corpus ungian 陳郁芬

1. 第二章 語料庫與學習者語料庫
報告人：
台文所碩二
3897002 陳郁芬

2. 1. 緒論
語料庫的定義
是指按照一定的語言學原則，運用
隨機抽樣方式，收集自然出現的連
續的語言運用文本或話語片段而建
成的具有一定容量的大型電子文庫
。
現代語料庫是指大型的以電子文檔
為主要構成的計算機語料庫。

3. 語料庫概念的變化
1. 語料庫的大小。
2. 語料的儲存和處理方式發生了質的變
化。
3. 語料庫的種類和應用領域不斷擴充。
4. 人們對語料庫的觀念產生極大的變化。
5. 隨著語料庫的發展，各種與之相適應
統計和分析技術越來越豐富和成熟。

4. 30 年來語料庫發展的歷史
有兩大特徵：
1. 語料容量不斷攀高的線性發展
2. 語料庫在類型和用途上多樣化為
擴散性發展

5. 2. 基本特徵
具有七個特徵
1. 語料庫的設計和建設是在系統的理論
語言具有明確而具體的研究目標，語
料庫的開發具有明確而具體的研究目
標。
2. 語料庫語料的構成和取樣是按照明確
的語言學原則並採取隨機抽樣方法收
集語料的，而不是簡單的堆積語料。

6. 3. 語料庫做為自然語言運用的樣本，就
必須具有代表性。
例：抽樣方法的說明
(1) 確定抽樣的範圍
(2) 確定語料的分層結構
◎ 各種語料的抽樣比例上又可
分為均衡抽樣和塔式抽樣

7. 4. 語料庫語料以電子文本形式儲存並且
是通過計算機自動處理的。
5. 對於語料庫的研究以量化研究為基礎
，以概率統計為基本手段，以「數位
化」為基本理念。
6. 語料庫既是一種研究方法，又代表著
一種新的研究思維，並以當代先進的
計算機技術為技術方式。
7. 語料文本是一連續的文本或話語片斷
而不是孤立的句子和詞彙。

8. 現代計算機資料庫的優勢
1. 資源優勢
2. 速度優勢
3. 準確度提高

9. 3. 語料庫的類型
可以幾個層面來劃分
1. 語言類型
2. 語料信道
3. 載體媒介
4. 語料狀態
5. 應用層面
6. 語料處理

10. 語料庫的限制
(1) 大小問題
(2) 語料庫工具軟體的發展和共享
設計標準的差異
(1) 靜動態的問題
(2) 是否經過編碼標註
(3) 語料是完整的語篇或是片段
(4) 語料的選擇

11. 4. 語料庫的發展
大致可分為三個階段
(1) 初始階段─ 18 世紀開始至 20 世紀
50
年代的各種手工語料庫
(2) 復興階段─ 以電子資料庫的興起為
主要特徵
(3) 壯大階段─ 第二代超大計算機語料
庫開始出現

12. 計算機語料庫的興起
語料庫研究的復興有三個方面的基
礎：
(1) 語言學基礎
(2) 技術發展
(3) 需求增長
現代計算機語料庫發展兩大特徵：
(1) 語料庫容量的線性增長
(2) 語料庫種類的不斷擴展

13. 5. 語料庫發展目前存在的問題
目前尚存四個問題
(1) 書面語語料庫與口語語料庫的發展
不平衡。
(2) 語料庫的標註和編碼系統的統一性
和適用性應適當平衡。
(3) 語料庫資源共享仍困難重重。
(4) 語料庫工具軟體和文本分析軟體的
開發與語料庫自身的發展不協調。

14. 6. 中國英語學習者語料庫
現代學習者語料庫是通過收集語言學
習者各種書面語和口語的自然語料而
建立起來的一種學習者數據庫。與以
往的學習者錯誤語料庫不同，其目的
在於對學習者的語言特徵和語言發展
進行全面而系統的描述和對比分析，
而不是僅限於對學習者錯誤進行分
析。

