語料庫漢字偏誤分類和標注體系研究＊

張瑞朋

（中山大學 國際漢語學院，廣東 廣州510275）

一、引言

目前在對外漢語教學與研究方面，中介語語料庫的建設與運用是個熱門，但是漢字偏誤標注信息，尤其是錯字信息在中介語語料庫中體現得還不夠。

北京語言大學HSK動態作文語料庫是目前公開的規模較大的綜合性語料庫。該庫從字、詞、句、篇、標點符號等角度對語料進行了全面標注，其中關于漢字的標注項目有：錯字、別字、漏字、多字、繁體字、異體字、拼音字等。語料庫對錯字的處理方式是：在語料中用正確字代替錯字，并在旁邊標注出錯字符號，用戶要想查看錯字原貌，必須打開原始的掃描語料。但因為掃描版中的錯字沒有編碼，故無法直接檢索和統計，更無法進行字形對比。其他能見到的語料庫中，錯字偏誤標注信息也不充分，僅僅表示是錯字或者別字，這除了與計算機技術水平有關外，也與語言學界對漢字偏誤的研究有關。

留學生“學習一定的漢語詞匯，對漢語和母語詞匯方面的差異有了一定的了解，學生在運用漢語詞匯的時候，就會有意識地擴大這種差異，由于掌握的漢語詞匯知識的不足，從而導致偏誤”［1］。偏誤分析自中介語理論引進以來，在我國已全面展開研究。目前關于偏誤分析，主要集中于詞匯和語法方面，在外國人書習漢字的偏誤方面雖已有所探討，但尚未系統展開。關于外國人書習漢字的偏誤，學界主要有對漢字偏誤進行分類、考察漢字習得的形音變化……