谈谈初级阶段华文教学词表的研制①

翟颖华

（武汉大学留学生教育学院，湖北，武汉 430072）

谈谈初级阶段华文教学词表的研制①

翟颖华

（武汉大学留学生教育学院，湖北，武汉 430072）

华文教学词表；初级阶段；语料库；联想添加；习得顺序

初级阶段华文教学词表的词汇量应该控制在2500个左右，在此基础上有必要设定约500词的最低入门等级。词表研制中出现的问题很多时候是源于语料库本身的科学性和适用程度。初级阶段词表的提取应该选择题材平衡的规范口语语料库，而不是一般意义的平衡语料库。联想添加并不能很好地克服词频统计的局限，词表研制的科学性还是应该绕回到语料库的建设和选取上下功夫。此外，初级阶段华文词表的研制还要根据习得顺序因素排查若干较难掌握的词语。

1．引言

词表研制是华文国际推广的重要环节，从1992年《汉语水平词汇与汉字等级大纲》（以下简称《大纲》）出版，到2010年面向全球汉语国际教育的第一个国家标准《汉语国际教育用音节汉字词汇等级划分》（以下简称《等级划分》）正式推出，华文教学词表的研制理念不断改进。但对于词表的研制，学者们似乎仍有颇多的质疑。赵金铭等（2003）指出，《大纲》用于词频统计的语料在数量、范围和语体等方面都多有局限，这影响了一些词语频率指数的可靠性。刘芳（2004）、欧阳晓芳（2005）从词义系统性的角度出发，分别考察了《大纲》形容词和动词的收词情况，提出《大纲》的意义体系不够完整。马清华（2008）则认为唯频率标准不可能科学地制定出符合第二语言教学实际的词汇大纲，应该辅之以其他类型的人工干预。在词汇量的问题上，也存在对立观点，张凯（1997）、李清华（1999）认为《大纲》词汇量偏低，张和生（2006）则认为完成《大纲》指标已属不易，“扩纲”没有太大的现实意义。

本文以初级阶段为例，试图理清华文教学词表研制的相关问题，初级阶段华文教学词表的词汇量应该控制在什么范围？词表的研制应该选择什么样的语料库作为词频统计的依据？以联想添加为主的人工干预究竟能否有效地改善词频统计存在的问题？如何更好地实现词表在华文教学中的可操作性？这些问题对于华文的推广和普及无疑具有重要的现实意义。

2．词语的数量和分级

初级阶段华文教学词表的数量和分级，《大纲》收录最常用的甲级词1033个，乙级词2018个。《等级划分》最低入门等级的词汇量是505个，普及化等级的词汇量是2245个。初级阶段华文词表词语的数量，应该在遵循现代汉语词汇的分布规律的基础上充分考虑初级阶段华文学习的具体任务。

下面以国家语委现代汉语语料库②语料库来源：http：／／www．cncorpus．org／（以下简称“现代汉语语料库”）和台湾中央研究院现代汉语平衡语料库③语料库来源：http：／／elearning．ling．sinica．edu．tw／CWordfreq．htm l＃top（以下简称“平衡语料库”）为例考察现代汉语词汇的分布情况：

①本刊匿名评审专家对本文提出了不少富有见地的意见，谨此谢忱。

表1：现代汉语词汇分布情况统计

用曲线图更能清晰直观地展示不同频段词语在两个语料库的分布规律：

图1：现代汉语语料库

图2：平衡语料库

曲线图表明词语覆盖率与现代汉语的整体情况并不成正比。如果两者是成正比的，那么频率线从左下到右上应该是一条直线。根据两个曲线图中显示的数据，最常用的500词和3000词的覆盖率分别是50%和75%左右。从图表我们可以看出如果我们将常用词的数量从3000翻倍至6000，覆盖率仅仅增长了几个百分点（现代汉语常用语料库从74%上升至82%；平衡语料库从73%上升至80%）。可是相对于额外地学习3000词所需要的精力而言，可能增加的收效是相当有限的。

