建立英語學(xué)習(xí)者語料庫標(biāo)注系統(tǒng).pdf

1、該研究采用以語料為基礎(chǔ)的研究方法(corpus-based approach)對湖南大學(xué)的英語學(xué)習(xí)錯誤進行概率統(tǒng)計,設(shè)計一套相應(yīng)的錯誤識別標(biāo)注方案(Tag Set),并以湖南大學(xué)學(xué)生英語作文為素材,采集1,300份作文(約20萬文字)并對此進行錯誤識別、標(biāo)注以獲取相關(guān)數(shù)據(jù)進行統(tǒng)計、分析.這一錯誤標(biāo)注系統(tǒng)(the Hunan U Tag Set)參照現(xiàn)有的英國國家語料庫(the BNC)中的兩種標(biāo)注方案:即其基本標(biāo)注方案(the BNC

2、Basic Tag Set)以及標(biāo)注增補方案(the BNC Enriched Tag Set),在此基礎(chǔ)上設(shè)計出針對湖南大學(xué)學(xué)生英語錯誤的標(biāo)注系統(tǒng).然后利用這一系統(tǒng)通過對語料中抽象的數(shù)據(jù)進行加權(quán)和組合,探討采集對象在英語學(xué)習(xí)中存在的突出問題以及個體間語言錯誤的差異.文章認(rèn)為通過對學(xué)習(xí)者使用過程中所出現(xiàn)的語言問題的頻度進行分析,所獲取的數(shù)據(jù)可以為英語教學(xué)提供參考.首先,通過借鑒語料庫對文字的編碼系統(tǒng)和研究方法,即參照英國國家語料庫(th

3、e BNC,i.e.British National corpus)的標(biāo)注方案C<'5>(the BNC Basic Tag Set)和C<'7>(The BNC Enriched Tag Set)以及在了解中國英語學(xué)習(xí)語料庫(the CLEC,i.e.Chinese Learner English Corpus)的現(xiàn)狀和語料輸入標(biāo)注模式的基礎(chǔ)上,該研究對原樣(20萬文字)進行語言錯誤識別處理:即對所有語料中的錯誤按不同類型進行數(shù)據(jù)采集

4、——語言失誤現(xiàn)象、語言錯誤以及中式英語.其次,通過對湖南大學(xué)語料進行錯誤數(shù)據(jù)采集,建立湖南大學(xué)錯誤識別標(biāo)注系統(tǒng)(the Hunan U Tag Set),然后利用這一標(biāo)注系統(tǒng)檢驗原樣的每一類錯誤頻度從而發(fā)現(xiàn)學(xué)習(xí)者共同存在的問題.從研究中獲得的數(shù)據(jù),比如:語言錯誤比例,某些具體的語言問題以及體現(xiàn)最高頻度的最常見錯誤等等數(shù)據(jù)為教學(xué)評估提供了一定的參考價值.為了檢驗該標(biāo)注方案的可行性,保證數(shù)據(jù)收集的信度,該研究采用測試-重復(fù)測試信度模式(Te

5、st-Retest Reliability)——即分別對15例個樣和300例組樣采用貝葉斯統(tǒng)計模式(the Bayes Model),對所獲取標(biāo)注數(shù)據(jù)進行加權(quán)和組合(Synthesis and Weighing).以概率為基礎(chǔ)、根據(jù)對大量語料進行錯誤標(biāo)注處理、通過對相關(guān)數(shù)據(jù)的加權(quán)和組合來對繁瑣凌亂的語言材料進行數(shù)據(jù)化處理,利用所獲取的數(shù)據(jù)來闡釋語言現(xiàn)象,研究證明與繁瑣凌亂的語言材料相比,前者更具有客觀性和系統(tǒng)性.這種語言中數(shù)據(jù)的概率性,