語料庫數據驅動的語言學習方法探析

王漩 塞麥提·麥麥提敏

摘? ? 要： 數據驅動的語言學習方法引導學生基于大量的語料庫數據觀察、概括和歸納語言使用實例，自我發現語法規則、意義表達及語用特征。它提倡讓學習者充分發揮自主性，強調語言學習中流利性與準確性的同步發展。本文主要分析數據驅動式語言學習方法的主要特征、應用和實現過程等。

關鍵詞： 語料庫? ? 數據驅動? ? 語言學習

1.引言

20世紀90年代初，Tim Johns提出了“數據驅動的學習”（Data Driven Learning，以下簡稱DDL）方法。目前，隨著國內外逐步深入的語料庫研究，DDL方法的理論體系不斷豐富，在語言教學和學習中廣泛運用。DDL鼓勵學生通過分析大量語料，歸納語言規律，實現自主學習，也挑戰以教師和教科書為中心的傳統語言教學與學習。“數據驅動學習”作為一種新的學習方法，其基本思想、實現過程等與以往的語言學習存在區別。因此，我們要深入理解其理論基礎和特點，摸索有效的實踐方法。

2.DDL方法的理論基礎

2.1DDL方法的主要特征

數據驅動學習（DDL）方法的基本思路是讓學生從大量語言實例中發現語言規律。由于語料庫數據揭示了以前被忽略的語言學習模式，學生通過語料庫可以發現教師忽視的或教材中不包括的一些語言現象。DDL創建的是學生通過分析語料庫提供的索引行或句子能夠回答問題的環境。相比以往的語言教學，DDL主要具有以下特點：

2.1.1注重自主學習，培養自學能力。

在傳統的語言教學模式中，教學進度、教學形式、教學重點完全由教師控制，這種方式極易使學生成為出自同一“流水線”的“產品”，還會降低部分學生的學習興趣，限制學習能力的發展。數據驅動學習以學生為中心，強調學生的自主學習，鼓勵發揮其主體作用，幫助學生建立自我管理和評估機制。教師在數據驅動學習中擔任“組織者、協商者和引導者”的角色，幫助學生明確學習目標，培養自學能力。

2.1.2基于語料庫，提供真實的語言學習環境。

在以往的語言教學中，僅靠教材和參考書目，學生接觸的是由教師通過內省的方法編造的例句，這種方式提供的學習材料極為有限，缺少生動性和豐富性的實際情境，且部分語言材料的真實性偏低，使學習者對知識難以進行深度建構。比如漢語中有許多近義詞，這些詞匯中的微妙差異是不能僅憑教師經驗或詞典解釋的，學生極易產生誤解誤判，從而混淆使用。DDL方法的語料都來自于真實的語言環境，學生通過觀察真實的語言，主動發現規則和特點，將其轉化為自身語言能力的一部分。在這一方面，以往的教學模式和教學材料難以與之相比。

2.1.3突出學習中的發現和探索。

語言學習不僅是簡單的教師講解的過程，其關鍵是將重點由教師的“教”變為學生的“學”，讓學生根據自身需要發揮能動性，完全參與教學全過程中，制訂教學計劃，準備教學材料，確定教學重點。數據驅動的學習方式鼓勵學生通過對真實語言數據的分析，引導學生不斷發現和探索，獲取更加完整深刻的語言知識。

2.1.4鼓勵自下而上的歸納式學習。

以往的語言教學模式是教師先講解語法規則，之后舉例說明，這種方法極易出現學生對語言分析不透、語法理解不深的現象。語料庫提供的語言材料是真實生動的，學生從中歸納語法規則，轉化為自己的語言能力，這種自下而上的歸納式學習與以往的教學模式相比，能夠幫助學生更加直觀準確地獲取語言知識。

2.2DDL方法的應用

2.2.1在詞匯學習中的應用

在詞匯教學中語料庫資源和DDL方法主要體現在對詞匯的用法和意義教學中。通過關鍵詞的檢索，語言學習者體驗詞匯或詞組在不同語境中的準確用法，增加感性認識，通過分析比較，掌握詞匯之間的微妙差異，方便學習者學習詞語用法和詞語搭配。比如，“應付”和“對付”是同義詞。它們在《現代漢語詞典》（修訂版）[1]中的解釋如下：