齐普夫定律（Zipf，1935）验证了汉语词汇的这一分布规律。乔治·金斯利·齐普夫博士是美国哈佛大学教授、著名语言学家和心理学家。1935年，齐普夫用大量的统计数据验证了前人有关词频分布规律的研究成果，并进行深入系统的理论研究，提出了著名的齐普夫定律。指出任何语言中最常用词的出现频率是次常用词的两倍，是第三级常用词的三倍，第一百级常用词的一百倍，第一千级常用词的一千倍……因此，只要掌握任何语言中比例不多的最常用词，就有可能理解这种语言中的相当一部分内容。

初级阶段华文教学的任务是规范的口语教学，相对于平衡语料库，口语语料库中高频词的覆盖率更加集中。《现代汉语频率词典》（1986）对生活口语中高频词的统计显示，前100词的累计频率就高达52．5891%，前1000词的累计频率达到84．7863%，前2000词的累计频率达到91．6520%，前3000词的累计频率达到94．8356%。

盲目地扩大词汇量，对初级阶段的词汇教学是无益的。根据现代汉语词汇的分布情况，结合初级阶段华文教学的任务，其词汇量的上限应该低于3000，基本控制在2500个左右，这一数字符合多年华文教学的实践经验。邱军、李宁（1999）查阅了多种初级阶段华文教材，征求了一些有20年以上华文教学经验教师的意见，得出的结论是“2600～2800个词汇是相对合适的量”。

我们有必要在此基础上设定华文教学词表的最低入门等级。这种再分级，一方面为初级阶段的华文教学提供了阶段性的教学目标，另一方面也为“浅尝辄止”的生存华文学习者指明了学习范围。史有为（2008）研制的华文教学最低量基础词表的词汇量是562个。根据汉语词汇的分布规律，最常用的500个词可以覆盖约半数的语料，最低入门等级的词汇量应该在500个左右。

3．语料库的选择

语料库是词表研制的基础，长期以来，选择“平衡语料库”一直是词表研制的共识，但是有两个问题值得注意：

首先，语料库的建设目前在技术手段上尚未实现真正的平衡。具体来说，表现在以下两个方面：

1）语料库在口语和书面语之间难以做到完全意义的平衡。

现有的“平衡语料库”书面语材料占据了绝大部分，而口语语料严格意义上说大都只能算是“准口语”。以台湾中央研究院现代汉语平衡语料库为例，其语体分布比例如下：

表2：语体分布情况统计

这种情况一方面是由于口语语料的搜集和整理十分困难，另一方面也是因为长期以来对口语的研究不够重视。

相应地，语料库中典雅、庄重甚至带有明显文言色彩的书面词语频序位置（频序按频次从高到低排列，下同）明显靠前。例如：

表3：书面词语频序位置情况统计

2）语料库在题材方面难以做到完全意义的平衡。

语料库在语体和题材方面的不平衡从本质上说是一个问题的两个方面，语料库在书面语方面的倾斜必然会导致相关题材的偏重。因为口语和书面语本身就有其各自不同的适用领域。口语重在交际，话题通常围绕日常生活展开；而书面语重在传播和传承，题材偏向公共社会领域，多思辨性、论证性，较少涉及个人杂碎的日常生活话题。从这种意义上说，书面语和口语在题材方面存在明显的分工。以现代汉语语料库为例，人文与社会科学类语料占语料总量59．6%，自然科学类语料占语料总量的17．24%，综合类语料占语料总量的9．36%，取材于报纸的占语料总量的13．79%，另外，取材于教材的语料总量有2000万字。涉及日常生活领域的语料微乎其微。

相应地，语料库中不少日常生活中常用词语的频序位置明显靠后，例如：

表4：日常生活词语频序位置情况统计

正如Martin（1990）所说的那样，在语料库建设中对实际运用的语言进行分层抽样（即考虑语域、体裁、地域、时间等参数）并有效揭示词汇使用频率是词频统计工作所面临的两大技术难题。现代汉语平衡语料库的研制者黄居仁、陈克健（1995）也认为平衡语料的选取原则“是理论上尚无定论且可深入研究的问题”。

