網絡語料庫:英語研究的方便之門
——《運用網絡語料庫探索英語》述評

邵 斌

(浙江大學/浙江財經學院,杭州,310018)

1. 引言

語料庫語言學研究業已滲透到語言研究和語言教學的方方面面。語料庫語言學的“研究話題從詞匯、語法和詞典學擴展到語言教學、二語習得、翻譯、自然語言處理、話語分析、認知語言乃至抽象的理論語言學問題探索等廣泛的領域”(甄鳳超2010:36)。另外,由于出現了許多網絡語料庫(Online Corpora),世界各地的語言研究者和學習者可以通過在線使用這些網絡語料庫開展各種形式的語言研究。

溫蒂·安德森(Wendy Anderson)和約翰·考伯特(John Corbett)撰寫的《運用網絡語料庫探索英語》一書于2009年由帕爾格雷夫·麥克米倫出版公司(Palgrave Macmillan)出版,是一本講解網絡語料庫使用的入門教材。考伯特是蘇格蘭格拉斯哥大學的應用語言學教授,主持建設了“蘇格蘭英語語料庫”(Scottish Corpus of Texts & Speech,簡稱SCOTS);另一作者安德森為該校講師,是語料庫中心的研究人員。該書詳細展示了如何使用網絡語料庫來研究英語,涉及其詞匯、語法、話語、語音、語境等各個層面。該書在語言上淺顯易懂,以解決研究問題為目的,是網絡語料庫應用方面的一本入門好書。下面簡單介紹其主要內容并予以評述。

2. 內容簡介

第一章總體介紹了網絡語料庫。本書開宗明義提出:過去四十年來英語研究中最激動人心的事件便是大量的電子文本(即語料庫)得以在計算機里存儲并能通過軟件快速處理,語料庫的利用改變了語言研究的工作方式。接下來作者簡單介紹了語料庫的概念和性質,如代表性、規模、種類、標注和發展史。

之后,作者又介紹了五個常用的網絡語料庫,即英語國家語料庫(British National Corpus,簡稱BNC)、當代美國英語語料庫(Corpus of Contemporary American English,簡稱COCA)、時代周刊語料庫(TIME Corpus)、密歇根大學英語學術口語語料庫(Michigan Corpus of Academic Spoken English,簡稱MICASE)和“蘇格蘭英語語料庫”。其中第二、三個語料庫都由美國楊伯翰大學Mark Davies教授開發。此外,他還開發了BNC語料庫對用戶友好的界面,使之更適合語言研究。本書的數據主要基于上述這些網絡語料庫。

第二章談如何解讀語料庫數據。本章目標有四:一是比較定量分析和定性分析的相對優勢,二是解釋相關的統計術語,三是介紹簡單的統計工具,四是分析利用統計手段來進行文本分析的優勢和劣勢。作者認為定量分析和定性分析分屬語言研究的兩大陣營:語言的科學性和語言的人文性。前者注重語言經驗證據,強調客觀分析;后者看重個人洞察力和個人解讀。與常人把語料庫研究歸于定量的科學研究不同,本書作者認為,“數據總需要分析”,“優秀的語料庫語言學者同時需要能駕馭定性分析和定量分析”。這也是很多語料庫語言學家的共同觀點,比如Leech(2004:62)就認為語料庫語言學絕不僅僅是收集資料和描述語料,而應包括三個不同層面的研究:語料收集、語言描述和理論構建。定性分析是理論建構層面上必不可少的一個部分。接下來作者談了語料庫的“代表性”問題,認為所有的統計分析都要基于“樣本代表群體”這一原則。他們細致分析了幾個重要的統計概念:平均值(mean)、標準差(standard deviation)、頻數(frequency)、頻數標準化(normalization of frequency)、互信息(Mutual Information)和關鍵詞(key words)。此外還簡單介紹了一些語料庫工具軟件,如WordSmith、Micro-OCP以及TAPoR等等。這一章的概述有詳有略,既介紹了必要的統計概念,又點到為止,不至于讓讀者感到枯燥乏味或無所適從。

第三章介紹如何使用網絡語料庫開展詞匯研究。作者認為與語言其他層面相比,詞匯研究最適合使用語料庫方法。一是詞的概念較易把握,二是語料庫無論是否經過標注都可用于詞匯研究。作者簡單介紹詞形(word form)和詞目(lemma)的區別后,展示了如何通過語料庫索引行(concordance)獲取詞匯信息以及如何分析數據。之后作者把詞置于詞匯語法語境(lexico-grammatical environment)中進行研究,討論了語料庫中的固定表達、習語、搭配和類聯接。例如,通過分析習語“What is sauce for the goose is sauce for the gander”的變體,展示了習語在具體語境中的變化;通過分析tangible和palpable這對近義詞的搭配來探索其語義差異;通過分析“a matter of”的語法結構來探索類聯接。作者還運用語料庫進行了詞匯的語義韻研究、詞匯和文體以及詞匯和語體之間關系的研究。

