国内外英语学习者语料库的发展_现状与方法(2)

2　国内英语学习者语料库的发展

我国的学习者语料库建设与研究开始于上个世纪90年代中期,近年来发展迅速,已处于国际领先水平。到2004年为止,已经建成或在建的语料库有6个,其中,香港2个,内地

4个。

填写了考生信息表,包括考试得分和试卷内容。CLC中的所有语料都是匿名的,其中四分之一的语料进行了错误赋码,方便词典编撰者检索学习者使用的例证,如,查找学习者用得好的单词、句式和语法结构,或者利用语料库发现学习者的学习难点。另外,CLC还应用于书面作文的机器阅卷和评分的软件开发。

像CLC一样,《朗文学习者语料库》的容量为几亿词,提供有关单词、用法、语言变化和英语语法句型的深层知识。LLC由世界各国的教师和学生发送来的作文和考试试卷组成,水平层次各异,作文和考试语料既有限时,也有非限时的,每篇作文都标记了作者的国籍、水平、文本类型(作文、书信、考试)、语类型(英国英语或美国英语)词性赋码,但为《朗文词典码。//

dictionaries/corpus/l查询。1.2　口语语料库

表2　我国主要的英语学习者语料库

名称

HKUSTTSLC类型书面语书面语书面语建设单位香港科技大学华南师范大学南京大学

母语背景容量(万词)广东话广东话汉语汉语汉语汉语

>25003001005087.6>200

书面语/口语SWECCL书面语/口语

(1)香港高中生英语语料库———HKUST

HKUST的项目主持人为香港科技大学的约翰 弥尔顿教

国外学习者口语语料库的发展与书面语相比不仅容量小而且速度较慢,目前已建成或在建的语料库只有2个。

(1)《LI(LINSEI国际英语中介语口语语料库》NSEISpo2kenCorpus)

LINSEI语料库于1995年开始建设,由比利时Louvain大学

授(lcjohn@ust.hk),语料库容量为2500万词,收集了香港高中生的英语考试作文语料,全部语料均为限时,每篇大约1000词。此外,还有一部分的语料是课外的作业。2001年,研究人员对语料库中百分之一的语料进行了随机人工错误标注和词性赋码,重点围绕以下几方面开展研究:错误频率能否代表学生的实际学习困难?写作环境如何影响学习者的写作水平?错误率是否可以预测?目前已经取得了一些成果。HKUST的错误标注系统和规则(包括错误和非错误范畴)由设计者自行研发,并用人工检验错误标注的准确率。错误标注为文本格式,通过检索错误标注,就可以将错误分类,然后生成错误类型总表。此外,研究者使用了CLAWS词性赋码器,大大提高了赋码速度和一致性。这个语料库可供研究者对比学生限时和课外写作的差异,为分析中国英语学习者的中介语发展提供了数据,同时,也对大纲设计和教材编写极有价值。

(2)香港初中生教学语料库———TSLC

TSLC是香港建立的另一个大型语料库,该项目由香港政

的S.Granger教授负责(granger@lige.ucl.ac.be)。该语料库包含多个子库,已建成的一个子库由50段访谈语料转写成的10万词的文本组成,采访对象为法语为母语的英语学习者,其中

30位男性,20位女性。目前,正在建立多国英语学习者的若干

个中介语子库,包括日本英语学习者、瑞典英语学习者、西班牙英语学习者、意大利英语学习者、保加利亚英语学习者和中国英语学习者等。此外,为了进行对比研究,还建立了英语为母语的平行口语语料库,以研究不同母语背景的英语学习者的中介语变化。目前,语料库建设者希望与世界各国的研究者合作,不断扩大各语种的英语学习者的口语语料。

(2)《(TheStandardSpeaking日本标准化英语口试语料库》TestCorpusofJapaneseEFLLearners)

SSTC语料库为英语口语考试语料库,项目于1999年开始

府资助,香港大学教育学院主持,于1994年开始建设,其中的学习者语料主要来自香港中学生的(母语是广东话)英语作文文本,文本既有限时的考试作文,也有课外不限时的作文,每篇长度为300-500词之间。同时,还包括个人书信、正式商业信