其次，口语词和书面语词在分布上的差别是语言的客观事实。

说和写是非常不同的过程，即使在常用词部分，口语语料库和书面语语料库中词语的分布也表现出不小的差别。心理语言学家Trevor（1995）在研究心理词汇的结构时发现“心理语言学的数据强烈地表明语言中存在着四个词表，说、写、听、读各自存在一个词表，提取词表的方式各不相同。”Chafe（1986）也注意到了口语词汇和书面语词汇的不同：“从某种程度上说，口语和书面语有其各自的词汇。多数词语在两种语体中是中性的，而有些口语中的词则完全不会出现在书面语中，有些书面语中的词也完全不会出现在口语中。其原因并不在于说话人选择词语的速度必须比书写者快，而是口语和书面语有其各自不同的发展轨迹。”

朱德熙（1985）指出，汉语口语和书面语在词汇和语法上有许多不同之处，口语和书面语研究应该分开进行，不能混为一谈：“从研究方面说，长期以来，我们老是根据书面语材料做研究。书面材料内容驳杂不纯，包含许多不同层次的语言现象。如果不是经过严格的选择和分析，凭这样的资料得出的结果恐怕既不足以反映口语，也不能真正显示出书面语的特点。”

正因为如此，吕必松（1997）建议分别建立两种不同的教学系统，即口头语言教学系统和书面语言教学系统。“有些只在书面语中出现的词语就不必在听说课中进行专门练习”。

越来越多的学者开始认识到，词的常用程度在口语和书面语中有其各自不同的表现，不分口语和书面语提取自整个语言的词表并不具备现实意义和价值。1995年版的《朗文当代英语词典》开始明确地标注出口语和书面语中词语的不同使用情况，分别标注了口语和书面语中最为常用的3000高频词，这在当时的学习型词典中是前所未有的。有些词条分别标注了在口语和书面语中的使用频率。此外，一些只用在口语里而不用在书面语中的词语在词条的旁边用“口”加以标注。

初级阶段华文教学的任务是规范口语，中高级阶段逐步向书面语倾斜。相应的，华文教学词表的研制应该明确分段提取的原则。初级阶段和中高级阶段使用的语料库应该有所不同。初级阶段词表的提取应该选择题材平衡的规范口语语料库，而不是一般意义的平衡语料库。

4．联想添加应该严格控制

由于基于语料库的词频统计存在一定程度的偏差和缺漏，不少学者提出以人工干预来弥补频率标准的不足。例如姜德梧（2004）认为，“词频是选词的主要依据，但不是唯一依据，有时要进行人工干预”。联想是目前人工干预的主要手段，《大纲》采用了五种类型的联想，分别是：主题联想、类聚联想、异项（反向）联想、同构联想和异构联想。而《等级划分》则明确提出“要专家干预，但是尽量的少一些。”

联想添加的目的是改善词频统计的科学性，但事实上，相对于基于语料库的词频统计，主要依凭直觉的联想表现出更多的盲目性和随机性。联想添加存在的问题主要有以下两个方面：

首先，从外部因素看，联想不可避免地受到个人或群体因素的干扰。

不管我们如何有意识地避免，联想总是或多或少地受到个人社会经济地位、教育程度、年龄等因素的影响。例如，Carter（1987）认为韦斯特（M．West）在1953年编撰的《英语常用词表》（General Service List）之所以包含一些过于文学或从语感上说难以接受的词语，是源于作者的学者身份。

即使是群体性的联想，这种干扰亦不可能完全避免。《大纲》的制定邀请了全国70多位专家、教授和华文教学工作者对词表进行了两次群体性专家干预。共同的学院派身份使得“研究所、科学院”这样一些明显带有学术性的词语出现在乙级词表中，而选择不同群体的人参与联想又会带来新的问题，背景的不同必然会使收集的词语过于分散，一些有价值的内容被稀释。

其次，从语言内部来看，词汇系统本身的复杂性也会使联想受到干扰。

联想通常取决于语义距离或心理距离的远近，一般在名词、动词、形容词中产生。词汇联想主要包括下面几种类型：

1）近义关系（交流—交换；骄傲—自豪）

2）反义关系（难—易；结婚—离婚）

3）上下位关系（动物—狗；植物—树）

4）协同关系（牛—老虎—猪—狗—猴子—马；梨子—苹果）

5）整体局部关系（鸟—翅膀；身体—手）

6）常规关系（脚—鞋子；锁—钥匙）

7）组合关系（学生—学习；杯子—喝）

这些基于语义关系的联想不经推敲可能感觉合情合理，实际上却存在不少问题。以反义关系的联想为例，反义词聚在语料库中的分布通常是不均衡的。按照频率标准，不少反义词聚不能成对进入同级词表。请看表5：

