數據驅動下的口譯學習者語料庫建設構想*

伍彥（安徽新華學院 外國語學院，安徽 合肥 230000）

數據驅動下的口譯學習者語料庫建設構想*

伍彥
（安徽新華學院 外國語學院，安徽 合肥 230000）

本研究提出建設一個基于數據驅動學習理論的口譯學習者語料庫，旨在推進口譯教學現代化，為口譯研究提供數據，并通過數據驅動的學習模式，為社會培養更多優秀口譯人才。

數據驅動；口譯；語料庫

一、概述

“大數據”時代，數據已成為滾滾洪流，影響著全球經濟社會各個領域。隨著數據提取、存儲、搜索、共享、分析、處理技術的不斷提高，大數據與高等教育的結合逐漸成為教育發展的必然趨勢。數據驅動學習（Data-driving Learning），作為一種新的教學工具和技術，最早由Tim Johns于上世紀九十年代提出，主要思想是指引學生基于語料庫數據觀察、概括和歸納語言使用現象。

從教學形式上，數據驅動學習逆轉了“規則第一、實踐第二”的演繹式教學方法，強調學生自己探索并歸納規則。從教學內容上，數據驅動學習跳出了課本數據的窠臼，提供給學生的語言數據具有容量大、種類多、速度快、價值高四大特征。

二、數據驅動學習與口譯語料庫的發展

（一）數據驅動學習的國內外發展現狀

近十幾年，國內外學者從不同角度對數據驅動學習的應用進行了研究。Johns［1］進一步提出了數據驅動學習所面臨的技術、語言、教學法等挑戰，探討了在21世紀如何使數據庫更加符合學習者需求，并將數據驅動學習與互惠式學習以及互聯網的應用結合起來。Gilquin&Granger［2］總結了數據驅動學習的三大優勢，包括使課堂更真實，有修正功能，使學習過程更具激勵性和趣味性。

中國學者也積極將數據驅動學習運用到課堂實踐。俞燕明［3］對數據驅動詞匯教學進行了探索，發現該模式能有效提高學生詞匯水平，對培養學生自主學習和研究性思維有一定促進作用。李德超、王克非［4］利用數據驅動學習輔助旅游翻譯教學課堂實踐，認為該學習模式能促進旅游翻譯教學理念的轉變，教學形式的多樣化，并引導學生獲得“自主學習”的樂趣。

（二）口譯語料庫的國內外發展現狀

目前世界上規模最大的口譯語料庫是日本名古屋大學設計開發的英、日雙語的同傳語料庫，采編口譯錄音材料共182小時，轉寫材料約1百萬字。在建的有英語、意大利語、西班牙語的多語平行語料庫“歐洲議會口譯語料庫（EPIC）”，匯集并轉寫歐洲議會同傳的材料，由意大利博洛尼亞大學開發，目前容量為18萬字。此外還有用于譯員教學和培訓的語料庫，例如歐盟口譯司開發的Speech Repository等。

國內的口譯語料庫研究起步于2007年以后，目前已初具規模的口譯語料庫是由上海交通大學研究開發的“漢英會議口譯語料庫（CECIC）”。該語料庫是以國內外新聞發布會口譯活動為對象的平行語料庫，包括漢英口譯語料庫、英語原語語料庫、漢語原語語料庫三個子庫，目前容量約為54萬字。此外還有一些民間發起的口譯合作平臺，例如Speechpool、Chinese Speech Bank等。

三、數據驅動下的口譯學習者語料庫建設構想

結合口譯教學實踐，構建一個數據驅動下的口譯學習者語料庫，具有教學價值和科研意義。一方面，語料庫的構建要求在口譯訓練中對學習者進行錄音或錄像，作為口譯監控的一種有效方式，有助于學生在通用交傳階段完成口譯任務和口譯能力的提高。同時，基于該語料庫的數據驅動學習使學生能夠通過關鍵詞檢索，找到相關話題和演講，并使用語料庫中的音頻和視頻進行口譯練習或進行同輩反饋，節約了上網搜索練習素材的時間，并提供了同輩之間相互學習、教師提供指導反饋的平臺。另一方面，口譯學習者語料庫具有學術價值。口譯學習者語料庫可以為副語言研究、口譯策略研究等話題提供研究數據，此外，建立口譯學習者語料庫，對比考察口譯學員和職業口譯員在口譯策略、口譯質量等方面的差異，能夠全面顯示口譯學習與實踐對口譯技能發展的影響，對口譯教學和培訓有明顯而實際的啟示意義及應用價值［5］。

結合歐盟口譯司Speech Repository的語料庫模型，參照數據驅動語言學習的提出問題（Identify），材料分類（Classify）和歸納總結（Generalize）三階段，本口譯學習者語料庫的具體操作模式如下：

根據我國大學本科英語專業大三大四學生的實際水平和需要，本語料庫擬將涵蓋記憶練習、筆記練習和口譯應試能力練習三個訓練重點。

記憶練習的音視頻長度設計在1-2分鐘，話題難度為簡單，術語頻次低，對話題來源不做要求。以一學期16周計算，記憶練習主要安排在課程的1-3周，主要目的在于鍛煉學生的注意力、分析能力和短時記憶。相應的，學生按照上述要求，每人每周有針對性地準備1篇中文演講和1篇英文演講，課下自行錄音或錄像，經教師審核后，上傳到數據庫平臺。課上，教師可使用該語料指導學生進行交互練習，即一個學生聽另一個學生的演講進行源語復述（中-中，英-英）或者翻譯練習（中-英，英-中）。練習結束后，教師和同輩可對具體學生的口譯表現進行反饋，分析該演講的邏輯結構和記憶要點。

