語料庫數據驅動學習在ESP教學中的應用探究
——以物流英語詞匯教學為例

許吉慶

(浙江工商大學 外國語學院，杭州 310018)

引言

ESP(English for Specific Purposes)即專門用途英語，通常是指與某種職業或專業學科相關的英語。它以韓禮德系統功能語法中的“語域”(register)為理論基礎，關注學習者特定的學習目的與需求。與EGP(English for General Purpose)不同的是，ESP注重將專業與語言學習結合起來，在基礎教育階段學生接受了EGP教學并掌握了基本的語言知識和技能后，針對學生所學專業的英語實際應用情況，有目的性地培養學生的語言工作能力，具有較強的工具性與應用性。同時，隨著社會的進步，國與國之間政治、經濟、貿易、文化之間的往來愈來愈頻繁深入，普通英語已不能滿足某一特定領域內專業性往來的需求。這促使ESP自60年代末產生以來在40多年的發展過程中受到了廣泛的關注。

根據Hutchinson和Waters的觀點，ESP可分為科技英語(EST)、商業經濟英語(EBE)和社科英語(ESS)三大類，每個分支下又可細分為學術英語(EAP)和職業英語(EOP)[1]16。物流英語是ESP商業經濟英語的一種，它有助于物流企業走出國門，完善服務，提高經濟效益，促進物流產業發展，已成為我國物流企業進軍國際物流市場所必須掌握的技能。

一、ESP理論概述

(一)數據驅動學習

Tim Johns于20世紀90年代提出了基于語料庫數據學習外語的“數據驅動學習”(data-driven learning)方法。在該模式下，學習者通過語料庫觀察大量真實的語言材料，對其進行恰當的篩選，分析、歸納，從而發現并總結詞匯特征、語法特征、意義特征及語用特征等，解決事先提出的問題；教師在這一過程中扮演“組織者”“引導者”的角色，為學生提供學習資源，培養學生的探索精神。與以往傳統的“先規則后練習”演繹式教學法不同，DDL主張歸納式的教學方法，數據是首要的，教師無法提前探知學習者將會發現什么樣的學習規律，語言學習和教學過程中需要對語法的地位進行重新評估。事實上，學習者經常能夠發現一些教師以及參考書尚未提及的東西。這就改變了傳統的以教師和教材為中心的知識傳授型教學方法，強調以學生為中心，符合建構主義和人本主義教育理念。在Johns的研究中，他讓學生通過自主觀察語料庫索引行區分convince和persuade的區別，在這一過程中，針對persuade后帶to不定式與that從句用法之間的差異，教師和學生提出了不同的觀點。教師認為在主句與補語之間倘若主語不發生改變，persuade后傾向于帶to不定式；學生認為帶to不定式指示行動，即鼓勵某人做某事，而that從句指示我們使他人信服某個事實真相，而在隨后的討論中也證實了學生的解釋更有概括性[2]。

甄鳳超提出，同傳統的外語教學相比，數據驅動學習外語具有以下主要特征：第一，以學生的自主學習為主要的過程特征，完全以學生為中心，發揮其個性特征；第二，以真實語言為主要語言輸入，DDL提供給學生海量的語言使用數據，以大量的語言事實揭示語言使用概率等一系列特征；第三，強調探索和發現的學習過程；第四，主張自下而上，歸納式的學習[3]。數據驅動學習作為一種新興的教學方法，以其獨特的優勢在外語教育中發揮著越來越重要的作用。

(二)數據驅動與ESP教學

自20世紀60年代起，ESP經歷了五個發展階段：語域分析、修辭或語篇分析、目標情景分析、技巧策略分析、以學習為中心[1]9。前四個階段側重于描述人們用語言做什么，即語言使用，第五階段開始重點關注語言學習。數據驅動學習強調語言的真實性，為學生建構真實的語言環境，尊重學生的自主學習能力，與ESP教學理論以學習主體為中心，滿足學生需求為目標相吻合。數據驅動學習在ESP教學領域具有極高的應用性。