表5：几组反义词聚频序情况统计

事实上，语言中褒义词使用频率高于贬义词的现象相当普遍。反义词的不均衡性可以从语言的不同角度得到解释。

标记理论认为，任何一种语言总是正面词为无标记项（unmarked），反面词为有标记项（marked），无标记形式的分布普遍要比有标记形式广。沈家煊（1999）指出，无标记形容词的使用频率高于有标记形容词，无标记形容词通常比有标记形容词的适用面广。因为前者既可以用来表示本身的积极意义，又可以表示一般意义；而后者则只能表示消极意义。例如：

（1）a．小王个子很高。（积极意义）b．小王个子有多高？（一般意义）

（2）a．小王个子很矮。（消极意义）b．*小王个子有多矮？（一般意义）

“小王个子有多高？”成立，“小王个子有多矮？”不成立。“高”的适用面宽，是无标记形容词；“矮”的适用面窄于“高”，是有标记形容词。

从社会心理的角度看，人们总是看重和追求好的一面，摒弃坏的一面。在言语交际时，为了营造友好和谐的气氛，顺利实现交际目的，必须寻求符合礼貌的表达方式。因此，在用言语进行评价时，一般对不好的要尽可能说得委婉些，不宜直接使用贬义词，因而多以“不＋相应的褒义词”来代替。例如不直接说某人“矮”，而说成“不高”，以给人面子。相反，对于优点则要充分肯定，往往直接使用褒义词，而不需要用“不＋相应的贬义词”。如果要赞美某人的身高，就没必要说成“不矮”。

从第二语言的教学经验来看，在大多数情况下，任何语言无标记形容词的习得都先于有标记形容词，也更容易为学习者掌握。事实上，儿童语言的发展也表明有标记和无标记形容词的习得存在先后顺序。爱丁堡大学的唐纳德森（M．Donaldson）和巴尔拂尔（G．Balfowr）、斯坦福大学的克拉克夫妇（H．H．Clark＆E．V．Clark）发现，儿童通常总是先获得无标记的形容词，然后才获得有标记形容词。在其间的过渡阶段，儿童往往把有标记形容词当作无标记形容词来理解。①Moskowitz，B．A．1978 The acquisition of language，Scientific American（5），转引自唐志东1988《国外的儿童语言学》，《语言学通讯》第1期。

词语的常用程度在很大程度上说是人们的认知和社会活动在语言生活中的映射，是词的语法功能和语义结构的外化，词表研制中使用联想添加并不科学。一方面，联想添加是基于词义距离，并不反映词的常用程度。词频统计始终应该是词表研制最重要的依据。另一方面，语言研究的大量事实早已证明，以意义为标准很多时候是不可靠的。意义没有直观性，比较抽象空灵，意义标准存在不好把握，不便操作的问题。所以借助意义的联想有时候难免主观。

词表研制中出现的问题很多时候是源于语料库本身的科学和适用程度。从总体上看，联想添加并不能很好地克服词频统计的局限，基于语料库的词汇统计比联想更加符合语言的客观事实，词表研制的科学性还是应该绕回到语料库的建设和选取上下功夫。

5．习得顺序因素的适当考量

第二语言习得理论认为，学习者在习得目的语的不同语言项目时可能存在一个内在的自然顺序，习得顺序被认为是客观存在的，第二语言学习需要遵循从易到难、由简到繁的渐进过程。特别是语言学习的初始阶段，顺序性较强，越到后期，发展的顺序性越弱。

从语料库生成的词表反映的是以华文为母语的成年人使用词语的常用情况，不涉及二语学习过程中的习得顺序因素。然而，从习得顺序的角度看，有些常用程度很高的词语并不适合在初级阶段学习，请看表6：

