對外漢語教學領域話題語料庫的研究與構(gòu)建

胡韌奮，朱琦，楊麗姣

（北京師范大學中文信息處理研究所，北京100875）

1 引言

話題是文本內(nèi)容的體現(xiàn)，也是銜接語言和文化的重要橋梁。在對外漢語教材中，課文通常圍繞一個話題展開，語言技能和文化知識以該話題為語言環(huán)境進行組織和呈現(xiàn)，從而達到教學目的。關于話題在漢語教學中的重要性，朱志平等［1］在對548種對外漢語教材進行調(diào)研后提出，話題是教學內(nèi)容設計思想的集中體現(xiàn)。李亞麗［2］指出，話題的選擇是課文編排的重要內(nèi)容之一，直接關系到學生綜合語言運用能力的培養(yǎng)。課文話題的選擇不但決定著常用詞語的選擇取向，而且影響著語法結(jié)構(gòu)、功能項目及文化項目的融入等。

國家漢辦出版的《國際漢語教學通用課程大綱》［3］給出了《漢語教學話題及內(nèi)容建議表》，該表列有以下22類話題，是教材編寫及課堂教學中話題選擇與編排的重要參考：

個人信息、情感與態(tài)度、社會交往、日常生活、學校生活、家庭生活、文化娛樂、節(jié)日活動、身心健康、習俗與禁忌、旅游與交通、語言與文化、價值觀念、文學與藝術(shù)、政治、歷史與地理、科學與技術(shù)、全球與環(huán)境、計劃與未來、熱門話題、教育、植物與動物、自然景觀

為了幫助教材編寫者和漢語教師更好地把握話題設計，蘇新春等［4］對部分教材中的話題分布情況進行了調(diào)研和統(tǒng)計，余千華［5］、羅洋天［6］、李欣蓓［7］等則從學習者出發(fā)，通過問卷和訪談調(diào)查學習者的話題興趣及其與教材課文的匹配情況，進一步豐富了話題選擇與編排的參考依據(jù)。然而，現(xiàn)有研究也存在以下局限因素：（1）研究范圍限于特定級別（如漢語中級水平）或特定類型（如口語）教材，未能提供全面的參考和參照；（2）研究中，話題的選取和分類體系缺乏大規(guī)模語料的驗證，具有一定的主觀性。

為了避免主觀因素影響，向不同等級、不同類型的教材編寫及漢語教學提供話題參考依據(jù)，本文基于大規(guī)模教材語料庫開展話題類型研究，對197冊經(jīng)典對外漢語教材中的課文進行調(diào)研和標注，以此為依據(jù)制訂較為綜合和全面的話題標注框架，該框架設置三級節(jié)點，包含四個一級話題、23個二級話題和246個三級話題。標注工作面向教材語料庫中的5 457個文段展開，每個文段依次被標注一級話題、二級話題和三級話題，例如，《跟我學漢語》第二冊第七課《給你一張電影票》第一個文段（如下）在語料庫中被標注為“一級話題：日常生活；二級話題：娛樂休閑；三級話題：看電影”。

安妮：小雨，你想不想看電影？

小雨：什么電影？

安妮：《花木蘭》。

小雨：太好了！今天的還是明天的？

安妮：今天下午4：30的。劉老師給我兩張票，我給你一張。

小雨：今天不行，我沒空兒。

安妮：你要干什么？

小雨：我要做海報。你給馬明吧！他是個電影迷。

安妮：好吧。再見！

經(jīng)過人工標注及校對，我們構(gòu)建了一個面向漢語教學的綜合話題信息語料庫，以期為不同水平、不同類型的漢語教學及教材編寫提供參考。語料庫中的文段除了標注詳細的話題信息外，還標注了該文段包含的語法點及HSK詞語等級信息，以幫助漢語教師及教材編寫者更好地選擇和使用庫中資源。

2 語料來源

語料的選擇對于面向漢語教學的話題語料庫建設而言十分重要，因為語料既是標注的對象，又是標注體系（即話題類別體系）制訂的參考和依據(jù)。從漢語教學的實際需求出發(fā)，我們將經(jīng)典對外漢語教材文本作為主要研究對象。首先從漢語國際教育動態(tài)語料庫①漢語國際教育動態(tài)語料庫由北京師范大學中文信息處理研究所和漢語文化學院共同建設，主要收錄對外漢語教學領域經(jīng)典教材和新HSK樣卷文本語料，并提供多層次的語言信息標注，目前規(guī)模約14萬句，240余萬詞次。中提取了122 458句對外漢語教材語料，共計5 457個文段及其來源教材、單元、課文名稱等信息。