第四章介紹如何使用網絡語料庫開展語法研究。作者首先按照傳統語法,把詞類分成實詞和虛詞,然后通過語料庫來分別研究實詞和虛詞。之后研究層面由詞匯擴大到短語,如名詞短語、介詞短語、動詞短語、形容詞短語和副詞短語。再由短語擴大到分句,主要探討了四類不同的動詞句式。語料庫揭示了一些有趣的發現,如有些不及物動詞可加賓語(“He sneezed himself back to life”中的sneeze一詞即屬此類用法),讓讀者耳目一新。作者還探討了口語和書面語語法的異同,如口語中虛化動詞(delexicalized verb)的使用。此外還探討了正式和非正式的被動句(前者為be-passives,后者為get-passive)之間的微妙差異。

第五章介紹如何使用網絡語料庫研究話語。作者將“話語”限定為“句子層面之上的語言組織層面”。作者指出應用語料庫研究話語尚處于初始階段,并提出了兩種研究方法選擇,一種是下載語料庫文本,然后進行“話語標注”(discourse tagging),另一種是以語言表面特征(比如詞匯)為起點進行話語探索,而第二種較為可行。比如可以通過口語語料庫檢索ah和erm,從而分析其在話語中的不同功能。接下來作者把話語分為口語話語和書面語篇,并分別加以討論。口語話語中討論了“相鄰對”(adjacency pairs)和語用意義,書面語篇中討論了“銜接手段”,特別是連詞銜接和實詞銜接,最后還討論了基于語料庫的互文性研究。總之,這一章節提供了與傳統話語研究方法形成互補的新方法,頗給人啟發。

第六章介紹如何使用網絡語料庫研究語音。作者先介紹了帶有語音標注的網絡語料庫,如除了上文介紹過的“密歇根大學英語學術口語語料庫”和“蘇格蘭英語語料庫”外,還有“英語口音語料庫”(Speech Accent Archive)、“英國學術口語語料庫”(The British Academic Spoken English corpus,簡稱BASE)、“作為第二語言應用的英語訪談語料庫”(English Language Interview Corpus as a Second-Language Application,簡稱ELISA)等。接下來作者通過語料庫分析了兩個輔音個案,一個是詞尾和輔音前的/r/的發音的地區差異,另一個是在蘇格蘭英語中loch等詞中的/x/音的變化。在元音部分,作者利用“英語口音語料庫”和“蘇格蘭英語語料庫”探索了不同地區的元音發音,如單元音、雙元音、音長和語調等方面的差異。

第七章探討了語料庫文本的語境化。作者首先區分了“上下文”(co-text)和“語境”(context),前者指的是被考察的某語言要素周圍的語言材料,后者指影響語言使用的所有環境特征的總和,范圍要大得多。作者指出語料庫中的“元數據”(metadata)對語境研究至關重要。元數據以標簽的形式存在,用于標識所有語料的信息,所以被稱為“數據的數據”,如果把語料庫比作“文本博物館”,那么元數據則像是提供背景知識的標牌,其重要性由此可知。這一章的第二部分關注文本語境的具體方面,比如基于語言使用者的語言差異,如其年齡、地區、職業對其語言的影響,以及基于語域的語言變體,如因語場、語旨、語式不同而導致的語言使用的差異。

第八章為結論部分,作者對網絡語料庫在英語教學研究中的運用做了總結。作者認為語料庫中大量的真實文本為英語教師提供了豐富的教學資源,無論是把英語作為母語、二語還是外語的語言教學者都能從中獲益。特別是對把英語作為外語的教師而言,語料庫的應用更為廣泛。語料庫可以作為一種課堂組織的模式而存在,教師分配一個交際任務給學生,學生在完任務的成過程中,可以和語料庫數據相對照,然后尋找差異,從語料庫中習得語言知識,這就是以過程為導向的課堂,和傳統的以結果為導向的課堂截然不同,激發了學生學習的積極性。作者還進一步總結了基于語言使用的語料庫語言學家和強調內省的理論語言學家的區別,前者關注語言使用,而后者關注語言能力,前者會問“這(語言現象)很有意思,但它是真實的嗎？”后者會問“這是真實的,可這有意思嗎？”作者指出,理想的語言學家是內省式和語料庫語言學家的結合體。最后作者還展望了語料庫語言學的未來,認為未來英語語料庫可能會朝著以下的方向發展:大型的國家英語語料庫、小型的特殊英語語料庫、非標準英語語料庫、世界英語語料庫、平行語料庫、歷時語料庫和多媒體語料庫。

