基于Sketch Engine的專門用途英語（ESP）詞匯數據驅動教學模式探索*

盧華國 張 雅

（南京信息工程大學 語言文化學院，江蘇南京210044）

引言

自20世紀60、70年代開始，專門用途英語（English for Specific Purposes，ESP）研究經歷了語域分析、修辭或篇章分析、目標情景分析、技能分析和以學習為中心5個發展階段[1]。前四個階段的共同特點是探討語言的運用，其中前三個階段探討語言的表層結構特點，以語言的本體知識為主，第四個階段探討使用語言的過程。第五個階段把對語言的運用和語言的學習有機結合起來，既注意社會對外語人才的知識和技能的要求，又注意學生的學習要求[2]。ESP研究對語言運用的探討，離不開前期對語言本體知識的關注，因為ESP課程的“重點必須放在努力使詞法、詞匯、篇章結構與那些特定的活動相適應的語言運用上”[3]。因此，雖然本體知識不再是ESP后三個階段的研究焦點，但依然是其研究基礎，是ESP教學中的重要組成部分。在專門用途英語本體知識中，詞匯知識無疑是非常重要的一部分，因為“一篇專業文獻，最大的信息載體是專業詞匯，而不是普通詞匯”[4]。我國的詞匯教學都是在二語的環境中進行，學習者面對的是不同于母語的參數系統，他們沒有母語學習者所具有內在的詞匯能力，既不知道詞匯在不同語境中的含義，也無法使用詞匯正確指稱世界。上述問題在ESP詞匯教學中表現同樣突出。例如，張濟華等[5]對同濟大學的學生進行調查之后發現，雖然有部分學生在學習ESP課程之后已經能夠閱讀原版的專業書籍，但是仍有高達43%的學生反映專業詞匯依然是他們的最大障礙。因此，詞匯教學理應成為我國ESP教學的一項重要內容。

一 數據驅動模式在ESP詞匯教學中的適用性

數據驅動學習（Data-driven Learning）是由John首創一種的學習模式，旨在鼓勵學習者積極、主動地從真實的語料中觀察、概括和歸納語言事實。該學習模式自20世紀90年代提出以來，引起了學界廣泛的興趣。Boulton[6]梳理了數據驅動學習模式的提出和發展過程以及圍繞這一模式所展開的討論和實踐之后，認為嚴格或者說原型意義上的數據驅動學習是指“高校外語或二語高級學習者在歸納性和自主性學習語言高階用法的過程中對真實語料庫數據（索引行）的體驗性使用”。Boulton同時也指出，在實踐應用中，上述任何特點并非缺一不可，從而使數據驅動學習呈現出不同的表現形式。例如，學習者未必需要從一開始就直接分析索引行，教師可對學習的過程保持一定程度的控制，展示給學生的語料庫數據也可以事先進行簡化，用于學習的語料庫數據除索引行外還可包括頻率信息、搭配詞表等。因此，就教師在學習過程中的介入看，我們認為基于語料庫的數據驅動學習模式同時也是一種數據驅動教學模式。

張濟華等[5]指出專業詞匯不僅對學生ESP學習造成困擾，而且也是EGP英語教師向ESP教師轉型過程中的最大障礙。高校ESP教學任務普遍由不具有專業知識背景的EGP教師承擔，他們對專業詞匯因而感到陌生。詞匯障礙可能造成的后果之一就是部分大學英語教師“存在一種惰性，不愿意嘗試和自己學歷背景不同的課程”[7]。因為“語料庫語言學對ESP教學的影響主要體現在專業詞匯的研究和教學上”[8]，所以為解決前述詞匯障礙帶來了重要啟示。在ESP詞匯教學中引入基于語料庫的數據驅動教學模式具有以下兩個優點：首先，從學生角度看，數據驅動學習與建構主義的學習理論一致，能夠提高學生自主學習能力并調動他們的求知欲和探索精神[9]。其次，從教師角度看，ESP詞匯數據驅動教學模式有別于傳統內省式的教學模式，在一定程度上可以彌補教師在專業知識儲備方面的短板，使他們能夠盡快熟悉專業詞匯，加快完成轉型。因此，在ESP詞匯教學中引入數據驅動模式是非常有必要的。