語料庫對于ESP教學的影響主要表現在專業詞匯的研究和教學上。Mudraya探討了用13本不同專業領域的基礎工程學英文教材組成一個工程學專業語料庫，用Wordsmiths軟件生成一個包含1 260詞族的“工程學專業英語詞匯表”，并通過數據驅動練習幫助學生掌握這些專業詞匯的用法[4]。Nelson通過自建商務英語語料庫來考察商務英語專業詞匯的語義關聯，研究發現，這些專業詞匯都有其特定語義韻[5]。國內對于ESP教學的關注始于20世紀70年代。韓金龍指出DDL符合ESP一直倡導的“問題—解決”型學習方法，能給學生留下生動直觀的印象，但DDL也有一個缺點那就是所費時間較多[6]。林巧文、黃倩兒基于多元教學理念，構建了語料庫數據驅動ESP詞匯教學平臺及其運行模式，研究表明該教學模式能夠顯著提高ESP學習者ESP詞匯搭配和辨析能力[7]。劉萍、劉座雄進行了基于ESP語料庫的學術英語詞匯學習的教學實驗，實驗結束時的學術詞匯測試結果表明：相對于傳統詞匯學習者而言，基于語料庫的詞匯學習者對目標詞匯的形式、意義和用法等三方面認知的準確性更高[8]。雖然語料庫為ESP詞匯教學提供了新的發展契機，但目前尚無固定的教學模式。本文將在ESP視角下，嘗試將計算機技術和語料庫用于物流英語詞匯教學，探討數據驅動學習在特殊用途英語教學中的應用，希望能為ESP詞匯教學提供一些啟示。

二、數據驅動學習在物流英語詞匯教學中的應用

詞匯是語言學習的基礎和教學的重點。物流英語詞匯因其專業性強、涵蓋面廣給學習者造成了很大的困難[9]。許多通用英語中常見的詞匯在物流英語中都有其特殊含義，例如policy，material在通用英語中是“政策”“材料”的意思，但在物流英語中它們有“保險單”“物料”的含義。傳統的詞匯學習將詞匯與其語境割裂開來，教師單純講解詞匯意義，缺少具體語境呈現，學生大多靠死記硬背學習詞匯，并未深刻掌握詞匯的含義，對于專業性較強的詞匯在實際工作生活中難以運用。將數據驅動學習引入物流英語詞匯教學，將有助于完善傳統詞匯教學的缺點，培養學生在詞匯學習中的主動性和探索性。

(一)主題詞目錄

數據驅動在物流英語詞匯學習中的首要作用是可以利用語料庫建成一個專業英語詞匯表。我們可以收集物流領域相關的英語文本材料，如教材、學術論文、報紙、期刊等，將其轉化為可供計算機處理的電子文本，自建一個小型的物流英語語料庫，應用索引軟件生成物流英語詞表，然后選擇一個普通英語語料庫為參照語料庫，使用索引軟件的主題詞表功能制作物流英語主題詞表。

主題詞并不是指文本中使用頻率最高的那些詞匯，而是指頻率顯著高于或低于參照語料庫中對應詞頻率的那些詞匯。因此，主題詞可能是高頻詞，也可能是一些低頻罕見詞。通過比較觀察語料庫與參照語料庫中對應詞的詞頻，確定兩個語料庫之間在詞頻分布方面存在哪些顯著差異，可以發現某一給定文類或主題文本的詞語特征[10]。因此，制作物流英語主題詞表可以發現許多與物流英語領域相關的專業詞匯，以及一些與文本主題密切相關的詞匯，幫助學生更加準確地定位詞匯學習的重難點，滿足學生專業學習的需要，提高學生的學習效率。

筆者收集了Donald F.Wood編著的Internationallogistics中有關物流的英語文本，以及國外知名期刊中有關物流的文獻摘要20篇，自建了一個小型的物流英語語料庫(庫容136317詞)，然后以Brown語料庫(庫容100萬詞)為參照語料庫，使用Wordsmith6.0的keywords功能制作主題詞表，統計出的前15個主題詞如下：

物流英語主題詞表

我們可以發現主題詞表專業性較強，貼近學生對專業知識學習的需求，同時也可以讓學生針對自己薄弱的知識領域，自行建立專業詞表，能夠更具針對性地提高學生對詞匯的掌握程度。