所選取語料來源于197冊經(jīng)典對外漢語教材。動態(tài)語料庫在采集教材時充分考慮了教材類型、適用水平、出版年代、影響因子等屬性特征［8］。話題信息的標注結(jié)果將融入漢語國際教育動態(tài)語料庫，作為其中一項功能供用戶檢索和使用。

3 話題分類研究及標注框架設計

為了制訂科學合理的話題標注框架，除了《國際漢語教學通用課程大綱》中給出的《漢語教學話題及內(nèi)容建議表》外，我們也對汲傳波［9］、蘇新春［4］、李亞麗［2］、劉華［10］等人關于話題分類的研究進行了細致考察，認為框架設計應充分考慮話題的層次性、內(nèi)容的涵蓋面、類與類之間的區(qū)別度、每個節(jié)點的重要程度與顆粒度等因素。基于以上考量，我們設計了一個包含三個層次的話題節(jié)點表作為標注框架，參見表1。

表1 面向?qū)ν鉂h語教學的話題節(jié)點表

續(xù)表

除了語言技能（如詞匯、語法）的傳授外，語言在生活中的運用也是教學中的重要關注點，故而，話題的選擇應盡量貼近生活。一級話題的設計從物質(zhì)生活和精神生活兩個維度出發(fā)，物質(zhì)生活可落實到“日常生活”和“社會生活”這兩個節(jié)點，精神生活在教學中主要表現(xiàn)為文化元素的融入，故而我們設置了“文化生活”節(jié)點。此外，在漢語學習的初級階段，大部分內(nèi)容是關于人物、事物基本信息的討論，故設置“基本信息”這一節(jié)點。四個一級話題按順序排列為：基本信息、日常生活、社會生活、文化生活，這體現(xiàn)了與學習者個人關聯(lián)的遠近和內(nèi)容層次的提升。

二級話題的設計上，“基本信息”所包含內(nèi)容較為明確，可分為“人物”和“事物”兩個二級節(jié)點。“日常生活”和“社會生活”下設二級節(jié)點的設計則主要基于教材中常出現(xiàn)的單元主題，并綜合考慮學習者興趣和話題的頻度信息。“文化生活”的展開方式較為特殊，我們參考楊麗姣［11］提出的漢語教學文化項目整理思路，借鑒美國《21世紀外語學習標準》［12］在文化教學上提出的“文化三角觀”來對文化生活進行歸類。所謂“文化三角觀”，即文化包括一個社會所有的哲學觀念、行為習俗和社會產(chǎn)物（有形的和無形的）。故而，我們在“文化生活”話題下設“文化習俗”、“文化產(chǎn)物”和“文化觀念”節(jié)點，并結(jié)合教材中的課文選題增加了“語言文化”、“文藝作品”、“地理與歷史”、“自然與科學”節(jié)點。此外，我們注意到跨文化交際是漢語教學中的一項重要內(nèi)容，也是每個二語學習者在學習和使用漢語時都會面臨的問題，因而增設“多元文化”節(jié)點作為一項二級話題。

三級話題在大綱及現(xiàn)有的話題分類研究成果的基礎上，結(jié)合對不同類型教材課文的調(diào)研結(jié)果給出，并由專家作補充和完善。值得一提的是，話題節(jié)點表需要經(jīng)過大規(guī)模實際語料的檢驗，因而我們通過語料標注來對已有節(jié)點表進行修訂。首先，對語料庫中的兩萬句教材語料進行試標注，并對節(jié)點表進行初步修訂，一級話題和二級話題的框架在這一階段基本得到確定。隨后，在后期十萬句人工標注中不斷收集標注者的反饋建議，進一步修訂節(jié)點表中的三級話題，從而得到表1中的分類結(jié)果。標注修訂的方法綜合考慮了節(jié)點的頻次、顆粒度等信息。

4 話題信息的標注實踐

為了保證話題信息的標注質(zhì)量，我們組織了九名語言學及相關專業(yè)本科生、研究生參與人工標注，標注人員經(jīng)培訓及試標注檢驗合格后，進入正式標注。標注結(jié)果經(jīng)人工校對，存疑處由專家討論確認。如上文所述，話題節(jié)點表在標注中得到不斷地檢驗和修訂，具體工作分為以下九個步驟：

