高职微型英语语料库的建设研究

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 高职微型英语语料库的建设研究 【摘 要】大型语料库包含的语 料信息非常庞杂，它们对于语言用法的 研究、教材和词典的编写有着重要的意 义。然而对于一线高职英语教师而言， 大型语料库的数据冗余使得针对其的观 察研究费时费力，实用性不够强。自建 小型或微型的语料库有助于丰富外语教 学环境，开展以课堂为中心的实证教学 研究。但多数教师认为自建语料库难度 太大、技术要求过高、时间和精力投入 难以达到。实际上，教师可以通过使用 网上可获取的电子化文档、利用有效的 语料库软件，把精力集中于语料库内容 的选取和呈现上。本文介绍微型语料库 建设的可行性、方法、步骤以及应用， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 借以提倡广大一线高职英语教师利用科 研成果丰富和提高自己，让高职英语教 学更加科学化和客观化。 中国论文网 /8/view-12932467.htm 【关键词】微型语料库；高职英 语；检索软件 中图分类号： H319.3 文献标识 码： A 文章编号： 2095- 2457（2018）01-0056-002 【Abstract】The corpus information contained in the large corpus is very complicated.It is of great significance for the study of language usage， teaching materials and dictionaries. However， for first-line vocational English teachers， the data redundancy of large-scale corpus makes the observation and research on it time- consuming and laborious， and the practicability is not strong enough. Self- built small or mini corpus helps to enrich -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 the foreign language teaching environment and carry out the classroom-centered empirical teaching research. However， most teachers think that the difficulty of self-built corpus is too high， the technical requirements are too high， and time and effort are hard to reach. In fact， teachers can focus their efforts on the selection and presentation of corpus content by using the corpus of available electronic documents available online. This article introduces the feasibility， method， procedure and application of the construction of miniature corpus， in order to promote the majority of first-line vocational English teachers to use scientific research to enrich and improve themselves， to make higher vocational English teaching more scientific and objective. 【Key words】Micro corpus； -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 Vocational English； Retrieval software 0 引言 语料库语言学自 20 世纪 60 年 代初期开始发展，是一门新兴的语言学 分支学科，现在理论和技术两方面都已 趋于成熟。它致力于研究真实的语言数 据，研究者需要借助语料库检索工具对 语料文本进行检索、取样、分析和统计， 从而发现原本未留意的语言在真实语境 中使用的模式和规律1。近年来，越来 越多的学者和专家投入到语料库的研究 中，语料库应用涉及到语言研究的方方 面面。 与此同时，大型通用语料库迅猛 发展，数据规模急速变大，目前已经达 到了几亿形符2。如英国国家语料库 BNC（British National Corpus）收集了 各种来源的书面、口头语言样本 1 亿字； 美国当代英语语料库 COCA（Corpus of Contemporary American English） ，截至 2017 年 11 月共收录超过 5.6 亿字的语 言材料。大型语料库包罗万象、语料样 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 品多，但是繁多的语料和复杂的语境使 得产出数据复杂，学习者或者研究者仅 靠人工观察想在结果中找出特定的内容 或者发现规律犹如大海捞针。相比较而 言，自建语料库建库目标明确、更新速 度快、针对性强，适合特定教学对象的 难度和兴趣。而且本机操作，经济快捷。 但是在国内，语料库建设方面的 研究常见于本科院校，高职院校此方面 的探索较少。本文以笔者自建的绝望 主妇对白语料库为例介绍微型语料库 建设的步骤和方法，并对如何使用微型 语料库辅助教学进行了简单探讨。 1 自建微型语料库的可行性 语料库，顾名思义就是语言材料 库，其中存放的是在语言的实际使用中 真实出现过的语言材料。梁茂成等 （2010）将其定义为“ 一个按照一定的 采样标准采集的、由若干个电子文本构 成的、具有一定容量的电子文本集 ， 并且这些电子文本可作为一个整体代表 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 某语言或者某语言的某种变体或文类”3。 人们一般认为构建语料库是一个 花费大量人力物力的工程，大量数据的 获取和材料的规范型电子化听起来就很 难。