：假設我現(xiàn)在是一名西班牙人，正在用英語寫作，一時想不起某個英語單詞，只好用自己的母語西班牙語單詞cerrado來替代，輸入之后馬上出現(xiàn)了一組英語對等詞，而且是按照它們在具體語境中出現(xiàn)的概率來排序。這里我不討論概率是如何計算出來的，因為太過于復雜。在這一組對等詞中，只要我認識其中一個，比如sealed，我就可以選擇使用。如果我仍然不確定選擇的單詞是否正確，我可以點擊sealed右側的“向右箭頭”（＞）繼續(xù)查詢，出現(xiàn)了一些非常簡短的定義，而其中一個定義看起來非常有趣，繼續(xù)點擊，就可以看到完整定義。在這個過程中，我從“附帶學習”轉為“有意學習”。這項技術雖已經(jīng)研發(fā)出來，但也面臨著后臺的詞典數(shù)據(jù)庫不夠好這一問題，這也說明相關技術仍然沒有為迎接真正的數(shù)字辭書時代做好準備。

圖5 WriteAssistant檢索界面

再舉一例，仍然是關于寫作的問題。比如，因為缺少明確的辨析規(guī)則，而且詞典中也沒有明確的界定，學習者常常難以區(qū)分-ic和-ical為詞綴結尾的形容詞之間的差異。翻開《牛津派生形態(tài)學手冊》（Oxford Handbook of Derivational Morphology），你會發(fā)現(xiàn)幾乎有1.2萬個英語詞干可以同時添加這兩個后綴。根據(jù)《朗文交際3000詞》（Longman Communication 3000），英語中以這些后綴結尾的形容詞占1%左右。大家可以參見我與廣東外語外貿(mào)大學詞典學研究中心馬立東老師共同撰寫的一篇文章（Ma，Tarp 2020）。我們發(fā)現(xiàn)，以-ic和-ical為詞綴結尾的形容詞對（adjective pairs）總會給二語學習者帶來困擾，造成使用錯誤的情況。在有些情況下，兩個變體含義不同，詞頻不同。另外，在某些固定搭配或術語表達中，其中一個變體更為常見，另外一個變體則使用頻率低、甚至不被使用。以academic和academical為例。往前追溯200年，academical比academic更常見，但今天，人們幾乎不再使用academical。

從圖6可知，8年前有一門俄語課程《學術寫作》，英語譯成Academical Writing。2018年發(fā)表在《歐洲跨學科研究期刊》（European Journal of Multidisciplinary Studies）上的一篇文章，其標題里面也用了Academical Writing。這就意味著，即使是學術界人士，如果他們的母語不是英語，也可能會錯誤使用這些形容詞對。這是一個非常棘手的難題。我們應思考：如何處理這一問題？寫作助手又該如何應對這個問題？

圖6 academic與academical使用情況歷時分析

事實上，有些以-ic和-ical為詞綴結尾的形容詞對，其含義并不相同。受一些詞典設計的啟發(fā)，我們提出三種可能的解決辦法：一是增加用法比較說明，二是簡要解釋兩個形容詞的含義，三是增加固定搭配用法。如果是數(shù)據(jù)庫，可以在兩種形式后面附加單詞使用說明，包括此類形容詞對的使用特征。如果是彈出的查閱窗口，那么應該默認顯示詞匯辨析，如果辨析詳細具體，需要多頁顯示，則應予以標記，方便用戶查閱。整個查閱過程同樣包含了從“附帶學習”到“有意學習”的轉變。

對于所有以-ic或-ical詞綴結尾的形容詞對，我們都需要設置“X或Y”文本段：其一是為了提示讀者，兩個形容詞不是互換關系，只能二選一；其二是引起讀者關注，這兩個形容詞存在差異。比如，我先寫一段英文，在寫作過程中彈出了economic和economical這兩個單詞，我對它們的用法有一定的困惑，舉棋不定。為了進一步了解二者的區(qū)別，我點擊單詞彈出框，出現(xiàn)了兩個簡短的定義（詳見圖7）：當然，如果想獲得更多信息，可以繼續(xù)點擊查看。以上操作需要一個前提條件，那就是提前準備好單詞辨析的相關內(nèi)容，否則就無法通過寫作助手來幫助作者選擇正確的單詞。