步驟1 切分文段邊界，確認話題標注單位①語料庫中的語料以句子為單位存儲，并按照其在教材中出現(xiàn)的順序排列，在為文段標注話題之前，首先要做段落邊界切分，確認一個文段的起始句和結(jié)束句。；

步驟2 為文段標注一級話題和二級話題；

步驟3 收集一級、二級話題的標注反饋并調(diào)整節(jié)點表；

步驟4 根據(jù)更新節(jié)點表修訂標注結(jié)果；

步驟5 為文段標注三級話題；

步驟6 收集三級話題的標注反饋并調(diào)整節(jié)點表；

步驟7 根據(jù)更新節(jié)點表修訂標注結(jié)果；

步驟8 人工校對所有標注信息；

步驟9 確認最終話題節(jié)點表和標注結(jié)果。

在步驟2和步驟5的話題信息標注中，標注者需注意對以下幾種特殊情況的處理。

（1）文段涉及多個話題：如果認為文段涉及兩個話題（包括二級話題和三級話題）的情況，可為該段落標注兩個話題，如果認為文段涉及三個及以上話題，則為該段落標注最為凸顯的兩個話題。

（2）文段內(nèi)部涉及話題跳轉(zhuǎn)：如果文段前后圍繞不同話題展開，比如《中文起步》第一冊第19課《中國城》這篇課文為一段長對話，甲乙兩人首先討論了怎么去中國城（“日常生活－出行”），然后討論了在中國城一家飯館點餐吃飯的經(jīng)歷（“日常生活－餐飲”），在標注時需要給出段落原話題、跳轉(zhuǎn)新話題及跳轉(zhuǎn)句的語料編號。

（3）文段內(nèi)容無法按照已有的話題節(jié)點表進行標注：標注者在備注欄給出問題描述及對話題節(jié)點進行增加或修改的建議。對于其他標注者無法確定的話題標注信息，也可在備注欄給出問題描述及相關建議。

（4）三種情況暫不做標注：①課文內(nèi)容為簡單句子，不構(gòu)成文段（多見于入門階段的漢語教材）；②課文為簡單的1－3輪短對話，不圍繞特定話題展開，而強調(diào)交際功能（比如問好、道歉等，同樣多見于入門階段的漢語教材），將在語料庫的交際功能項目中得到標注；③課文內(nèi)容時代性、政治性較強（例如以知青、承包責任制等為背景的短文或小說），不適于作為當前漢語教學及教材編寫參考。

在步驟3和步驟6中，我們收集并總結(jié)標注者在備注欄給出的問題及建議，并側(cè)重對涉及以上四種特殊情況的文段進行考察，通過專家討論確定標注方案，以對已有話題節(jié)點表進行調(diào)整。

標注結(jié)果存儲為XML格式，以下為一個文段的話題標注示例：

5 標注數(shù)據(jù)分析及應用

按照上述步驟，我們對從語料庫中采集的5 457個文段進行了人工標注及校對，共有5 168個文段被標注話題信息（涉及兩個話題的文段在此計為兩段）。話題信息的標注結(jié)果可以直接反映當前漢語教學中的內(nèi)容選擇和關注傾向，接下來，將對一級話題、二級話題和三級話題的標注數(shù)據(jù)分別進行統(tǒng)計分析，挖掘其中規(guī)律，并進一步探討標注結(jié)果在漢語教學中的應用問題。

5.1 話題信息數(shù)據(jù)分析

一級話題共有“基本信息”、“日常生活”、“社會生活”和“文化生活”四個類別，其分布情況如圖1所示。從標注結(jié)果來看，共有402個文段被標注為“基本信息”，數(shù)量與其他三個類別相比較少，主要是由于“基本信息”話題通常僅出現(xiàn)于初級階段的漢語教材中。“日常生活”話題頻度最高，達1 759，因為它與初級、中級漢語教學均息息相關，是這兩個階段的主體學習內(nèi)容。“社會生活”話題涉及中級、高級漢語及商務、職場漢語等專門領域的漢語教學，屬于該話題的文段數(shù)量僅次于“日常生活”，為1 671。“文化生活”多出現(xiàn)于中級、高級漢語教材，該話題下的文段數(shù)量為1 336。