实际上，随着计算机技术的发展、 网上电子文本的日益丰富、如 ABBYY Fine Reader 之类 OCR 软件的广泛使用， 个人收集大量真实的语料不再是一件非 常困难的事情4。其次， WordSmith、AntConc、WordPilot 和 CQPweb 等Z 料库软件提供了有效的 技术支持。此外，个人语料库的规模不 会很大、建库要求不是很严格、语料加 工程度也不用很深，所以个人建设微型 的教学语料库是完全可行的。 2 高职微型语料库的创建 事先设计对于语料库建设非常重 要，即使是微型教学语料库，也是如此。 建立语料库需要有明确的目的，它直接 影响了语料库的类型和规模，并最终决 定语料的选择和整理的方式4。此外还 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 要考虑取样标准、设备、存贮方式和格 式等因素。笔者在设计语料库时，考虑 到目前使用的教材语言不够地道、与现 实生活相脱节、缺少对应视频辅助这些 情况，目标是创建一个带视、听、读资 源的微型教学语料库，激发学生的学习 兴趣、丰富化学生的学习体验。 2.1 语料的选择、采集 为了保证语料的真实性，教学语 料库应选用母语人士的语言材料。在选 择时，优先选用网上已有的电子化语料 可以简化语料库建设的人力和物力。网 上英语语言材料十分丰富，不仅有来自 各个网站的最新语料，还有一些专门的 电子文本库、电影电视剧本等。此外， 如果研究者找不到符合建库目的现有电 子文本材料，还可以利用 OCR 软件电 子化纸质材料再进行校对。 笔者建库主要是为了使之服务于 教学，希望语料内容尽可能生活化、语 言的难度符合高职听说教学的要求，并 有音频、视频材料作为有效补充，所以 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 在对比了老友记 、 生活大爆炸 、 摩登家庭和绝望的主妇四部英 语学习者非常喜爱的美剧后，选择了生 活气息比较浓厚、主要演员发音地道、 对白语速适中的家庭伦理剧绝望的主 妇 。该剧包含很多精彩的台词对白， 尤其是每集故事解说中使用的语句词汇， 非常值得细心品读5。笔者通过互联网 搜集到现已播出的八季英中对照字幕文 档。 2.2 语料的分类和整理 收集的语料应按照一定的原则进 行分类，分类原则在参考大型语料库分 类标准的基础上兼顾实际应用需要。创 建语料库文件时，需要将每一个文本独 立存放，存档为 txt 纯文本格式且以英 文字母形式命名，这是大多数语料库软 件支持的格式。文件命名格式也应该统 一，方便语料库的后续补充添加。笔者 采集的是美剧对白语料，为了便于根据 检索结果定位至相应视频片段，就直接 按照相应的剧集将八季文档分为 8 个文 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 件夹、178 个 txt 文本。 从网络获取的文件，一方面其文 本信息可能会有一些错误，要仔细核对； 另一方面文本会存在不合规范的符号和 格式，影响到检索结果的正确性和可靠 性，需要批量清洁与整理。笔者在实际 操作中首先使用了 EditPadPro、PowerGREP 进行文本格式 的转换和清洁，然后通过 Super Batch Renamer 统一重命名文本，得到了 178 个生文本，之后根据相应剧集视频快速 核对这 178 个文本语言信息的正误，同 时删除多余的空格和空行，p 少冗余 数据的产生。 2.3 语料的标注和赋码？ 标注是大型语料库的重要规范之 一，对语料库的生文本进行标注可以为 语料库带来增值6。按照国际通用的 COCOA 标准，标注多位于文件的首行， 提供的相关信息放入尖括号“”中，便于 识别。 语料的赋码是一种特殊的标识， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 10 它分为词类赋码和句法赋码两类。在进 行词性赋码之前，应确定赋码方案，常 见的赋码方案有 CLAWS 赋码系统、 TAGGIT 系统和 Brills tagger 赋码系 统7。赋码标注过的语料库可以进行较 为复杂的检索和分析，从而发挥更多的 作用；未经赋码的语料库被称为生语料 库，只能进行词汇层级的检索。笔者选 用了常用的赋码工具 Tree tagger 对自建 语料库生文本进行自动词性标注。 2.4 微型语料库的使用 经过整理和标注后的电子文本集 中存放在某个文件夹中，就是自建的微 型语料库。研究者必须借助语料库检索 工具，如 Word Smith、AntConc ，对语 料库进行检索应用。 比如在进行大学英语第二单元 “how to express thanks and respond to it” 的授课时，学生遇到了 owe 这个疑难词， 笔者通过在对白语料库中检索“owe”获 取了批量的语例、并截取了相应的视频 片段，应用于课堂讲解中，使得教学更 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 11 生动、直接，学生的学习兴趣更加浓厚。 再比如鉴于动词在句子中的灵魂性作用， 笔者要求学生优先掌握一些常用动词的 用法，这时就运用了 AntConc 的词汇表 功能，统计绝望主妇各季中的高频动词。 比如经过概率统计可知，第一季 23 剧 集中高频使用了 was，have，know，are ，get，go，like，want ，think ，did 这十 个动词，然后再分别以这十个词为关键 词进行检索，可以其具体的语境的使用 情况。 在语料库实际应用中，一方面教 师可以运用语料库工具观察和分析语料 库呈现的语例，发现语言规律和特征， 使教学更具针对性；另一方面教师也可 以引导学生分组讨论从语料库中筛选出 的多行词语索引项，自行进行推断、归 纳和总结规律，参与自身的知识构建中 来。这响应了以学生为中心的二语习得 教学原则，也是甄凤超（2005）所强调 的“语言的习得不是一个从教师到学生 的简单过程，而是一个由学生自己发现 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 12 和探索的过程” 的体现8 。 3 结语 综上所述，自建微型语料库加深 了高职英语教师对语料库的认识、提高 了自身的教学能力和专业素养。教师利 用语料库工具加工、处理语料，应用于 高职英语课堂教学，不仅为教学带来了 丰富、有趣、地道的新资源，而且拓展 了教学方法和教学技术，从而丰富了学 习者的学习体验，让高职英语教学更加 多样化、科学化和客观化。但由于受到 语料库语言学、二语教学理念以及相关 技术的限制，高职英语教