国内外英语学习者语料库的发展_现状与方法

语料库论文

第105期2005年10月

外语电化教学

CAFLE

No.105Oct.　2005

语言技术研究

国内外英语学习者语料库的发展:

现状与方法

王立非,孙晓坤

1

2

(1.对外经济贸易大学,北京　100029;1.2.南京国际关系学院,江苏南京　210039)

摘　要:本文对国内外英语学习者语料库的发展现状作出评述,讨论了近年来兴起的第二语言习得研究的新分支———基于学习者语料库的第二语言习得研究的理论与方法。

关键词:学习者语料库;第二语言习得研究;现状中图分类号:H319.9文献标识码:A文章编号:100125795(2005)052001920006

　　学习者语料库与一般语料库不同,它是指经过计算机处理的外语学习者的语言产出的文本数据库(Leech1998:3),属于学习者中介语范畴。大型的学习者语料库经过词性赋码、赋码、重要规律和特点。四年级高级学习者的作文,ICLE的建设。目前,

。

德国、荷兰、西班牙、瑞士、芬兰、波兰、捷、保加利亚、俄罗斯、意大利、希伯来、日本和中国。ICLE按照不同母语把学习者的文本分成14个子库,并且还在增加新的子库,如葡萄牙语、卢森堡语、挪威语和南非语。ICLE中既有定时作文,也有不定时作文,每篇长度在500至1000词之间;既有考试试卷,也有自由完成的作文;既有参考工具书完成的,也有不用的。尽管题目各异,但全是非科技类文章和议论文,库中

表1　国外主要英语学习者书面语语料库

名称

ICLEJEFLLJPUMELDPELCRAUSELLCCLCLINSEISSTC

1　目前国际上对学习者语料库的研究大体上分为三个方面:①学习者语料库的建设与开发,主要是语料库的设计和与学习者语料库的建设相关的软件开发,由语言学和软件两个专业的人员合作完成。②基于学习者语料的二语习得研究,包括语音、语法、词汇和语篇的各个方面。③学习者语料研究在语言教学中的应用,利用学习者语料的数据编写词典、语法书、选择课文材料和开发自学的电子产品。目前,在语料库建设方面,据不完全统计,已经建成和在建的学习者英语书面语语料库8个,口语库2个。

1.1　书面语语料库

语料类型建设国比利时Louvain大学日本Meikai大学

母语背景容量(万词)多种母语日语匈牙利语

20050405501001000>20000100100

书面语、

匈牙利Pecs大学

研究性美国Montclair州立大学多种母语

波兰Lodz大学瑞典Uppsala大学

书面语、商业性口语、研究性

英国朗文出版公司英国剑桥大学出版社比利时Louvain大学日本Meikai大学等

波兰语瑞典语多种母语多种母语多种母语日语

就书面语语料库而言,其中2个为商业性语料库,主要用于出版社的学习辞书和教材编写,其余6个为研究性语料库,用于研究第二语言学习者的中介语发展。

(1)国际英语学习者语料库———ICLE

ICLE(InternationalCorpusofLearnerEnglish)是最重要的学

习者语料库之一,容量为200万词,1990年启动,项目负责人为比利时Louvain-La-Neuve大学的SylvianeGranger教授。语

作者简介:王立非(19622)男,博士,教授,博士生导师。研究方向:应用语言学,二语习得,语料库语言学。

孙晓坤(19772)女,博士生。研究方向:应用语言学,二语习得。

收稿日期:2005203202

19

语料库论文

还包含一小部分文学考试试卷。荷兰大学TOSCA语料库语言学研究小组开发的TOSCA-ICLE赋码软件对ICLE进行赋码和句法切分。赋码系统包括17种主要的词类,共有220个不同的编码符,代表其中的子类和语义、句法和词形信息,软件系统现可在MS-DOS环境下运行。这个语料库的错误赋码通过一套错误赋码系统完成,该系统由Louvain-la-Neuve大学开发,名叫错误编辑器(ErrorEditor),能对每个错误进行赋码。错误编辑器的赋码系统为阶梯式,由一套主码和一套辅码分类组成,其中主码分为7类,即形式、语法、词汇语法、词汇、语域、词语冗长/词语丢失、词序和文体,然后还有一些辅码,一旦错误赋码完成,就可以根据错误码检索文本进行分析。目前,经过