启动,由日本明海大学、Showa女子大学、京都通讯研究实验室、理光软件研究中心、ALC出版社等多所大学和科研机构组成项目组,语料库设计规模为100万词,项目主持人为明海大学的

21

语料库论文

函、给编辑的信件、报纸或杂志社论、专门报道、演讲、口头报告和自由作文。这些文章的体裁有记叙文、复述、描写、说明文和议论文,都没有进行任何赋码。这个语料库可以和其他当代英语语料库进行对比分析,也可以对香港中学生写作进行调查分析,发现其中不正确用法的信息,比如过量使用,不少使用以及词汇、搭配或句法错误以及正确的用法。除书面语料库之外,还有教育资源数据库TeleNex,TeleNex由TeleGram和TeleTeach两个超文本数据库组成,包括几个分主题的讨论角。香港的中学教师可以免费上网进入。TeleGram主要提供有关英语语法和用法的信息,而TeleTeach则为教师提供课堂所需要的教学材料。该数据库的网址为http://www.TeleNex.hku.hk。

(3)中国英语学习者语料库———CLEC

(简称CLEC)是国家社科基金《中国学习者英语语料库》

究出版社合作共同开发,笔者作为项目负责人之一,参加了建设全过程,全国共有11所大学的师生参加了建库各阶段的工作。

SECCL口语子库主要依托南京大学英语口语测试中心主

持的全国英语专业四级口语考试,语料来源为我国英语专业大学生历年参加四级英语口试的磁带录音语料。口试语料已收集从1996-2002年共7年的英语专业四级口试录音的数码语音样本1148个,以及这些语音样本的电子转写文本1148个,总规模达1,460,042词,每篇文本语料都进行了文本头标记

(HEADERMARKUP),除提供各年四级口试的完整文本外,还

将各年的语料按照任务类型(复述、独白和会话)分别切分,供研究使用。此外,运用CLAWS自动赋码器对全部语料进行了词性赋码。SECCL语料库具有以下特点(文秋芳、王立非、梁茂成2005:2):第一,口语语料来源于随机样本,具有广泛性和代表性;第二,口语语料按照7年的时间跨度分年存放,为研究者考察我国学生口语能力的发展提供了可能;第三,口语语料按照不同类型的任务加以分类,为考察任务类型变量对口语产出的影响提供了可能。第四,CLAWS对所;。研究者既可以做基于,也可以对语音文件进行标注,开展基于语音语料的相关研究。

WECCL笔语子库的设计规模与SECCL大体相等,为100

“九五”规划项目,语料库光盘版2003年已由上海外语教育出版社出版(桂诗春、杨惠中,2003)。该语料库收集了我国中学生、大学英语4、6级、英语专业低年级和高年级学生在内的100多万词的书面英语语料库,并用人工对所有的语料进行语法标注和言语失误标注,是一部含有言语失误标注的英语学习者语料库。

(4)《中国大学生英语口语语料库》———COLSEC

这个语料库是国家社科基金“九五”规划项目———《(简称CLEC),习者英语语料库》《语料库》

料库由上海交通大学词。目前,、,主要语料来源为全国大学英语四级口试的录音,将参加面试的大学生的口语语料转写成电子文本,再进行语音和错误标注。目前,转写工作即将完成,标注工作已全面展开,预计将于2005年底出版。

(5)中学生英语语料库———MSEE

MSEE是1998年广东省高等学校电化教育"五个一百工(MSS程"的立项课题之一。《中学生书面语语料库》W)是《中(MSEE)的一个子库,由华南师大外语系负学英语教育语料库》

万词,书面语料主要从国内9所不同层次的高校英语专业的1

-4年级学生中采集,以保证所选语料具有广泛的代表性。语

料内容为若干不同题目的英 …… 此处隐藏：3470字，全部文档内容请下载后查看。喜欢就下载吧 ……