表6：某几对词语频序情况统计

从语料库的统计来看，这几个词语都是华文中的常用词，然而，华文教学的理论和实践证明，前面两组词义空灵难以把握，后面一组在句法上受到诸多限制，在初级阶段学习往往费时低效，应该安排在中高级阶段慢慢掌握。例如，刘月华（2003）谈到，在华文学习的初级阶段，语气助词只需要学习者掌握那些在表达上不可回避的，比如具有表示疑问功能的“吗”、“呢”以及“吧”。至于表中的“呀”、“啦”和“嘛”学生只能在中高级阶段慢慢掌握。严格控制联想添加并不意味着词表研制完全不使用人工干预，初级阶段华文词表的研制还要根据习得顺序因素排查若干较难掌握的词语。

关于习得顺序，国外不同的学派、不同的学者得出了以下一些基本一致的结论：

1）第二语言的习得存在一定的顺序；

2）这个顺序与儿童习得第一语言的顺序相近；

3）这个顺序并不因学习者第一语言的不同而不同；

4）这个顺序也不因年龄的不同而不同。

初级阶段的华文词汇教学不可能是随意的，无序的。加拿大学者Biemiller＆Slonim（2001）对两组以英语为母语的儿童的跟踪调查显示，儿童对词汇的习得遵从大致相同的先后顺序，一个大致按照习得顺序排列的初级阶段词汇课程可以由此应运而生。

词汇难度是词汇习得顺序的内因，是语言方面的内部因素，往往具有强制性。当然，词汇习得顺序同时也受到词语常用程度的影响。

初级阶段词语的难点可以分为无法回避和可以回避两种。无法回避的难点是指在汉语中极为常用并且具有特定的语法功能，无法替代的词语，尽管从习得的角度来说有着相当的难度，但由于无法回避，所以它们的习得常常开始于第二语言学习的初级阶段，而贯穿整个语言学习的始终。例如助词“了”，介词“把”的用法。可以回避的难点是指某些句子里去掉并不影响原句的基本意思，虽然在汉语中较为常用，但不太好掌握，不妨在语言学习的初级阶段刻意回避。例如虚化动词、语气副词和语气助词等。

词语难度的测定首先应该考察词义认知的复杂程度和词语使用的复杂程度。心理语言学的研究证明，抽象词的难度高于具体词的难度；形象性低的词语的难度高于形象性强的词语；书面语词的习得难度高于对应的常用语词。此外，高顺全（2002）还指出，客观的意义和用法比主观的意义和用法更容易习得。

其次，词语难度的测定还可以结合教学实践来考察，吕必松（1992）指出“学生难以理解，经常出错或者避而不用的语言现象都是难点”。

第二语言学习具有同第一语言学习相似的发展步骤，因此，习得顺序从理论上说也可以借鉴儿童语言习得的研究成果。儿童语言学习是语言学习最成功的例子，第二语言教育应充分借鉴儿童语言学习的经验。遗憾的是，目前华文界对儿童词语习得顺序的研究多限于个案调查，分歧较大。

6．结语

科学性和针对性是华文教学词表追求的目标。对于初级阶段的华文教学词表来说，科学性指的是词表的制定应该遵循汉语词汇分布的客观规律，筛选出现代汉语中最为常用的词语；针对性指的是词表的研制不仅要符合语言习得的客观规律，还应该充分考虑华文教学在初级阶段的特点。

根据汉语词汇分布的客观规律，初级阶段词汇量基本应该控制在2500个左右，在此基础上有必要设定约500词左右的最低入门等级。盲目地扩大词汇量，对初级阶段的词汇教学是无益的。

词表研制中出现的问题很多时候是源于语料库本身的科学性和适用程度。初级阶段华文教学的任务是规范口语，中高级阶段逐步向书面语倾斜。相应的，初级阶段和中高级阶段华文教学词表研制所使用的语料库应该有所不同。初级阶段词表的提取应该选择题材平衡的规范口语语料库，而不是一般意义的平衡语料库。从总体上看，联想添加并不能很好地克服词频统计的局限，一方面，联想添加是基于词义距离，并不反映词的常用程度；另一方面，语言研究的大量事实早已证明，以意义为标准很多时候是不可靠的。基于语料库的词汇统计比联想更加符合语言的客观事实，词表研制的科学性还是应该绕回到语料库的建设和选取上下功夫。

从语料库生成的词表反映的是以华文为母语的成年人使用词语的常用情况，不涉及二语学习过程中的习得顺序因素。有些常用程度很高的词语从习得顺序的角度看并不适合在初级阶段学习。因此，初级阶段华文词表的研制还要根据习得顺序因素排查若干较难掌握的词语。

