建立“語言教材素材庫”的設(shè)想

摘要：語言教材編寫中素材收集的工作量大而繁瑣，本文提出了使用計算機管理素材的設(shè)想。設(shè)計了教材素材庫的基本結(jié)構(gòu)，并給出了具體可實現(xiàn)的建議：使用XML文件格式，Oracle或Access數(shù)據(jù)庫來管理素材。

關(guān)鍵詞：語言教材 素材 數(shù)據(jù)庫

一、引言

教材在語言教學(xué)中的的地位很重要，編寫一套優(yōu)秀教材的工作量是非常大的。在教材編寫中要兼顧結(jié)構(gòu)、功能、文化等各種要素。其中，有些工作如收集整理素材比較繁瑣。根據(jù)李泉（2002）統(tǒng)計，“教材的數(shù)量以異乎尋常的速度增長，尤其是20世紀(jì)90年代以來。迄今已有數(shù)百種各類教材問世”，“從1980年算起到2000年近20年的時間，已經(jīng)出版的各類教材應(yīng)該有400～500種。”從教材使用上看，要選擇一本合適的教材是一件十分困難的事，總體上人們對現(xiàn)行教材不滿意的聲音遠高于對教材滿意的聲音”（王金銘2004）。這其中的原因有很多，教材內(nèi)容方面的缺陷是重要的原因之一。孫德坤（1996）指出，教材編寫必須考慮兩個因素：一是內(nèi)容選擇上必須以學(xué)習(xí)者的需求、學(xué)習(xí)者的當(dāng)前水平為依據(jù)；二是內(nèi)容的安排必須以學(xué)習(xí)者的學(xué)習(xí)特點、學(xué)習(xí)過程為依據(jù)。另外，傳統(tǒng)的教材編寫周期長，更新慢，難以適應(yīng)時代的需要。如何解決這些問題，我們認(rèn)為需要改進工作方式。以往編寫語言教材，少數(shù)課文由編者直接編寫，多數(shù)課文來自現(xiàn)有的已出版作品。如何在浩如煙海的作品中選擇課文是一件很困難的事情，受制于編者的閱讀量，選擇作品有很大隨機性。我們認(rèn)為使用計算機來管理素材將會是一個有效的解決問題的方法。趙金銘（2004）論述了建設(shè)對外漢語教材素材庫的作用與意義，他指出國內(nèi)已有一些單位開始建設(shè)教材素材庫。但是我們還沒有看到相關(guān)的文獻報告。

二、教材素材庫概述

教材素材庫與為普通語言學(xué)研究而設(shè)計的語料庫不同。素材庫根據(jù)編寫教材的實際需要來設(shè)計，是積累素材和選擇素材的一種便捷的工具，可以取代原有的卡片式工作方法。編寫語言教材通常需要課文、練習(xí)、注釋等文字材料以及圖片、音頻、視頻等多媒體資料。一部分資料是現(xiàn)成的，還有一部分資料是在編寫過程中創(chuàng)作的，比如針對課文中某個詞所做的注釋或者課文朗讀音頻。我們這里的素材主要是指現(xiàn)成的資料。首先我們通過各種途徑收集素材，然后對素材加工整理，把素材加入素材庫中，然后在需要的時候在素材庫中檢索符合我們指定條件的素材。比如設(shè)定檢索條件為內(nèi)容關(guān)于旅游的、難度為中級的文章，系統(tǒng)可以給出素材庫中所有符合條件的文章。

素材庫系統(tǒng)具有以下特點：

1.素材類型多樣，屬性豐富

在素材庫中可以加入文本（課文、練習(xí)）、圖片、錄音、錄象等。所以素材都具有關(guān)鍵詞、來源和版權(quán)信息。課文的屬性還應(yīng)當(dāng)包括以下屬性：題材（經(jīng)濟、旅游、問候、就餐等）、體裁（對話、小說、散文、議論文等）、來源、原文、語法點、文化項目、功能項目、難度等級等。錄音和錄像素材有以下屬性：關(guān)鍵詞、時間長度、來源、配文等。

2.檢索方便。以上屬性字段都可以作為檢索條件。

3.引入比較成熟的中文信息處理技術(shù)，部分工作可以實現(xiàn)完全或部分自動處理，比如分詞。同時提供一個友好的用戶界面，能夠方便地加工素材和更新素材。