筆記練習的音視頻長度設計在5-8分鐘，話題難度根據學生水平可分級為入門級、中級和高級，術語頻次按級增加，話題要求涵蓋口譯工作的主要領域，文本內容可以自擬，也可以參照網上的資料進行改寫。同樣以一學期16周計算，筆記練習主要安排在4-16周，旨在鍛煉學生的口譯筆記系統、分析提煉能力和篇章表達能力。類似的，學生按照上述要求，每人每周有針對性地準備1篇中文演講和1篇英文演講，課下自行錄音或錄像，經教師審核后，上傳到數據庫平臺。課上，教師每周從語料庫中選取1篇中文演講和1篇英文演講，指導學生進行課堂練習，主要訓練并考察學生筆記系統的建立、有筆記交傳的譯出質量以及相關百科知識。課下，學生進行小組練習，通過關鍵詞搜索功能調用語料庫的音視頻，輪流練習并進行相互反饋。

口譯應試能力練習的音視頻長度設計在5分鐘左右，材料來源于CATTI三級和二級的真題。材料由教師收集整理，制作成音頻或視頻，上傳至數據庫平臺。該材料的訓練側重于應試訓練，主要安排在14-16周以及假期，旨在讓學生接觸真實的考試題型和考察話題，通過練習了解CATTI證書考試的形式和內容，從而可以查缺補漏，進行針對性練習。

針對上述數據類型和用戶層次，本數據庫初步定位于交替傳譯訓練用途，語種為英語和漢語，語料難度分為入門、中等和高級，語料類型為演講，話題囊括會議致辭、人物訪談、信息科技、體育健康、環境保護、經濟、社會、外交、國情等口譯工作的常見方面。教師組建工作坊，對收集到的每一篇語料進行編號，定義檢索關鍵詞，并對口譯中的原語和譯語文本進行轉寫，完成詞性附碼、標注等工作。在語料庫界面開發方面，由計算機編程人員開發針對上述數據并能夠實現在線檢索功能的人機交互界面，實現語種、難度、領域選擇和關鍵詞、編號搜索等功能。

數據庫初步建立后，首先在個別高校進行教師、學生用戶公測，完善數據結構和檢索程序，擴充數據庫語料容量、種類和適用范圍，以期為更多口譯學習者提供便利，發揮更大的價值。此外，還可以建立一套基于本數據庫語料的數據驅動口譯學習方案，把數據運用到課堂實踐，讓學生真正成為數據的貢獻者、使用者和受益者。

四、結束語

建設一個數據驅動下的口譯學習者語料庫是運用新技術促進口譯教學和科研發展的重要途徑。比起傳統的教材編寫，數據庫的建立能夠為口譯學習者和研究者提供容量更大、種類更多、速度更快、價值更高的練習和研究素材。此外，依托數據庫平臺，口譯學習從課內延伸到課外，在搜集語料、錄制語料、使用語料進行練習和接受反饋的過程中，學生的信息篩選能力、口語表達能力和口譯技巧得到潛移默化的鍛煉。同時，通過積極參與本語料庫的建設，并將其與口譯學習結合起來，學生將成為該數據驅動學習模式中最積極的因子和最大的受益方。

當然，語料庫的建設需要大量精力和時間投入。從語料庫的容量建設上來看，絕非短短幾年，憑借一屆或幾屆口譯學習者的貢獻就可以達到預期規模。此外，在技術層面上需要外語專業和信息技術等專業的合作，具體難點包括質量監控、程序編寫、語料標注、信息處理和互聯網平臺搭建等。從長遠來看，建設這樣一個數據驅動下的口譯學習者語料庫，收集與口譯學習相關的語料，搭建一個口譯練習反饋的平臺，具有較大的教育意義和應用價值。同時，數據庫的不斷更新和推廣能夠為高校口譯教學和科研提供最新的素材和數據，讓口譯培訓行業跟上“大數據”時代的步伐，為社會貢獻更多高水平的口譯人才。

［1］Johns，Tim.Data-driven Learning:the Perpetual Challenge ［C］.Language and Computers，2000：107-117.

［2］Gilquin，G.，Granger，S.How Can Data-driven Learning be Us ed in Language Teaching［C］.The Routledge Handbook of Corp us Linguistics，2010：359-370.

［3］俞燕明.數據驅動詞匯教學-基于計算機和語料庫的研究性教學探索［J］.外語電化教學，2009（3）：58-62.

［4］李德超，王克非.基于雙語旅游語料庫的DDL翻譯教學［J］.外語電化教學，2011（1）：20-26.

［5］張威.近十年來口譯語料庫研究現狀及發展趨勢［J］.浙江大學學報（人文社會科學版），2012（2）：201.

This study proposes to construct a Chinese-English corpus for interpreting learners based on Datadriven Learning theory.The corpus is aimed at pushing forward the modernization of interpreting training，providing data for interpreting researchers and cultivating more capable interpreting professionals for the society.

data-driven learning；interpreting；corpus

G642

A

2096-000X（2016）17-0131-02

安徽新華學院校級科研項目（編號：2016rw015）

伍彥（1989，09-），女，漢族，安徽潛山，碩士，助教，研究方向：口譯理論與實踐。