3. 評述

與目前常見的語料庫語言學著作相比,本書頗具特色,如所闡釋的話題較新穎,內容實用、可操作性強等等。

第一,話題新穎。涉及語料庫研究的書籍很多,但筆者在亞馬遜網上書店中以“online corpus(corpora)”作為主題詞進行搜索,只搜索到該書,可見就“網絡語料庫”話題進行較為深入細致而又廣泛的研究,在西方語言學界也尚不多見。此前語言研究所基于的語料庫,如BROWN、LOB、ICE、Bank of English等,并不免費向公眾開放,使得這些研究頗具“自說自話”之嫌。而網絡語料庫則彌補這一不足,書中著重推薦了5個網絡語料庫,在附錄中還介紹了另外18個網絡語料庫,為語言研究者打開了研究英語語言的“方便之門”。此外,以往基于語料庫的研究大多局限詞匯和語法層面,本書則把語料庫的應用范圍擴大到話語、語境等較高的語言層面,并且也涉及語音和口音等以往較少研究的層面,頗有新意。

第二,讀者友好。本書并不過多探討語料庫語言學的理論問題,而是借助網絡語料庫對英語語言開展了多個層面的分析。本書以解決實際問題為導向,在內容上以實用為目的,在寫法上注重讀者友好。作者在每一章節的開頭都提出一系列問題,然后引領讀者通過語料庫去解決問題。在每一小節中,作者還設計了具體的操作任務,并置以方框內單獨列出,然后指引著讀者來完成操作,達到解決問題的目的。另外,作者在借助網絡語料庫分析每種語言現象時,如搭配和類聯接,會提綱挈領地介紹該研究話題的定義和來龍去脈,幫助讀者理解研究對象。因此,無論是內容還是寫法,作者都注重讀者友好。

第三,可操作性強。作者列舉的每個任務、每個例證都是可以通過網絡實現的。按照作者提供的網址和操作步驟,讀者能按圖索驥,尋找到類似的答案,因此本書的任務可操作性非常強,具有可重復性,這也有別于很多基于內部使用的語料庫或自建語料庫的研究。正因其可操作性強,讀者會感覺到語料庫是一種非常有用的手段,并且能夠掌握這種研究手段。這給語料庫初學者帶來信心,激發了他們探索語言的好奇心,增強了他們語言學習的興趣。

第四,立論公正。本書作者雖然強調語料庫的價值,但也同時會不時指出語料庫的不足之處。比如談到語料庫的代表性問題,作者指出“語料庫只能肯定某種結構或用法的存在,也就是說,它無法告訴我們前人沒說過或沒寫過的內容”。作者認為一個優秀的語料庫語言學家應該將定量分析與定性分析結合起來,而且理想的語言學家應該是善于內省的語言學家(以喬姆斯基為代表)和語料庫語言學家的結合體。可見作者強調語料庫研究的重要性,但對于其他語言研究方法絕不忽視和排斥,不過分夸大語料庫的作用,體現了作者兼收并蓄的思想。

當然,本書也有一些不足之處。由于兩位作者都是“蘇格蘭英語語料庫”的設計者,書中的很多例子都來源于該語料庫,特別是涉及語音及語境研究的時候,而一般的以英語為外語的讀者更關心的無疑是英國英語和美國英語的一些特征,而本書在這方面的探索則顯得不夠充分。此外,有些探索還不夠深入,比如用語料庫探索語法這一章節,作者就沒有談到基于語料庫的語法化研究。

綜上所述,本書是一本較為理想的網絡語料庫入門著作。當然,如果學習者對語料庫語言學想有更系統的了解,在學完本書后,還需要選擇幾本全面介紹語料庫語言學的著作進行研讀。本書作者在每個章節后都提供了進一步閱讀的書目,我們可以通過網絡語料庫這扇“方便之門”,繼而走進語言研究的殿堂。

Leech, G. 2004. Recent grammatical change in English: Data, description, theory [A]. In K. Aijmer & B. Altenberg (eds).AdvancesinCorpusLinguistics[C]. Amsterdam: Rodopi. 61-81.

Liu Dilin. 2010. Is it a chief, main, major, primary, or principal concern? A corpus-based behavioral profile study of the near-synonyms [J].InternationalJournalofCorpusLinguistics15 (1): 56-87

甄鳳超.2010.語料庫語言學在中國的成長與發展[J].當代外語研究(3):36-41.