圖7 economic和economical辨析程序設計示意圖

還有另外一種情況：詞義相同，單詞使用頻率卻明顯不同。針對這種情況，寫作助手可以提供三種用法說明，分別是“不用X，用Y”“很少使用X，用Y”和“已經(jīng)棄用X，用Y”。以上三種用法說明只在作者選擇使用X的情況下出現(xiàn)，如果作者一開始就選擇使用Y，那么就不會彈出提示窗口。也就是說，該窗口只會在用戶輸入不推薦的形式之后才會被激活。接下來，我們看看具體的操作（詳見圖8）。比如，我現(xiàn)在輸入單詞specifical，單詞上方馬上彈出信息，表明specifical已經(jīng)過時了，可以用specific代替。如果我想了解更多關于specific的知識，點擊該單詞即可。

圖8 specific和specifical用法辨析設計示意圖

你可能并不知道specifical這個單詞的存在，但有些詞典，比如《柯林斯詞典》同時收錄了這兩個單詞，詞條信息中卻找不到類似“不用specifical，用specific”的提示信息。也有詞典，比如《韋氏詞典》，只收錄了其中一個單詞。綜上所述，對于二語學習者來說，詞匯辨析與選擇的確是一個復雜的問題，上文提及的解決方法有三大優(yōu)勢：直接推薦用法；推薦的原因直截了當；標準化的信息標注方法也易被詞典編纂者所掌握。

在“附帶學習”場景下，寫作助手推薦的用詞必須穩(wěn)妥、合乎語境且簡單直接，避免冗余信息帶來的干擾。然而，“有意學習”強調輕松便捷地獲取附加信息，當然，在這個過程中用戶也會受到不相關信息的干擾。目前，我們已經(jīng)擁有人工智能、人工輔助智能、高級編程等技術，下一步是思考如何將它們充分應用到詞典數(shù)據(jù)庫構建和寫作助手的軟件開發(fā)中。

五、 對未來的展望

如果我們充分利用前沿科技，就能幫助用戶自動檢測擴展語義單位，就能通過概率計算確定詞匯的語境意義，就能根據(jù)具體語境將所有對等詞優(yōu)化排序。除此之外，我們還能借鑒中國古代的訓詁學思想，突破具體語境的限制，盡可能呈現(xiàn)出豐富的釋義內(nèi)容。新時代背景下，詞典學領域面臨著重大的技術突破，比如，“語境敏感型詞典”（contextaware dictionary），伴隨著它的出現(xiàn)，詞典內(nèi)部逐漸會形成一個語境適應選擇系統(tǒng)。然而，正如我所指出的，“語境敏感型詞典”的研發(fā)不僅需要信息工程師、程序員等提供先進的技術，還需要詞典編纂者不斷完善詞典數(shù)據(jù)庫設計和優(yōu)化用戶界面，方便目標用戶快速獲取所需數(shù)據(jù)。這意味著公司股東、詞典編纂者、語言專家、教師、設計師、信息程序員等必須開展密切的跨學科合作。我認為，這是未來詞典學發(fā)展的必然要求，因為大多數(shù)人都有查閱詞典的需求，通常情況下，他們都希望能夠通過詞典簡單快速地找到解決問題的答案，而詞典設計與研發(fā)也應朝著這個目標不斷努力。在數(shù)字詞典使用場景下，詞典的首要功能應是滿足用戶“附帶學習”的需求。如果詞典用戶想獲取更多信息，“附帶學習”又可轉變成“有意學習”。這正好呼應了達芬奇那句反復被引用的句子——“至繁歸于至簡”（Simplicity is the ultimate sophistication）。

附 注

［1］愛因斯坦的原話如下：“To raise new questions，new possibilities，to regard old problems from a new angle，requires creative imagination and marks real advance in science.”（轉引自 Tarp 2009）30

［2］第七屆學習詞典與二語教學國際研討會（福建泉州）。

［3］原文：“Although the number of possible combinations may in principle be limitless…the number of probable combinations…is rather limited.”（Hanks 2013：399）

［4］原文：“Although corpus analysis enables us to observe the inbuilt predictability of most language output，much of this is far from predictable to a learner or non-fluent user of a language.”（Rundell 2015）6