15. 中國學習者英語語料庫建設的目的和
意義
(1) 從分析學習者所寫英語入手，觀察
他們中間語的發展，進而分析母語
在英語學習中的正遷移和負遷移現
象。
(2) 語料庫的建立和開發將對各種標準
化英語測試和作文評分提供堅實的
依據。

16. (3) 對我國外語教學研究而言，語料庫
的研究開發將有助於推動量化研
究
的發展，深化外語教學研究中
「數
位化」這一原則。
(4) 與國際外語教育研究接軌並達到同
步發展的水平。

17. CLEC 語料庫的設計原則
(1) 首先建立原型。
(2) 對錯誤類型的劃分可按不同層次進
行，如詞法、句法、搭配、語義以
及語篇等。
(3) 分析結果可作為大學英語考試作文
部分給分的客觀依據。
(4) 建成後的語料庫應能實現在網上資
源共享。
(5) 可對作文中道地的表達和特徵進行
編碼。

18. 標註及編碼
編碼方案制定的重要原則：
(1) 每個編碼應能表達最大信息量，並
與所表達的錯誤類型直接聯繫起來
。
(2) 編碼方案應便於操作及修改。
(3) 編碼的複雜度與編碼效率平衡起來
。
(4) 應保證單個編碼者前後的一致性和
多個編碼者之間的一致性。

19. 編碼校對與一致性檢驗
(1) 在初步編碼完成後，重新校對所有
編碼，並利用統計手段檢驗編碼的
一致性。
(2) 同一編碼者在不同時間或不同編
碼者對某種錯誤類型的主觀判斷與
分類存在差異，往往造成編碼的偏
差。為避免此類問題產生，編碼者
要經常對不同時間的編碼進行比較
和矯正。不同編碼者應盡量多討
論，取得一致意見。

20. (3) 編碼完成後，利用統計方式對各自的
編碼總體情形進行對比分析，以保證
編碼的效度和信度。

21. 5.CLEC 語料庫在外語教學中的應用
可分為三個方面
(1) 在語言學習環境方面明確區分外語
學習和第二語言學習。
(2) 對「學習者語言」進行全面而系統
的調查和描述。
(3) 對於語言習得研究而言，對大量的
學習者語言運用材料進行量化分
析，能深化人們對於語言學習機制
的理解，從而對語言本身的理解提
供依據。

22. 外語教學的改進
不僅有賴於真實目的的語材料，還有
賴於真實可靠的學習者的信息，前者
能提供典型的英語運用信息，而後者
能告訴我們在英語學習中，那些困難
是普遍性的，哪些困難只存在於某ㄧ
學習群體。

23. 語料庫的前景
(1) 語料庫詞語索引為現代「數位化學
習」提供真實語料資源和工具。
(2) 利用語料庫，可以進行課堂詞語索
引。
(3) 利用相關軟體，可以把語料庫轉為
網頁發布，提供在線檢索。
(4) 利用語料庫詞語索引製作網路多媒
體物件。

24. 8. 問題與結論
建立語料庫前的決策
(1) 選擇語料的基本原則，制定選擇語
料的基本原則應力求詳實可行。
(2) 文本編碼格式，建設把電子文本統
一儲存為純文本格式或帶分行符
的
DOS 文本。

25. (3) 語料庫準備，步驟包括語料整理、
語料分割、詞語編碼、詞義編碼
等。
(4) 備檢文件製作，每一個語料庫都應
該有自己的備檢文件。
(5) 語料庫的發布和應用，可考慮通過
CD-ROM 或 INTERNET 發布建成的
語
料庫。

26. 目前尚存問題
(1) 語料來源和輸入。
(2) 廣大外語教師尚未完全理解語料庫
的意義，對語料庫在外語教學中
的
應用缺乏必要的心理準備和技術
培
訓，難以推廣。
(3) 隨著語料庫的發展，需要開發針對
中國學習者英語資料庫的索引軟

27. 報告完畢！
謝謝您們的聆聽 ^^