如何使用第二外语学习者语料

刘燕华

摘要：学习者语料研究起源于20世界80年代后期。它的起源是基于语料语言学的理论和方法论模式。语料语言学是利用语料来研究语言的，也就是说，研究经电脑处理过的书面或口语文本数据。尽管该领域还是一个非常新的领域，但是该领域已经对语言理论和语言描述做出了巨大的贡献。

关键词：第二外语学习；语料库

1.学习者语料数据的特异性

学习者语料属于一种更加开放的二语习得类型的数据。Ellis将其区分出来，并且命名为自然语言使用数据和诊疗数据。自然语言数据是由学习者产生，并且这类学习者是抱着真实交流的目的才使用第二语言的。原则上讲，只有自然语言数据可以称之为好的，且合格的学习者语料数据，因为语料本身就应是真实的，它包含的数据必须来源于日常交际的真实对话。然而，完全自然的学习者语料很难收集，尤其是在外语环境中学习者没有什么机会在真实的日常交际中使用第二语言。

2.学习者语料研究的主要阶段

学习者语料研究的主要阶段有：

1.方法论的选择

2.学习者语料的选择和编译

3.数据注释

4.数据提取

5.数据分析

6.数据解读

7.教学实施

3.方法论的选择

从事语料研究的研究人员一般会从这两种方法论中选择一种。根据研究问题，这两种方法论分别为基于语料的方法和语料驱动的方法。基于语料的方法主要是通过语料数据来检测一个假设或者一个规则。因此这很明显是一个演绎式的方法，其中语料并不是主人，语料的角色是服务于证实或是推翻之前的一个理论框架。语料驱动的方法挖掘了语料全部的能力。这是一种归纳式的方法，它可以逐步的将观察到的语料普遍化，使其最终可以建立理论或规则。

4.数据分析

给予学习者数据的研究的一个特点就是所研究的语言现象的广泛性。除了那些在二语习得研究当中有明显标志的语言现象，比如屈折变化词素或者词序，学习者语料研究也详细考察了其他许多语言现象，这些语言现象如果不是完全被忽视了也是不被重视的研究对象，列举数例：派生语素，搭配，词汇丰富性，模糊限制语，语域，拼写或是标点。

5.数据解读

目前为止，LCR对语言的描述强于对语言的解读。这在一定程度上很好理解，因为研究的大多数专注于中介语的变体，这些中介语是急需被描述的，尤其是中上水平或者是高水平中介语。由学习者语料提供的丰富的数据为解读二语数据提供了坚实的基础。Granger（1996）所提到的，整合多种语言的学习者数据的整合对比模式，和Jarvis提出的严谨的方法论框架，这两种方法转变了研究方向以从多层语料库中有所收获。一语对二语由迁移影响的实证证据完全依赖于学习者一语当中存在一些与二语类似的特征。例如，Zhang将中国的英语学习者把连词的初始位置的过度使用这一问题归因于“在中文当中，与英文有相同意思的连词总是放在句子的开头。”同样，对于短语more and more的过度使用是由于一语对二语迁移的影响，在汉语当中有相类似的说法“越来越”。由于其他一些语料库的缺乏，所以我们暂定为这种解释。双语语料库是由二语以及学习者一语共同组成的。在在这种情况下，英语和汉语就需要证实和拒绝他们之间存在的相似性。除此之外，来自于不同母语学习者的语料库有必要去除其他其他效应带来的迁移影响。Zhang在ICEL里提出的两个现象，这两个现象表明迁移造成的影响会在大量的学习者中存在，因此很有可能逐步发展而不是与迁移相关。Osborne（2008）在其关于副词位置的研究中表明，这两种影响经常是共存的，而且过度使用和不足使用的程度是与学习者母語当中语言现象的使用频频相关的。

6.教学实施

尽管以纯理论的角度去研究学习者语料是可以的，但是许多的LCR研究目的都是想要最终提高教学工具和方法。得益于学习者语料库的观点最多的领域是词汇学，课件以及语言评估。Runden和Granger告诉我们应该如何使用学习者及本族语者语料去挖掘资料这些资料包括错误标记，这些错误标记目的是为了让学习者把注意力放在常规的语言陷阱上。扩大的“提升写作技巧”部分目的是为了帮助学生写学术文本将正在学习中等程度英语的中国学生的写作错误标记出来并且分析了其写作文本。他们还设计了在线的补救自学系统，称为：GrammarTalk，这个软件针对于那些高频率的错误，比如说冠词错误。第三个受益于LCR的领域是语言评估。经过仔细的分析学习者语料可以就某种程度帮助参与者筛选并且排列测试资料。加之与自然语言处理技巧的配合，它们可以用来去自动显示出学习者的学习水平。