美国当代英语语料库_COCA_的自主学习应用_方玲

1 引言

自20世纪80年代以来，基于语料库的语言学和语言教育研究愈来愈受到重视。语料库将大量语言使用者的语言直觉汇集起来，从而使语言分析更为客观。自然发生的语言数据的最大优势是可观察性和可检验性，基于语料库的观察本质上比内省式的判断更经得起实证检测（McEnery & Wilson，2001：14）。以其最大限度的取样及丰富性，语料库语言学的量化比经验主义语言学中的量化更有意义，在数据取得、数据丰富以及数据的自然性等方面具有优势（i b i d，131-2）。常宝宝和俞士汶（2009：43）将语料库定义为一定规模的真实语言样本的集合，其应具有以下三个特性：（1）收入语料库的语言材料取自实际使用的真实文本，对于其应用目标而言，所收录的语言材料应该具有代表性；（2）语料库应是机器可读的，是运用计算机技术获取、编码、存储和组织的，并支持基于计算机技术的分析和处理；（3）收入语料库的语言材料经过适当的标注和加工处理，例如经过词语切分或者词类标注处理。

近年来，外语教育中学习者逐渐在外语学习中处于主体地位，语料库作为一种辅助性工具应用于语言教学成为必然的趋势。曾用强（2002：33）认为利用语料库对语言的特征以及学习者的语言使用特征等方面作出分析，其分析结果可应用于指导语言教学的实践，如语言现象的分布和频率等信息可以用来指导教师确定教

方向。

2 美国当代英语语料库Contemporary American www. 国杨伯翰大学（Brigham Mark 语料库以及D a v i 2008）

D a v i e s （2005）指了一个好语料库的三项最（s i z e） 、速度（s p e e （a n n o t a t i on）。C O C 摘 要： 本主题词：COCA；语料库；自主学习；搭配

中图分类号：H319 文献标识码：A 文美国当代英语语料库（C O C 学习应用

①

方 玲 汪兴富

重庆大学

机配置而定，高达4.1亿词汇库容在8个2.4G H z 的服务器上同时计算，因此绝大多数查询都能在几秒内呈现结果；词性标注使用的是英语语料广泛采用的C L A W S7软件。C O C A已收集过去20年（1990年起）美国境内多个领域的语料，每年约2 000万词汇，并且每年还会进行至少两次的数据更新。目前其他免费公共英语语料库都不能很好地达到这样的要求。C O C A 涵盖美国这一时期的口语、小说、流行杂志、报纸和学术期刊五大类型的语料，并且在这五个类型方面基本呈均匀分布，在每五年的时段中也是基本均匀分布的。

依据D a v i e s（2005）做的C O C A与其他语料库的比较，我们不难看出C O C A语料库在各方面的优势（见表1）。

表1 COCA语料库与其他常见语料库比较

特色COCA BNC ANC BOE OEC

获取方式Free / web Free / web Free$1150/year（Limited）语料库规模（百万）40010022455 1 898

时间跨度1990—

2009

1970s—

1993

2000—

2005

1970s—20052000—2006

每年新增词数（百万）200000

能否观察英语实时变化Yes No No(Limited)(Limited)

语料类型广泛与否Yes Yes No(Yes)(Yes)

口语规模（百万）831046282

口语为无文本型的谈话(Mostly)Yes Yes(Some)(Some)

语言地域American British American Br / Am +Am / Br +

语料库界面BYU BYU*Open ANC Sketch Engine Sketch Engine *注：BNC还有Sketch Engine、BNCweb、VISL和PIE等界面。

语料库

要观察语言的实时变化，Davies认为语料库应该具有五个方面的条件：（1）语料足够大；（2）文本要新（越新越好）；（3）各语域之间要平衡；（4）每年的语域应平衡；（5）具有能查各时段词频的界面，并且能在各时段间作词频比较。C O C A是唯一具备上述五项条件的，如D a v i e s所言，该语料库从一开始就旨在建成一个“窗口语料库”（m o n i t o r corpus），用于观察语言的历时变化。（汪兴富，Davies，2010）

3COCA的自主学习应用

本文的自主学习是指学习者不在教师的监督指导之下自发查阅校验所查询的语料库数据的学习活动。学习者可以进行以下丰富的语言查询以进行独立自主式的学习。

3.1 简单查询示例

在词汇学习方面，学生应该对积极词汇足够重视。积极词汇是语言中不需要多少刺激就可激活的高频心理词汇。被动词汇也是语言记忆中的词汇，是人们能部分理解，但却还不能积极使用的词汇（C o r s o n，1996：45）。词汇是语言的基石，掌握积极词汇的多少会直接反映学生的主观语言表达水平。教师可采用Head-and-Tail词汇练习方法去激活学生的被动词汇，最终将其转化为积极词汇（汪兴富，2002）。方法是随意开始一个词，然后要求学生用该词的最后一个字母作为第二个词的首字母，将第二个词的尾字母作为下一个词的首字母，以此类推，直至学生“词穷”为止，或设定练习的时间。如：meditate — establish —humorous — subway — yell — lucrative —... 等。可以给学生设定很多限定条件，如开始时可以不限单词长度，练习一段时间后要求写6个字母以上的单词，或限定所写单词的词性，如名词（甚至专有名词）、动词或形容词。也可以要求学生写合成词及自由搭配短语（非固定结构）等。