圖1 一級話題數(shù)量分布情況

話題節(jié)點表中設有二級話題23個，其中，“日常生活”和“文化生活”各包含八個二級話題，“社會生活”下有五個二級話題，“基本信息”包含兩個二級話題，這些二級話題在語料庫中的數(shù)量分布情況如圖2所示，其頻度從高到低排列為：

社會現(xiàn)象、人際交往、出行、運動與健康、學習與成長、地理與歷史、日常事務、語言文化、人物、工作職場、經(jīng)濟生活、家庭與社區(qū)、購物、娛樂休閑、餐飲、事物、多元文化、文藝作品、自然與科學、文化習俗、文化觀念、文化產(chǎn)物、時尚

圖2 二級話題數(shù)量分布情況

“社會現(xiàn)象”是最為高頻的二級節(jié)點，這體現(xiàn)了教材對時事熱點問題的關注，有助于學生在習得詞匯、語法等語言知識的同時，對中國的社會現(xiàn)實背景有所了解。同時，可以注意到，除了“語言文化”外，“文化生活”下屬的與中國文化直接相關的二級話題如“文化習俗”、“文化產(chǎn)物”、“文化觀念”等在數(shù)量上并不占優(yōu)勢，說明當前的漢語教材在文化項目的整理和呈現(xiàn)方面尚有待進一步挖掘和提升。

二級話題是對課文內(nèi)容較為抽象的概括，近似單元主題，三級話題則較為具體，直接與課文（文段）內(nèi)容對應。經(jīng)過對教學內(nèi)容的調(diào)研總結(jié)及語料標注實踐，話題節(jié)點表在第三層給出了246個三級話題。我們對語料庫中的三級話題標注結(jié)果進行統(tǒng)計，發(fā)現(xiàn)頻度≥50的節(jié)點有25個，從高到低排列如下：

買東西、經(jīng)濟發(fā)展與社會變化、人物信息、旅游、看病、歷史人文故事、文學作品、交通方式、友誼、漢語漢字、戀愛擇偶、文化比較、節(jié)日、方位、人生哲理、家人與朋友、問路、親子關系、異文化印象、成語／俗語故事、點餐、景觀／景點、運動、親情、天氣與氣候

頻度最高的節(jié)點是“買東西”，共有172個文段被標注該話題，這與學習者的實際使用需求密切相關。其他頻度較高的三級節(jié)點分布在不同的二級話題及一級話題下，反映了教材中較為典型的課文內(nèi)容。

5.2 話題語料庫的實踐應用

通過較為系統(tǒng)的調(diào)查研究及大規(guī)模的語料標注實踐，我們構(gòu)建了一個漢語教學話題節(jié)點表和標注了三級話題信息的語料庫。資源的開發(fā)需要面向?qū)嶋H的需求，為了更好地服務于對外漢語教學及相關研究工作，我們對該領域的用戶需求進行分析，并據(jù)此設計了基于話題信息的綜合查詢功能。

話題標注對象雖然是語段，但漢語教學卻覆蓋了語言的各個層次：詞匯、短語、句子、段落等。因此，我們在設計話題信息的查詢功能時，需要充分考慮不同層次的語言教學要點。楊寄洲［13］在研究教材編寫問題時指出：課文編寫的最大難點除了生詞量的控制和常用詞出現(xiàn)的比例問題以外，還有個語法點與課文內(nèi)容相協(xié)調(diào)相匹配的問題。由此可見，對于教材語料來說，語段話題與其包含的詞匯、語法點之間的關聯(lián)也是漢語教學的關注點之一。基于以上考慮，我們從漢語國際教育動態(tài)語料庫語法點標注項目［14］中提取了句子包含的語法點信息，并自主開發(fā)HSK詞語等級計算工具，以自動計算每個文段所包含的各等級HSK詞語數(shù)量及比例。國家漢辦發(fā)布的《新漢語水平考試大綱》［15］中列出了HSK一級至六級詞匯大綱，我們分別讀取HSK一級至六級詞匯表，并基于語料分詞和詞性標注結(jié)果進行詞語匹配。計算各等級詞語比例時不計標點、英文、數(shù)字和姓名。

通過語法點信息的抽取和詞匯等級計算，我們將語段的詞匯、語法點和話題信息進行了整合，實現(xiàn)了以話題為基礎、輻射詞匯和語法層面的資源建設。因而，用戶在進入話題信息在線查詢系統(tǒng)后，可以在話題列表中點擊一個節(jié)點，以獲取被標注該話題的語段，并得到語段的詳細信息，包括語段內(nèi)容、語段來源、語法點、新HSK詞語等級信息等，基本體例如圖3所示。