4.素材庫系統(tǒng)各模塊相互獨立，系統(tǒng)具有良好的開放性和可維護性。

三、素材庫系統(tǒng)基本結(jié)構(gòu)

（一）素材處理模塊

素材處理包括素材登錄、素材屬性登錄、語料加工等幾個部分。下面分別敘述這幾個部分的功能。

1.素材登錄

素材登錄就是將原始素材輸入進計算機。文字型的素材可以通過以下幾種方式輸入計算機：鍵盤輸入、直接提交電子文檔、光學(xué)掃描后進行文字自動識別、語音輸入。

2.素材屬性登錄

在素材登錄的同時登錄素材的屬性信息。

3.語料加工

語料加工主要針對文字型素材。針對語言教學(xué)的需要，利用中文信息處理技術(shù)進行必要的加工。比如分詞、詞性標(biāo)注（多義詞消歧）、難度分析等。在分詞過程中生成該素材的字表、詞表。有些素材屬性可以由機器自動分析獲得，比如使用文本自動分類的技術(shù)登錄題材屬性。準(zhǔn)確率通常可以達到70%，如果需要比較高的準(zhǔn)確率，那么自動分析后的結(jié)果仍然需要人工校對。

（二）數(shù)據(jù)庫

數(shù)據(jù)庫存放素材和對素材加工處理的結(jié)果。

（三）用戶檢索模塊

這部分模塊是面向用戶的，提供一個用戶界面，接受用戶的檢索條件，輸出符合條件的檢索結(jié)果。首先選擇素材類型，不同的素材類型屬性不同，檢索入口也不同。所有素材都具有關(guān)鍵詞、來源兩個檢索入口。

課文類型檢索的檢索入口比較多。可以設(shè)置題材、體裁、難度、文化項目、功能項目、語法項目的檢索條件。為了方便用戶在教材編寫或再版時替換課文，用戶可以提供一個詞表，系統(tǒng)檢索出用詞最接近這個詞表或包含這個詞表的文章。

圖片、錄音、錄像主要使用關(guān)鍵詞檢索，檢索符合要求的素材。錄音、錄像素材在登錄時應(yīng)該同時登錄配文，對配文的加工處理和檢索類似于課文。

四、系統(tǒng)實現(xiàn)

1.數(shù)據(jù)庫系統(tǒng)概述

人們借助計算機進行數(shù)據(jù)管理是近30年的事。在應(yīng)用需求的推動下，在計算機硬件、軟件發(fā)展的基礎(chǔ)上，數(shù)據(jù)管理技術(shù)經(jīng)歷了人工管理、文件系統(tǒng)、數(shù)據(jù)庫管理三個階段。

用數(shù)據(jù)庫系統(tǒng)來管理數(shù)據(jù)比文件系統(tǒng)有明顯的優(yōu)點，主要有以下幾個方面：

（1）數(shù)據(jù)結(jié)構(gòu)化

數(shù)據(jù)庫系統(tǒng)實現(xiàn)整體數(shù)據(jù)的結(jié)構(gòu)化，不同的記錄之間可以通過相同的數(shù)據(jù)項建立聯(lián)系。存取數(shù)據(jù)的方式也很靈活，可以存取數(shù)據(jù)庫中的某一個數(shù)據(jù)項、一組數(shù)據(jù)項、一個記錄或一組記錄。

（2）數(shù)據(jù)的共享性高，冗余度低，易擴充

數(shù)據(jù)可以被多個用戶、多個應(yīng)用共享使用。隨著計算機網(wǎng)絡(luò)快速發(fā)展和普及，這一特點尤為重要。

（3）數(shù)據(jù)由DBMS（數(shù)據(jù)庫管理系統(tǒng)）統(tǒng)一管理和控制

DBMS提供以下幾方面的數(shù)據(jù)控制功能：數(shù)據(jù)安全性保護、數(shù)據(jù)完整性檢查、多用戶使用時進行并發(fā)控制、數(shù)據(jù)庫恢復(fù)。