二 我國ESP詞匯數據驅動教學模式實踐現狀及其困境

國外同行在探索ESP詞匯數據驅動教學方面一直比較活躍，語料庫在ESP數據驅動教學中的應用主要表現在以下2個方面：生成主題詞表和詞簇表；通過索引行分析揭示搭配、型式、語義韻及辨析近義詞。國內學者除了對語料庫在ESP教學中應用的可能性及優缺點進行介紹外，也有開始進行相關的實踐嘗試。王健燕[10]利用美國當代語料庫的KW IC和COLLOCATION功能幫助學生理解社會工作專業中的專業詞匯（如drug abuse）的含義并從索引行中尋找專業例句用做教學材料。秦建華[11]運用檢索軟件分析交大學術英語語料庫，探討專業詞匯名詞化和專業詞塊方面的特征。比較而言，張濟華等[12]在實踐方面的探索更有代表性，他們首先從專業英語教科書、手冊、一般期刊等專業基礎文獻中采集語料，構建了四個分類語料庫，總量達到1000萬詞次。利用WordSm ith Tools、在專業人員的干預下從4個語料庫中提取約2500個專業詞匯。然后借助詞典對這些詞匯進行逐個翻譯并注明該單詞的專業和非專業含義。

然而，國內在基于語料庫的ESP詞匯數據驅動教學方面的研究總體上理論介紹多，實踐探討少。筆者認為造成教師對ESP詞匯數據驅動教學模式實踐探索熱情不高的原因主要有以下四點：首先，ESP詞匯教學涉及多個具體學科，通常無直接可用的語料庫，而建設用于ESP詞匯教學的語料庫是一件費時費力的事情，讓ESP教師望而卻步。其次，ESP詞匯數據驅動教學模式難以與依托ESP教材的傳統詞匯教學模式有效對接。在傳統模式中，ESP教學基于教材按學科分專題逐一進行，詞匯學習雖然是教學的重要組成內容，但只是其中的一部分。目前尚無研究提及如何把ESP詞匯數據驅動教學模式同其他部分的教學以及所依托的教材進行銜接。由于教師必須為新模式改變自己的教學習慣，因而對數據驅動模式熱情不高。再次，基于語料庫的ESP詞匯數據驅動教學模式還增加了教師的工作量。把從語料庫中提取的數據呈現給學生之前，教師必須首先對這些數據進行篩選和甄別并投入更多的時間和精力。最后，某些語料庫檢索工具操作復雜，也使得部分教師產生畏難心理，不愿意嘗試這種新的教學模式。例如，WordSm ith Tools和AntConc雖然功能強大，但是初學者需要不斷摸索才能逐漸上手。

三 基于Sketch Engine（SkE）的ESP詞匯數據驅動教學模式

SkE是語料庫語言學專家Adam Kilgarriff設計的一種詞典編撰輔助系統。該系統能夠將大型語料庫的語言信息進行有效的匯總，提高使用者分析數據的效率，它的“詞語速描”（Word Sketches，即對從語料庫中提取到特定詞的語法特征及搭配特征進行信息匯總并以列表的形式集中在一個頁面顯示）功能與本研究直接相關。SkE語料庫編纂功能也特別值得一提。除了能夠上傳文檔建設語料庫外，用戶還可以使用整合在SkE中的WebBootCat工具，幫助譯者方便快捷地編纂輔助翻譯的專業（domain-specific）語料庫[13]。SkE的詞匯素描和語料庫建設功能為解決上文中提到的問題提供一種思路。接下來我們將結合自己的教學體會從語料庫建設和教學活動設計兩方面探討SkE在ESP詞匯數據教學中的具體應用。