(二)詞匯意義及用法辨析

語料庫數據驅動的一大優勢是能為學習者提供真實的學習語境。所謂的“語境中的關鍵詞”(KWIC)，指的是我們所得到的索引行中間都有一個共同的詞(即檢索詞，或稱節點nude)。在這些索引行中，每一行檢索詞都位于中間，前后各有若干詞，即檢索詞的語境[9]。學習者在詞匯學習中，可以通過大量觀察和分析節點詞前后的語境，更加準確地把握節點詞在物流英語中的特定含義及固定用法，圍繞節點詞進行探索式學習，也可以在語境中比較一些意義相近難以辨析的詞匯，自主歸納語言現象，加強對詞匯的理解與記憶。

索引行的分析是一個對假設進行驗證的過程。所以，學生們需要預先提出問題，帶著問題去觀察索引行中詞語的用法，并嘗試去尋找更多的例證，反復修改完善自己的結論。我們以cargo和commodity為例，嘗試引導學生在自建的物流英語語料庫中發現這兩者的區別。經過觀察可以發現，cargo在庫容為136 317詞的語料庫中出現了469次，commodity出現了38次，在表示貨物的含義時cargo在物流英語中比commodity要常用。對索引行進行排序，使得索引行中的型式凸顯出來。對這些型式進行總結可以發現cargo+noun的結構非常常見，對這些名詞進行分類，大致可以得到以下兩類：

(1)表示貨物運輸載體，如shipment，shippers，ships，vessel，airport，airline，aircraft，plane，container，carrier，transport，transportation；

(2)表示貨物運輸事項，如insurance，preference，rate，capacity，movement，moving，move。

同時對commodity索引行的型式進行歸納得到commodity+noun的結構，這些名詞包括classification，description，markets，traders，prices。據此可以判斷在物流英語中cargo代表的貨物一般是由船或飛機裝載的貨物，而commodity所代表的貨物用法較為寬泛，指廣義上的貨物總稱。

有些檢索得到的索引行很明顯不是我們所需要的結果，所以在引導學生對索引行進行分析前，教師也需要對索引行進行必要的編輯，幫助學生更快更準確地從索引行中歸納所需信息。

(三)詞匯搭配學習

除了專業術語外，固定搭配也是物流英語詞匯的一大特點。這些固定搭配數量眾多且專業性強，學習者往往容易對其望文生義，如negotiating bank并不是協商銀行的含義，而是議付行。我們可以將語料庫數據驅動應用于詞匯搭配的學習。英國著名語言學家Firth在20世紀50年代提出了搭配(collocation)的概念，指出了解一個詞需要通過其結伴的詞。也就是說，一個詞與其搭配詞之間的含義是相互影響的，搭配并不是某個詞單方面的行為。因此，在研究詞匯搭配時，光分析節點詞的索引行從而得出其搭配詞是不夠的。我們至少應該從兩個詞語各自的出現頻數和共現頻數兩方面來考察搭配的強度[11]。所以，將語料庫用于物流英語的詞匯搭配時，需要用到互信息(MI)、Z-score、log-likelihood等方法測量搭配強度。

以distribution為例，在自建的物流英語語料庫中觀察其搭配詞，使用Wordsmith6.0的log-likelihood計算其搭配強度，可以得到distribution channel，distribution center，distribution pattern，distribution facility，distribution system，international distribution，food distribution，parcel distribution等搭配詞匯。教師可以讓學生重點觀察這些搭配詞所在的索引行，在真實的語境中查看這些固定搭配的用法，提高詞匯使用的準確性。教師也可以對這些索引行進行篩選編排，設計相應的詞匯搭配練習，在課后幫助學生鞏固記憶。

結束語

本文以物流英語詞匯教學為例，嘗試探究了語料庫數據驅動學習在特殊用途英語教學中的應用。教師可以根據學生課程需求自建相應的ESP語料庫，引導學生自發地關注目標詞匯，通過數據分類歸納促進對詞匯知識的理解與吸收。值得注意的是，無論是主題詞表的建立，還是詞匯用法辨析、詞匯搭配學習都不是一個孤立的過程，而是一個統一的連續體，每個階段的學習都會涉及對下一個階段的初步探索。學習者在完成這些詞匯學習任務的同時，其自身的學習主動性與學習能力也將得到有效的提升。當然，數據驅動學習在ESP詞匯教學中的應用遠不止這三方面，類聯接、語義傾向、語義韻等有關詞匯的深入學習值得進一步探究。