C O C A对该练习的辅助应用为：由于英语词汇有许多以e字母开头并且又以e字母结尾，因此学生可能会进入这样一个循环而不易跳出“e词带”的约束。在C O C A查询e*e.[n*]（*是通配符wildcard，表示任意长度的字母串），可查到频率很高的e字母开头并且以e字母结尾的名词；输入e*e.[v*]可查到e字母开头并且以e字母结尾的动词，同样输入e*e.[j*]可查到e字母开头并且以e字母结尾的形容词。如果只输入e*e则可以查e字母开头并且以e字母结尾的任一词性词语。见表2所示。

表2作为示例，展示了该查询类型的前20个

如果学生希望陈述做得更专业一点，例如想获取与f l o w e r共现的生物学类的词汇，那么就需要使用到该语料库的互信息查询。互信息（mutual information）是信息理论中的—个基本概念，用于描述两个概念间的统计相关性，或者是—个概念中所包含的另—个概念中信息的多少。在以上查询flower条件不变的情况下，在S O R T I N G A N D L I M I T S下的S O R T I N G框中选R E L E V A N C E（框后会显示M U T I N F O），此时M I N I M U M框自动选定F R E Q U E N C Y为10，表示10个以上的出现频次才显示（也可以修改该值的大小），得到如下结果（见表4）：

表4 COCA中名词flower的最大词距（-9，+9）内的互信息名词

序号名词TOT ALL%MI

1 pistil 14 67 20.90 9.22

2 stamen 3

3 20

4 16.18 8.85

3 Foxhall 10 67 14.93 8.74

4 petal 256 1 90

5 13.44 8.58

5 lobelia 10 108 9.2

6 8.05

6 nectar 62 780 7.95 7.83

7 arranger 18 239 7.53 7.75

8 phlox 12 232 5.17 7.21

9 buttonhole 10 201 4.98 7.15

10 pollinator 18 392 4.59 7.04

11 chrysanthemum 15 341 4.40 6.97

12 dahlia 23 571 4.03 6.85

13 aster 16 398 4.02 6.84

14 bumblebee 10 252 3.97 6.83

15 pollen 64 1 681 3.81 6.77

16 pollination 13 346 3.76 6.75

17 hibiscus 11 345 3.19 6.51

18 bud 153 4 892 3.13 6.48

19 carnation 13 450 2.89 6.37

20 florist 23 822 2.80 6.32

该表第1行的信息分别是：T O T表示该词在最大为9的上下文词距中出现的频次；A L L 表示该词在C O C A中的总频次；%表示T O T和ALL的商，MI为该名词与目标词（flower）的互信息值。以上结果不管从词长还是词的相对低频（仅p e t a l和b u d属于单纯词频查询的前20位词汇）均可看出该查询结果所得到的词语属于专业性较强的词汇，激活的要么是上义词，要么是下义词，或者是同级词汇。查读这些词汇能有效激活学生相关方面的概念，对于相关的专业知识陈述有很大帮助。

另外，教师可以运用C O C A帮助学生掌握常见词搭配，如中国学生经常做的命题作文涉及的success、pollution、education、crisis、skill、pressure、development、ability等概念，都可以在C O C A中进行如上方式的头脑风暴式的多条件查询，以开阔视野、激活知识点和寻求表达方式与内容的多样化。

3.3 语义查询

桂诗春教授主持的 “中国英语学习者语料库” （Chinese Learners’ English Corpus） 是国际上首部公开发布的学习者语料库，该研究发现中国学生的对数词型/词次比（log type / token ratio）、平均词长、平均句长、常用词和超用词（overused words） 的使用等都和以英语为母语的人不同。前者掌握的词型要少，但使用率要高，很多常用词都成为超用词（曾用强，2002：33）。

超用词现象在学习者所犯的错误中非常普遍，究其原因之一是因为使用者对相关词汇掌握不够，在话语情景中无法激活同一概念的同义词、近义词或反义词，因而出现对某些词的过度依赖。学生最先掌握的常用词很可能升格为“原型词”，即由于先入为主的缘由而使得其他更符合表述的词汇变成了边缘词汇。

在言语失误的分析方面，按失误的类型看，居于前四位的词形、词汇、句法和动词词组的失误率加起来占了所有失误的一半。除词汇外，其他三项均是随着学习水平的提高而递减。（曾用强，2002：33）也就是说词汇失误是学习者的一大痼疾，无法轻易改变。王沁在“语言迁移中词汇失误的语料分析”一文中对英语专业八级考试（T E M-8）试卷中翻译题错误类型进行分析，得出考生们所犯错误数量居于首位的便是词汇失误，并举例分析了失误频次较高的四种类型——词类失误、替代型失误、冗余型失误、选用一一对应中文词汇。但细数

语谚语在C O C A中的使用情况，对谚语的熟识度、活用度进行了研究，分析了用于激活语义的谚语框架（semantic frame），从而给学习者提供活用用法信息，指导其正确合理使用英语谚语。

以下是C O C A中部分谚语活用例子，通过逐项查询原型和变体谚语在语料库中的频次得到如下结果：

a. An apple a day keeps the doctor away.