1 語料庫建設

我們將以氣象出版社2008年出版的《氣象英語科技教程》（第二版）第4單元課文The Greenhouse Effect為例探討氣象英語語料庫的建設。我們所選的課文雖然篇幅較長（共1428詞），但是專業程度不高，屬科普性質的文章。利用WebBootCat獲取所需要的語料需要首先確定20個左右的專業詞匯作種子（seed）。我們最初打算直接從課文后的64個詞匯中挑出20作為種子，但是分析后發現在這些詞匯中有相當一部分要么是專有名詞（如National Academy of Sciences、Bangladesh），要么與課文的主題無直接關系（如cultivate、delta），都不是獲取語料的理想種子。因此，我們決定先利用SkE自帶的語料庫建設功能把課文構建成一個微型語料文本，然后從中提取20個專業相關度最高的主題詞和10個術語，如下圖所示。

圖1 由SkE從課文提取出的主題詞和術語列表

從這些詞中選擇20個詞作為獲取語料的種子，然后利用WebBootCat從網絡上抓取語料。Buendía[14]指出，語料庫編者在從網絡上選擇語料時特別需要注意網頁的作者（指作者的聲望和專業水準）、內容（指準確性、客觀性、時效性等）以及設計（網頁的呈現與管理及其可及性）這三個因素對語料質量的影響。為了保證語料來源的質量，我們把語料的來源限定為大眾科學（http://www.popsci.com），每日科學（http://www.sciencedaily.com）和國家地理（http://www.nationalgeographic.com）三個網站。這些知名網站刊登的都是科普性質的文章，一般由熟練掌握英語的專家撰寫。將語料來源限制在這幾個網站，能夠滿足ESP詞匯教學對語料可靠性的要求。當語料搜集并下載完畢后，SkE就開始編纂語料庫。4分鐘之后，一個以“溫室效應”為主題的語料庫就建成了，如下圖所示。

圖2 The Greenhouse Ef fect語料庫

該語料庫由134篇文章組成，包含一個借助WebBootCat所獲取網頁構建的子語料庫和一篇用以提取種子的課文。因為SkE對語料庫的編纂和對詞匯進行素描幾乎同步進行，所以語料庫建好后可以立即投入課堂使用。

值得注意的是，與通用語料庫相比，該語料庫規模的確不大。但是正如Nesi[15]指出那樣，“專業語料庫往往比較小，但是依然能夠代表專業語言變體，因為涉及的專業領域越窄，代表該領域所需要的文本數量就越小”。因此，用于ESP詞匯教學的語料庫大小是否適當，需要根據教學目標而定，是否越大就越好，不能一概而論。經驗表明，在把建好的語料庫正式應用于詞匯教學之前，教師還可以利用SkE從語料庫中提取出主題詞和術語，以評估所抓取的語料是否與主題直接相關。如果教師發現位次靠前的主題詞或術語與學科專題無關，可以重新利用WebBootCat抓取語料并把無關的主題詞或術語設置為黑名單，從而把那些產生噪音的網頁排除在語料之外。此外，如果在教學實踐中教師希望能夠觀察更多的語料，那么他既可以為WebBootCat指定更多的語料網站以增加抓取的語料數量，也可以直接利用SkE把從教程或期刊上挑選到的電子文本添加到已經建成的語料庫中，從而擴大語料庫的容量。最后，教師還可以鼓勵學生在語料來源、種子選擇等方面發揮自己的專業特長，積極參與到語料庫的建設中。

2 教學活動設計

我們最初的做法是利用SkE從課文中生成詞匯表，然后從詞匯表中選取感興趣的詞匯，穿插在課文中或者集中在詞匯部分講解，即在建成的語料庫中檢索目標詞匯，向學生展示從語料庫中檢索的到索引行的。然而，恰如Kilgarriff[16]指出那樣，“解讀索引行是一項需要高階語言水平的技能，只會讓大多數學習者望而卻步”。加之索引行中有很多不可控因素，都使得教學效果不甚理想。后來，我們又直接把由SkE生成的詞匯素描（如圖3）展示給學生。雖然詞匯的搭配情況一目了然，但是學生學習起來依然興趣不高。這使我們意識到在數據驅動教學過程中，教師既不能完全指望學生自己探索發現知識，也不能直接把詞匯知識呈現給學生。換言之，教師對語料的挑選和加工以及呈現的時機都對教學效果有明顯的影響。