圖3 話題查詢界面示例

6 總結(jié)

話題是教材文本內(nèi)容的體現(xiàn)，也與教學中的其他語言知識密切相關。本文基于大規(guī)模教材語料庫研究教學話題分類體系，設計了一個包含四個一級話題、23個二級話題和246個三級話題的三層話題框架，并據(jù)此對197冊經(jīng)典對外漢語教材中的5 457個文段進行了人工標注及校對。為了更好地服務于漢語教學及相關研究工作，我們從用戶實際需求出發(fā)，抽取并計算了文段的語法點信息和新HSK詞語等級信息，以期為漢語教學及研究提供較為全面的話題信息參考。

基于上述研究工作，我們希望從以下幾個方面做出嘗試，以改進和提升現(xiàn)有的資源，并探索新的應用空間：第一，將話題語料庫及綜合查詢功能部署上線，廣泛地收集用戶使用意見，以修訂和改善現(xiàn)有的資源及功能設計；第二，隨著時代的發(fā)展和國力的增強，對外漢語教學的內(nèi)容需求仍在不斷地增長和變化，在現(xiàn)有的標注框架及資源的基礎上，我們需要持續(xù)關注社會現(xiàn)象、流行時尚等開放話題，選擇合適的新聞媒體報道作為補充語料，同時，需側(cè)重對文化項目的整理和挖掘，除了中國傳統(tǒng)文化外，中國的現(xiàn)當代文化、其他國家的文化也應作為節(jié)點設計和資源補充的重點關注對象；第三，開展話題關鍵詞提取、話題自動識別等技術(shù)的研究，以豐富現(xiàn)有資源庫建設維度，拓展資源的應用空間。

［1］ 朱志平，江麗莉，馬思宇.1998－2008十年對外漢語教材述評［J］.北京師范大學學報（社會科學版），2008，05：131－137.

［2］ 李亞麗.對外漢語中級教材課文話題分析［J］.大眾文藝，2012，03：263－264.

［3］ 孔子學院總部，國家漢辦.國際漢語教學通用課程大綱［S］.北京：北京語言大學出版社，2014.

［4］ 蘇新春，唐師瑤，周娟等.話題分析模塊及七套海外漢語教材的話題分析［J］.江西科技師范學院學報，2011，06：58－65.

［5］ 余千華，樊葳葳，陳琴.漢語學習者話題興趣及其與對外漢語教材話題匹配情況調(diào)查研究［J］.語言教學與研究，2012，01：23－29.

［6］ 羅洋天.《匈牙利漢語課本》課文話題設計［J］.云南師范大學學報（對外漢語教學與研究版），2013，06：58－68.

［7］ 李欣蓓.從對外漢語教材話題的選擇看編寫者文化態(tài)度——基于三部對外漢語教材話題的分析［J］.云南師范大學學報（對外漢語教學與研究版），2014，05：25－32.

［8］ 楊麗姣，肖航.面向語義搜索的語料庫語境信息標注研究［J］.語言文字應用，2015，01：107－116.

［9］ 汲傳波.對外漢語口語教材的話題選擇［J］.云南師范大學學報，2005，06：14－18.

［10］ 劉華，方沁.漢語教學用話題庫及話題分類影視資源庫構(gòu)建［J］.世界漢語教學，2014，03：378－392.

［11］ 楊麗姣.文化項目的歸類與國別化漢語教材的話題選點［C］.廈門大學漢語國際推廣南方基地.2009年漢語國別化教材國際學術(shù)研討會論文集.廈門：廈門大學漢語國際推廣南方基地.2009：6.

［12］ American Council on the Teaching of Foreign Languages.Standards for Foreign Language Learning：Preparing for the 21st Century［S］.Kansas，USA：Allen Press Inc，1999.

［13］ 楊寄洲.編寫初級漢語教材的幾個問題［J］.語言教學與研究，2003，04：52－57.

［14］ 譚曉平，楊麗姣，陳穎.基于語料庫的漢語語言點標注研究［J］.曲靖師范學院學報，2015，02：103－108.

［15］ 孔子學院總部.新漢語水平考試大綱（HSK一級至六級）［S］.北京：商務印書館，2009.