【對付】①應付：學了幾個月的文化，看信也能～了②將就：舊衣服扔了可惜，～著穿

【應付】①對人對事采取措施、辦法：～局面|～事變|事情太多難于～②敷衍了事：～事兒

從這些解釋中很難看到它們之間的微妙差異。以下是這兩個關鍵詞的索引行（數據來自于中國傳媒大學有聲媒體語料庫，2007-3）：

（1）居委會立刻召開了緊急會議，商量【對付】小偷的辦法，【對付】小偷得知己知彼。（含擊敗意味）

（2）西方世界明白，要以強硬手段【對付】恐怖分子和主義。（含擊敗或擋開意味）

（3）應該說【對付】中國功夫，外國選手單挑或許還行。（指采取措施應對）

（4）通過車隊調配，并按里程路費轉帳收費，以【應付】車隊各項開支。（指將就、湊合、周旋）

（5）我敢說不和管有什么情況，我都能【應付】。（指解決、應對）

（6）他得更加成熟才能【應付】許多事情，這需要時間。每頭熊個性不同。（指采取一定的措施、辦法）

從以上用例可以發現這兩個動詞在意義和用法等方面的不同。

2.2.2在語法學習中的應用

目前，語法教學主要是教師講解和句型練習，學生處在較為被動的地位。枯燥的教學方式使語法成為學生在語言學習過程中最薄弱的環節，而DDL方法則是通過大量真實鮮活的語料，引導學生主動發現語法特點和使用規則。例如：以下是“了、著、過”三個助詞在“動詞v+？”結構中出現情況。

這三個詞語，在句子中“了”的用法比較復雜，“著”和“過”的位置相對比較固定。

（7）我/r聽說/v你/r好像/v三/m秒/q就/d爬/v上去/v了/y。/w（表示已經發生的情況）

（8）其實/d你/r這個/r事/n報道/v很多/m，/w我們/r也/d看/v了/u很多/m（表示完成）

（9）后來/t到/v山洞/n里/f去/v隱居/v去/v了/y（跟說話的時間相聯系，表示事態出現了變化）

（10）我們/r三/m條/q犬/Ng，/w就/d圍/v著/u他/r蹦蹦/v跳跳/v，/w（強調狀態的持續）

（11）這/r輩子/q/ky讓/p我們/r都/d記/v著/u你/r呢/y？/w（表示過去到現在一直在進行的動作）

（12）幫/v過/u的/u人/n不計其數/i（表示動作的完結）

（13）盡管/c僅/d讀/v過/u3/m年/q書/n，/w（曾發生的動作或存在的狀態）

（14）因為/c我/r沒有/v暫住證/n也/d被/u罰/v過/u50/m塊/q錢/n（表示過去的經歷）

3.DDL方法的實現步驟

Tim Johns（1991）[2]將數據驅動的語言學習過程分為三個階段：提出問題（Identify）、材料分類（Classify）和歸納總結（Generalize）。所以，在數據驅動語言學習過程中首先要解決的問題是語言材料的選擇（語料庫的建設）、檢索工具的開發（運用）和教學（學習）的設計等。下面就這些問題進行探討：

3.1多樣化語料庫的建設

DDL方法需要容量較大的語料庫，因此，首先要建好具有一定規模和代表性的語料庫，然后在語料庫檢索的基礎上對材料進行處理。選語料庫時應當綜合考慮各種因素，選擇合適的材料，這樣才能起到激發學習興趣和動力的積極作用。目前漢語語料庫建設較成熟，有北京大學中國語言研究中心CCL語料庫、北京語言大學BCC語料庫和國家語委語料庫等。其中，CCL是生語料庫（除了分類、題目、作者等元信息外），正文部分未經過任何加工處理;BCC是熟語料庫，語料經過分詞、詞性標注，少量語料庫還做了句法分析。CCL的語料庫有部分口語（北京話調查）語料，包含部分影視作品（如百家講壇、周星馳電影等）語料、網絡語料、書面語語料。其中，報紙語料占絕對大比例。國家語委語料庫中的現代漢語語料庫樣本數（篇章數）為9478，總詞語個數為162875個，該語料庫的時間跨度大，類別廣泛，提供分詞、詞性信息和多種檢索模式。