以前期積累的經驗為基礎，我們依托SkE的相關功能設計了以下兩種詞匯教學活動：

（1）每詞一句 鑒于目前的ESP詞匯教學還沒有涉及口語方面的教學活動，我們在課堂上利用SkE從語料庫中提取主題詞和術語，然后要求學生從中挑選出與溫室效應直接相關的詞匯，對這些詞與專題之間的關系做簡短英語講解。從圖（1）可知，學生對從語料庫中生成的前20個主題詞在理解方面基本不存在問題。因此，對于主題詞表中的fuels、gas、vapor、temperature等常見詞匯，我們不再把這些詞的用法作為教學的重點，而是要求學生就這些相關概念與溫室效應之間的關系用英語講1～3句話。例如，一位學生在課堂上是這樣用英語解釋fuels與溫室效應之間的關系的：Burning fuels produces CO2；CO2increases temperature.在教學結束后，我們與學生進行了座談，了解到他們對該教學活動普遍持歡迎態度，具體理由如下：在挑選主題詞和講解主題詞的過程中，他們不僅用上了自己的專業知識，能夠體會到課堂內容同自己所學專業之間的直接聯系，而且在講解中鍛煉了自己的口頭表達能力，從ESP課堂上獲得了一種成就感，因而樂意參與這樣一項教學活動。

（2）選詞填空 Johns[17]把數據驅動學習分為提出問題（identify）、材料分類（classify）和歸納總結（generalize）三個步驟。參照這三個步驟，我們從詞表中選擇一些概念相近的詞，利用Sketch-Diff功能，從語料庫中挑選能夠體現這些詞的典型搭配的索引行，然后利用Thesaurus功能，設置干擾項，編制選詞填空練習，讓學生作答，最后結合從SkE獲取的數據引導學生進行歸納總結。其中的第一步由教師完成，第二步由SkE完成，第三步由教師指導學生完成。例如，在課文The Greenhouse Effect中，出現了em ission和radiation兩個詞。我們把em ission作為目標詞，從Thesaurus中挑選出vapor和heat，連同radiation構成三個干擾項，基于語料庫中的真實例句編制了如下選擇題：

Forest-derived fuels are now seen as a carbon-neutral solution to reducing energy_______,the researchersnote.

A.vapor B.em ission C.heat D.radiation

A.和C.選項很快被學生排除，剩下的問題就集中在emission和radiation這兩個詞上。我們利用Sketch-Diff在語料庫中檢索em ission和radiation，與“動+名”搭配相關的查詢結果如下圖所示：

圖3 由Sketch-Diff生成的em ission和radiation“動+名”組合對比

左側部分是radiation的搭配詞列表，按照顯著度高低自上而下排列；右側部分反映的是emission的搭配詞，按照顯著度高低自下而上排列。從該圖可知，reduce與em ission搭配的顯著度最高，與radiation則不構成明顯的搭配關系。據此我們可以判斷B是正確答案。進一步觀察emission的搭配詞，我們發現reduce、cut、halt、lim it、curtail、restrict、control（右側加框詞匯）都表現出一種抑制或阻止的語義成分，凸顯的是em ission的負面影響。相比之下，radiation的搭配詞則沒有體現出同樣的特點。雖然在日常生活中，em ission和radiation分別被翻譯成“排放”和“輻射”，二者都有可能成為污染源，都需要加以控制，但是在“溫室效應”這一專題內，emission語義上的負面色彩更加鮮明，而radiation則更趨中性，這從與它們分別形成搭配的動詞中清晰地體現出來了。從學生的反饋可知，這種依托自建專業語料庫的教學活動有別于單純依賴教師的知識講解或基于詞匯手冊的自主學習，使學生不僅能夠通過討論體會到探索的樂趣，而且對獲取的詞匯知識印象也更加深刻。