TOSCA软件词性赋码和错误编辑器错误标注的语料没有对外

饰和后修饰的问题;定冠词和限定语的问题;介词和搭配问题;词汇替代问题以及回避错误问题,该语料库还没有完全建成,如果感兴趣,可以访问以下网址http://www.uni.lodz.pl/pel2

cra/samples.htm。

(4)瑞典英语学习者语料库———USE

USE是瑞典Uppsala大学建立的学习者语料库,语料来自

瑞典大学高级英语学习者的书面文本语料。1998年开始项目试点,1999年正式启动。USE中的任务环境为非定时作文,体裁多是议论文和叙述文,每篇长度在800至1000词之间,上下浮动200个词。另外,文学和文化课的作业也包括其中。目前,USE的部分语料进行了词性赋码,使用的软件工具为Brill

tagger,这个自动赋码器以转化规则为基础而不是根据概率方法

开放,公开发行的光盘版的语料生语料,在网站上可以购买,网址为http://www.fltr.ucl.ac.be/fltr/germ/etan/cecl/Cecl-Pro2

jects/Icle/icle.htm,也可与项目负责人直接联系(granger@lige.ucl.ac.be)获得语料。

(2)匈牙利英语学习者语料库———JPU

JPU是JozsefHorvath创立的,也是首个西班牙英语学习者

设计的。对赋码样本标注后还要进行人工校对,所以准确性很高。但USE中没有常规的错误赋码,如果资金足够,USE也会进行错误赋码。建库的目的是为语言研究和教学提供语料,在一定程度上也用作课程评估,此外,也作为诊断工具,了解不同水平的大学生存在的外语学习困难。目前,USE还在建设之中,具体可以访问http://www..uu.se/use.html。

(5)JEFLL

,项目主持人为50万词,语料包括定时

的大型语料库。这个语料库包含了1992-1998年间大学高年级外语学习者写的作文语料,共分为5个子库:英语子库、选修课作业子库、语言练习子库、子库。JPU专业的大学生写的作文,学、学年和体裁是标注的,但词性和语法没有赋码,因此,语料库不能提供相关信息。JPU语料库的建立为语言学研究和语言教育研究提供了理想的材料,研究者可以根据不同的目的对学生的文本进行分析,如对学生的表现进行记录,使历时研究成为可能,研究者可以对比5个子语料库,或者比较JPU与母语的差异。JPU的部分语料可在网站http://www.77cn.com.cn/jpu_corpus上检索,特别是其中的研究生子库中女生的作文从2001年10月起可以上网查到,其他的一些子库在网站上也有列表。

(3)波兰英语学习者语料库———PELCRA

PELCRA项目是波兰Lodz大学英语系和英国兰卡斯特大

20分钟内不用字典写的自由作文,体裁都为描写文和议论文,由于水平不等,每篇长度20至150词不等。JEFLL进行了多种赋码,包括词性赋码、错误赋码、语义赋码和句法分析。用词性赋码采用了CLAWS自动标注器,语义赋码采用了

SEMTAG,句法标注用TheApplePieParser,错误赋码依靠人工,

还使用了TagEditor和ErrorEditor等工具。这些工具都是专门开发的。JEFLL的特点是语料包括初中、高中和大学生的样本,不局限在一个水平层次上,可以进行语言的发展性研究,比如说对某个词汇、语法或语义特征进行发展性分析研究。当前,

JEFLL没有对外开放,但计划在两年内在网上公开发行(ht2tp://leo.meikai.ac.jp/～tono/index.html),既可以做研究用,也

可以做商业用途。

(6)美国的英语学习者语料库———MELD

MELD语料库是由美国蒙特克莱尔州立大学的Ei …… 此处隐藏：13315字，全部文档内容请下载后查看。喜欢就下载吧 ……