目前應(yīng)用的數(shù)據(jù)庫系統(tǒng)主要是關(guān)系型數(shù)據(jù)庫，直觀地看，數(shù)據(jù)庫由許多二維表格組成。隨著XML技術(shù)的發(fā)展和流行，XML數(shù)據(jù)庫也開始發(fā)展并廣泛應(yīng)用。現(xiàn)有的關(guān)系型數(shù)據(jù)庫都在一定程序上支持XML。

2.XML概述

國外建設(shè)的英語語料庫通常采用純文本格式，使用ASCII編碼。我國大陸建設(shè)的漢語語料庫也多使用純文本格式，使用GB碼。語料需要標(biāo)注，具體實現(xiàn)時有多種方法。一種方法是使用自定義的格式，一種方法是使用SGML、XML、TEI等標(biāo)準(zhǔn)化的置標(biāo)語言。國外的文本語料庫都已普遍采用了SGML標(biāo)準(zhǔn)（馮志偉 1999）。XML是SGML的一種應(yīng)用。使用標(biāo)準(zhǔn)化置標(biāo)語言的優(yōu)點是：標(biāo)注類型比較容易擴充和修改；文檔格式容易轉(zhuǎn)換，方便不同語料庫的共享；有一些免費的開發(fā)工具可以使用。

3.素材庫的具體實現(xiàn)方式

孫德坤（1996）論證了建設(shè)課文素材庫的可行性和選材標(biāo)準(zhǔn)。但是他沒有給出具體的實現(xiàn)形式。我們打算采用比較成熟的關(guān)系型數(shù)據(jù)庫系統(tǒng)來建設(shè)素材庫。原因如下：

（1）素材庫包含有文本、錄音、圖片等多種類型。現(xiàn)有的關(guān)系型數(shù)據(jù)庫系統(tǒng)都有豐富的數(shù)據(jù)類型。

（2）關(guān)系型數(shù)據(jù)庫技術(shù)比較成熟，檢索效率也比較高。相當(dāng)多的任務(wù)可以由DBMS完成，不需要另外編寫代碼，開發(fā)速度快，成本低。

目前使用比較廣泛的關(guān)系型數(shù)據(jù)庫有Oracle，Visual Foxpro，Access 等。如果需要網(wǎng)絡(luò)應(yīng)用，比如需要通過網(wǎng)絡(luò)多人共同建設(shè)使用素材庫，那么需要選擇Oracle，MYSQL等支持網(wǎng)絡(luò)應(yīng)用的數(shù)據(jù)庫系統(tǒng)。如果只是單機使用，可以選擇Access。

關(guān)系模型如下：（關(guān)系的碼用下劃線標(biāo)出）

素材（素材號，類型，來源，版權(quán)）

課文（素材號，原文，難度，長度，題材，體裁）

詞匯（素材號，詞語）

多媒體素材（素材號，時長，配文）

配文（素材號，原文，難度，長度）

關(guān)鍵詞（素材號，關(guān)鍵詞）

語法項目（素材號，語法點）

文化項目（素材號，文化描述詞）

另外根據(jù)檢索的需要，需要建立多個索引。需要使用VB、VC＋＋等開發(fā)工具設(shè)計用戶界面等。這里不詳細展開。

五、結(jié)語

建設(shè)素材語料庫的軟件系統(tǒng)比較容易，但是充實素材庫將是一個長期的過程。素材語料庫的優(yōu)勢在于可以快捷方便地管理大量素材，如果素材庫規(guī)模小，難以看出計算機管理素材的優(yōu)勢，這意味著需要轉(zhuǎn)變教材編寫中素材管理的工作方式。

參考文獻：

[1]李泉.近20年對外漢語教材編寫和研究的基本情況述評[J].語言文字應(yīng)用，2002，（3）.

[2]薩師煊，王 珊.數(shù)據(jù)庫系統(tǒng)概論（第3版）[M].北京：高等教育出版社，2000，（2）.

[3]孫德坤.組合式——教材編寫的另一種思路[J].世界漢語教學(xué)，1996，（1）.

[4]王建新.計算機語料庫的建設(shè)和應(yīng)用[M].北京：清華大學(xué)出版社，2005，（9）.

[5]趙金銘.跨越與會通——論對外漢語教材研究與開發(fā)[J].語言文字應(yīng)用，2004，（2）.

（陳鋒，南京師范大學(xué)文學(xué)院）