3.2檢索工具的選用

目前，許多語料庫都具備索引功能，如Mconcord，Concordance， Wordsmith等。在這些軟件中，可以自動檢索出行一定數量的索引行，并以關鍵詞為中心在屏幕上顯示出來，這種方法可用于詞義、語法和詞語搭配的學習。目前可用的在線資料較多，比如谷歌、百度、搜狗等依托海量的漢語數據和智能化的漢語識別技術，為用戶提供全面、權威的漢語數據和智能高效的漢語查詢服務。另外，百度漢語、詞語庫、漢語大辭典、造句網等。其中，詞語庫（www.ciyuku.com）能夠提供經典詞語解釋、詞語大全、造句、詩詞詩句、名言名句、網絡詞語等。漢語大辭典（www.hydcd.com）能夠提供漢語大辭典及、成語詞典、古文、古詩詞、近義詞、反義詞等在線查詢，以及好詞好句好段摘抄大全等。造句網（zaojv.com）提供各種詞語的例句，包括成語和關聯詞造句，并按學習者的程度劃分“小學生造句”和“中學生造句”板塊。此外，還有一些習題生成軟件工具，對于發揮語言學習者在課堂中實驗和研究具有重要作用。這種學習方式能夠幫助讀者更好地理解目標語言的結構和功能。

3.3教學（學習）的設計

以往教科書的語言偏向書面化，更新速度較慢，而語料庫則能夠提供偏向生活化、實用化的學習資料，教師可以此確定教學內容和重點。數據驅動學習的具體方法多種多樣，教師可以結合一些常見的語言現象、教學經驗和學生素質，在教學準備階段，針對教學重難點進行檢索，設計教學過程，準備教學材料，采取最佳的教學方式，指導學生掌握語法規則和使用特征，深化學習印象，培養學習能力。或者教師可以給學生提供未經編輯的原始語料，指導學生根據需要獨立建設小型語料庫，在這一過程中，學生可以更加全面地發揮能力和完善語言知識結構體系。

3.4教學效果反饋

語料驅動的教學模式具備的優點除了提供新型教學模式之外，還能夠在教學效果反饋方面給教師提供一定的輔助。DDL模式便于教師發現學生的薄弱點，這一反饋方式相比以往的卷面反饋更加直觀高效，同時要求教師具有敏銳的觀察能力和高度的歸納能力。

除課堂反饋之外，語料庫在試卷命題方面也能起到不可小視的輔助作用。以往教師命題都是根據教材或往年的試卷材料，這些材料更新換代的速度較慢，在時效性上相對滯后。在語料庫驅動的教學模式下，教師可根據語料庫中實時更新的語言材料設計相應的考試內容，檢查學生的學習情況，這種教學效果的反饋將更加真實準確，能更加直觀地反映學生的薄弱環節，教師也能夠根據反饋的結果及時調整教學節奏和重點。

4.結語

信息時代，語言教學與學習產生重大變化，其中數據驅動的語言學習模式能夠發揮積極的作用。數據驅動的語言學習和傳統語言教學可以相互完善，使語言教學更加高效，成果更加突出。本文主要分析了數據驅動式語言學習方法的四個特征及在詞匯和語法學習中的應用及實現過程等。

參考文獻：

[1]Johns T.. Should you be persuaded： Two examples of data-driven learning [J]. English Language Research Journal， 1991（4）.

[2]甄鳳超.語料庫數據驅動的外語學習：思想、方法和技術[J].外語界，2005（4）.

[3]中國社會科學院語言研究所.現代漢語詞典修訂版[M].北京：商務印書館，1998.

[4]楊惠中.語料庫語言學導論[M].上海：上海外語教育出版社，2002.

[5]張爾謙.基于語料庫的計算機輔助英語教學研究[D].濟南：山東師范大學，2007.

[6]劉珊，左年念.數據驅動式語言學習的理論探索和實踐[J].文教資料，2006（2）.

[7]焦彬凱.語料庫驅動的英語詞匯學習模式研究[J].教育探索，2007（9）.

[8]周冬梅.數據驅動語言學習——教學模式的轉變[J].零陵學院學報，2003（2）.

基金項目：教育部人文社科基金項目（16XJJC740001），新疆維吾爾自治區普通高等學校教學改革項目（2017JG032）。