用法：原型使用11次；变体使用an apple a day符合该定义的却有20次。

b. A friend in need is a friend indeed.

用法：原型使用仅2次；变体使用a friend in need的有12次，变体使用friends in need的有9次。

c. Birds of a feather flock together.

用法：原型使用8次；变体使用35次；变体通常仅使用birds of a feather部分。

d. Where there is a will there is a way.

用法：原型使用8次；变体使用10次，变体多表现为仅使用there is a will。

e. Leave well enough alone.

用法：原型使用92次；变体使用leave bad enough alone的有3次；使用leave good enough alone的有1次。

该研究还对每一常见谚语的活用进行概括分析和归类，并对谚语出处进行上下文考察，以分析所出现的语言体裁等信息。在语料库中检测谚语能告诉使用者谚语的语用意义和语用倾向。因此结合真实语料库对谚语进行研究有其很大的价值和意义，对谚语单纯而孤立的分析与评价只能是研究者的内省结果而非现实语言展现。

4结语

C O C A是一个英语本族语者的语料库，是用法相对规范的语言范例的集合；而学习者语料库则主要是对学生的语言表现进行查缺纠错。因而使用本族语语料库能对学习者起到良好的指导作用，学习者语料库的使用对象应该是教师和研究者，但本族语语料库的使用者却可以直接是学习者。如上所述，基于该语料库可以帮助学习者培养自主学习能力、提高语言知识和丰富英语文化知识。由于C O C A的收集语料的局限性，因此对有的词语查询不能很好地反映用法，如在语言学习中经常提到的native-like概念在COCA中只有1项，而在G o o g l e中却可以检索出154 000余条，这都是由于语料的选择性带来的。但如果重视以上对通用词汇的查询和筛选，学习者能有效提高英语语言直觉，为更加流利地表达自己的思想和认识美国社会文化起到很好的指引作用。

本文举例的方法与卫乃兴（2009）所说的语料库例证的方法（corpus-illustrated）似有相似之处，但我们进行了量化的数据统计处理以及频数信息描述，而不只是用来佐证特定观点。本文举例只起一个示范的作用，语料库使用者可以结合自身需求进行无穷尽的查询。我们的目的是让大家在真实数据的海洋里获得一个良好的指引，以引导大家更好地使用C O C A 这一免费大型语料库中的宝藏，提升自己的英语语言水平和知识面。

注释

① 本研究为重庆大学语言认知及语言应用研究

基地项目和重庆市教委项目(09S K A02)部分

研究成果。

参考文献

[1] A ston, G. Corpora in language pedagogy:

Matching theory and practice[A]. In G. Cook & B. Seidelhofer (eds). Principle and Practice

in Applied Linguistics: Studies in Honour of

HG Widdowson [C]. Oxford: Oxford University Press, 1995.

[2] C orson, D. Using English Words[M].NY:

Springer, 1996.

[3] D avies, M. The advantage of using relational

databases for large corpora: Speed, advanced queries, and unlimited annotation [J]. International

Journal of Corpus Linguistics, 2005 (10).

[4] d e Souza Hodne, L.C. Collocations and teaching

[D]. University of Bergen, 2009.

[5] M cEnery, T., A. Wilson. Corpus Linguistics (2nd

edition ) [M]. Edinburgh: Edinburgh University Press, 2001.

[6] W i d d o w s o n, H.G. Aspects of Language

T eaching [M]. Oxford: Oxford University Press, 1990.

[7] 常宝宝, 俞士汶. 语料库技术及其应用 [J]. 外

语研究, 2009 (5).

[8] 王沁. 语言迁移中词汇失误的语料分析.

http: //https://www.360docs.net/doc/1c5842539.html,/doc/su200907/su 20090706.pdf

[9] 汪兴富, Mark Davies. 基于语义和学习者为中

心的COCA语料库. 待出a.

[10] 汪兴富等. 基于C O C A语料库的英语谚语分

析. 重庆市社科项目研究报告. 待出b. [11] 汪兴富, Mark Davies, 刘国辉. 美国当代英语

语料库 (COCA) ——英语教学与研究的良好

平台 [J].外语电化教学, 2008 (5).

[12] 汪兴富. 激活学生英语表达潜能研究 [MA].

重庆大学硕士学位论文, 2002.

(下转91页)