四 結語

作為一種新型教學模式，數據驅動教學依托語料庫所提供的信息，要求學生基于這些數據總結規律，主動探索目標語的特點，使學生對獲得的語言知識體會更深刻，儲存也更持久。該教學模式不僅鍛煉了學生自主學習能力，而且符合學生的認知心理，調動了學生求知欲和探索精神，因而能夠促進詞匯教學。事實上，這也為魯艷輝[18]的實驗所證明。盡管如此，與EGP詞匯教學相比，在ESP詞匯教學中采用這種新型的教學模式還面臨著一些特殊的困難。本研究基于SkE的語料庫建設和詞匯素描這兩項功能，設計課堂教學活動，既解決了教師在ESP詞匯數據驅動教學實踐中所面臨的一些困境，也提高了學生學習ESP詞匯的興趣和效率。

然而，必須承認本研究基于SkE設計的教學活動類型還有待豐富（只有一詞一句和選詞填空兩種形式），對教學效果的調查方式也比較單一（僅限于訪談）。因此，基于ESP詞匯教學實踐進行不斷地摸索和總結，針對ESP詞匯的特點和學生的實際情況，充分發揮SkE的各項功能，精心設計多樣化的教學活動，開展嚴謹的實證對比研究，對進一步推廣和促進ESP詞匯數據驅動教學模式都是非常有必要的，而這也將是我們下一步研究的重點。

[1]Hutchinson, T., Waters, A.. English for specific purposes[M]. Cambridge University Press, 1987.

[2]程世祿,張國揚. ESP 教學的理論和實踐[J].外語教學與研究, 1995, (4):51-54.

[3]Strevens, P.. ESP after twenty years: A reappraisal[A]. M.Tickoo(Ed.). ESP: State of the Art[C]. Seameo Regional Language Centre, 1988:2.

[4]范誼.ESP 存在的理據[J].外語教學與研究,1995, (3):46.

[5]張濟華,王蓓蕾,高欽.基于語料庫的大學基礎階段ESP 教學探討[J].外語電化教學,2009a, (4):38-42.

[6]Boulton, A.. Data-driven learning: the perpetual enigma[A]. In S. Roszkowski & B. Lewandowska-Tomaszczyk(Eds.), Explorations across languages and corpora[C]. Frankfurt: Peter Lang. 2011:563-580.

[7]蔡基剛. CBI 理論框架下的分科英語教學[J].外語教學, 2011,(5):35-38.

[8]Thurstun, J., Candlin, C., N.. Concordancing and the teaching of the vocabulary of academic Eng1ish[J]. English for Specific Purposes, 1998, (3): 267-280.

[9]朱慧敏.數據驅動學習:英語詞匯教學的新趨勢[J],外語電化教學, 2011,(1):47.

[10]王健燕.論英語語料庫輔助下的學科專業英語(ESP)教學[J].南京航空航天大學學報:社會科學版,2012,(1):87-90.

[11]秦建華.基于專門用途英語(ESP)語料庫的詞匯研究——探索大學英語教師向ESP 教師轉型的途徑[J].內蒙古民族大學學報:社會科學版,2013,(2): 89-93.

[12]張濟華,高欽,王蓓蕾. 語料庫與大學專門用途英語(ESP)詞匯教學探討[J].外語界,2009b (3): 17-23.

[13]Baroni, M., Kilgarriff, A., Pomikálek, J., et al. WebBootCaT: instant domain specific corpora to support human translators[A]. In Proceedings of EAMT[C], 2006, Oslo:247-252.

[14]Buendía, M.. Phraseology in specialized language and its representation in environmental knowledge resources[D].Granada: Universidad de Granada,2013: 328.

[15]Nesi, H.. ESP and corpus studies[M]. The Handbook of English for Specific Purposes, 2013: 408.

[16]Kilgarriff, A.. Using corpora in language learning: the Sketch Engine[M]. Optimizing the role of language in Technology-Enhanced Learning, 2007: 21.

[17]Johns, T.. ‘Should you be persuaded: two examples of data-driven learning.’ In: T. Johns & P. King (Eds.),Classroom Concordancing[J]. English Language Research Journal,1991, (4):4.

[18]魯艷輝.基于語料庫的數據驅動模式在大學英語教學中的運用[J].現代教育技術,2009 ,(7): 94-98.