主编寄语

本期专家主题论坛围绕语料库研究展开。

我当过中学和大学的英语教师。说起语料库，我首先想到的是1987年出版的《柯林斯COBUILD英语词典》（Collins COBUILD English Language Dictionary），这是一部学习词典。第一部英语学习词典是1948年出版的《牛津高阶英语词典》（Oxford Advanced Learner’s Dictionary），70多年过去了，如今已修订到第十版，服务了全球超过1亿的英语学习者。但是柯林斯词典有其独特之处：它是世界上第一部真正意义的基于语料库素材而编写的学习词典。1979年，哈珀·柯林斯出版公司与英国伯明翰大学合作创建了柯林斯-伯明翰大学国际语言数据库（Collins Birmingham University International Language Database），英文简称COBUILD，将语料库建设与商业研发结合起来，推出了这部划时代的词典，对此后的词典编写产生了巨大影响。柯林斯也由此成为紧随牛津、朗文、剑桥、麦克米伦四大英语工具书出版商之后的新秀。

COBUILD不是最早的语料库。第一个机读英语语料库是20世纪60年代美国布朗大学创建的当代美国英语标准语料库，简称布朗语料库。它是一个通用语言语料库，总计约100万个单词，由1961年在美国发表的英语作品汇编而成。布朗语料库是一个分界线，将语料研究分为前计算机阶段和后计算机阶段，前计算机阶段称为计量语言学（Quantitative Linguistics）或统计语言学（Statistical Linguistics）。1983年，在荷兰奈梅亨举行的第四届“现代和中世纪英语国际计算机档案库”（International Computer Archive of Modern and Medieval English，简称ICAME）会议，将“语料库语言学：计算机语料库在英语研究中的使用”作为主题，标志着这一新的语言学分支的诞生。在过去近40年的时间里，语料库语言学产生了大量研究成果。1998年，朗文出版社出版了《语料库语言学简介》（An Introduction to Corpus Linguistics）；2006年，爱丁堡大学出版社出版了《语料库语言学术语》（A Glossary of Corpus Linguistics）；2010年，《劳特利奇语料库语言学手册》（The Routledge Handbook of Corpus Linguistics）出版。剑桥大学出版社近年来出版了多本语料库语言学著作，包括2015年的《剑桥学习者语料库研究手册》（The Cambridge Handbook of Learner Corpus Research）、2018年的《语料库语言学中的统计》（Statistics in Corpus Linguistics）和2021年出版的论文集《学习者语料研究与第二语言习得》（Learner Corpus Research Meets Second Language Acquisition）。也有一些语料库语言学期刊，如《语料库语言学研究》（Research in Corpus Linguistics）、《国际语料库语言学期刊》（International Journal of Corpus Linguistics）、《语料库语言学与语言学理论》（Corpus Linguistics and Linguistic Theory）、《应用语料库语言学》（Applied Corpus Linguistics）等。国内的语料库语言学研究始于20世纪80年代，几乎与欧美同步。2014年，《语料库语言学》期刊由外研社出版发行。以上所列著作和期刊挂一漏万，但足以说明语料库研究的重要性和欣欣向荣的发展态势。

中文教学界很早就开始了语料库建设与研究。1979年到1985年，北京语言学院组织70多位教师，用人工与计算机统计相结合的方法，对180余万字各种题材、体裁的语言材料进行词频统计与分析；同时兼顾汉字字频和组词能力，于1986年出版了《现代汉语频率词典》，为中文信息处理标准化以及语言学、语言教学和相关学科的研究提供了有价值的参考材料和数据。20世纪90年代，中文作为第二语言的量化研究开始出现，而基于语料库的研究从一开始就占据了量化研究的一席之地。

中文作为母语和二语都建设了一些语料库，如CCL语料库、BCC语料库、全球汉语中介语语料库等，帮助我们在海量数据中发现语言奥妙和语言学习规律，获得具有统计学意义的结论，在描写的同时做出解释。语料库语言学强于描写，但基于大数据的描写本身也是一种解释，帮助我们窥探语言的本质。

语料库研究让我想起了生成语法。生成语法提出了制约自然语言的普遍原则，描写人类与生俱来的语言知识和语言机制，而语料库语言学揭示了现实语言使用的情况。二者从两个方向朝着揭秘语言本质的目标前进。