北京语言学院语言教学研究所1986《现代汉语频率词典》，北京语言学院出版社。

高顺全2002《动词虚化与对外汉语教学》，《语言教学与研究》第2期。

黄居仁陈克健1995《“中央研究院平衡语料库”序》，http：／／db1x．sinica．edu．tw／kiwi／mkiwi／98－04．pdf

姜德梧2004《关于＜汉语水平词汇与汉字等级大纲＞的思考》，《世界汉语教学》第1期。

李清华1999《＜汉语水平词汇与汉字等级大纲＞的词汇量问题》，《语言教学与研究》第1期。

刘芳2004《＜汉语水平词汇与汉字等级大纲＞形容词体系研究》，华中科技大学硕士学位论文。

吕必松1992《华文教学讲习》，北京语言文化大学出版社。

———1997《汉语教学中技能训练的系统性问题》，载《第五届国际汉语教学讨论会论文选》，北京大学出版社。

欧阳晓芳2005《＜汉语水平词汇与汉字等级大纲＞动词体系研究》，华中科技大学硕士学位论文。

邱军李宁1999《＜对外汉语教学初级阶段词汇大纲＞编写说明》，载杨寄洲（主编）《对外汉语教学初

级阶段词汇大纲》，北京语言文化大学出版社。

马清华2008《唯频率标准的不自足性——论面向汉语国际教育的词汇大纲设计标准》，《世界汉语教学》第2期。

沈家煊1999《不对称和标记论》，江西教育出版社。

史有为2008《对外汉语教学最低量基础词汇试探》，《语言教学与研究》第2期。

张和生2006《外国学生汉语词汇学习状况计量研究》，《世界汉语教学》第1期。

张凯1997《汉语构词基本字的统计分析》，《语言教学与研究》第1期。

赵金铭张博程娟2003《关于修订＜（汉语水平）词汇等级大纲＞的若干意见》，《世界汉语教学》第4期。

朱德熙1985《现代汉语书面语里的虚化动词和名动词》，《北京大学学报》第5期。

———2003《语法答问》，商务印书馆。

Biemiller，A．＆N．Slonim．2001 Estimating rootword vocabulary growth in normative and advantaged populations：Evidence for a common sequence of vocabulary acquisition，Journal of Educational Psychology，Volume 93．

Carter，R．1987 Is there a core vocabulary？Some implications for language teaching Applied Linguistics 08．

Chafe，W．1986．W riting in the perspective of speaking．In C．Cooper．＆S．Greebaum．（eds．）Studying Writing，12－39．London：Sage．

Lyons，J．1977 Introduction to Theoretical Linguistics，Cambridge：Cambridge University Press．

Martin，W．1992 The Frequency Dictionary．An International Encyclopedia of Lexicography 2．

Trevor，H．1995 The Psychology of Language：From Data to Theory．Hove：Psychology Press．

Zipf，G．K．1935 The Psychobiology of Language．Houghton Mifflin，Boston．

【责任编辑 刘文辉】

A Study on the Development of Chinese Vocabulary List at Elementary Level

Zhai Yinghua
（College of Foreign Students Education，Wuhan University，Wuhan，Hubei430072，China）

vocabulary list for Chinese teaching；elementary level；corpus，adding words by association；sequences in second language acquisition

The vocabulary list for elementary Chinese learners should bewithin around 2，500 words．Thus，vocabulary for beginners should be setat least500 words．In the process of developing the list，many problems are originated from the reasonability and applicability of the corpus itself．The elementary level vocabulary list should be chosen from the balanced varieties of all fields of standard spoken corpus，rather than from a generalized balanced corpus．Adding words by association cannot fully overcome the limitations of statistical analysis ofword frequency．The scientific development of the vocabulary list should be based on establishing and choosing the corpus．Additionally，it is also important to reject various difficultwords in accordance to the sequence of acquisition．

H195．6

A

1674－8174（2012）02－0052－08

2011－09－01

翟颖华（1979－），女，上海人，博士，武汉大学讲师。研究方向为词汇学和第二语言习得。

国家社科基金项目“对外汉语教学词汇主导模式研究”（08BYY034）