王　良，梁　卿

中國現(xiàn)代職業(yè)教育理論之概念的抽取研究

王良，梁卿

構建中國現(xiàn)代職業(yè)教育理論體系和概念體系的前提是確定中國現(xiàn)代職業(yè)教育理論的概念?；谛g語學理論和實踐，中國現(xiàn)代職業(yè)教育理論的概念獲取摒棄了傳統(tǒng)的純人工方式，而是通過計算機技術的運用從專業(yè)文獻中獲得候選術語集合，從候選術語中篩選得到最終術語，并進而確定作為中國現(xiàn)代職業(yè)教育理論概念體系構成要素的概念。

現(xiàn)代職業(yè)教育理論；概念；術語

概念體系就是“根據(jù)概念間相互關系建立的結構化的概念的集合?！保?］根據(jù)這一界定，概念是構成概念體系的要素。因此，構建概念體系首先就需要識別并確定組成體系的概念。中國現(xiàn)代職業(yè)教育理論概念體系的建構亦不例外。但問題也隨之而來，即如何才能識別并確定中國現(xiàn)代職業(yè)教育理論的概念呢？傳統(tǒng)上，一般都是由專業(yè)領域的專家學者組成團隊，采取人工的方式從專業(yè)文獻中識別并收集概念。這種方式的典型代表就是各種專業(yè)詞典的編纂。在人工方式中，概念的識別和收集是由專家學者集體完成的，因而具有很強的可靠性。但這種方式也具有明顯的缺陷，即費時費力，效率低下。這一缺陷的進一步后果是，新出現(xiàn)的概念難以得到及時的識別和收集。如果采用這種方法收集中國現(xiàn)代職業(yè)教育理論的概念，并進而構建概念體系，那么，不僅概念的收錄工作非常復雜，而且即使概念體系建構起來，其更新也將頗為緩慢。因此，從中國現(xiàn)代職業(yè)教育理論概念體系本身的發(fā)展來講，需要找到一個新的獲取概念的方法。

一、理論基礎

我國國家標準《術語工作：原則與方法》（GB/ T 10112-1999）指出，概念是人們根據(jù)客體（包括客觀存在且可感知的事物和想象產(chǎn)生的事物）的“特性概括而得到的心理構想?！薄霸谝粋€知識領域中，概念用定義描述，被賦予約定的指稱（即術語）?！保?］國家標準的這些論述清晰地建構了一個“客體—概念—術語”的理論框架。根據(jù)這一框架，人們先是通過感官的觀察和大腦的抽象，揭示客體的特征，并以此為依據(jù)對客體進行概括和分類，形成特定的心理構想，即概念。這是一個概念化的過程。作為一種心理構想，只有當概念能夠被清晰地“說”出來的時候，才意味著概念的真正形成。因此，在概念化過程之后還有一個指稱化的過程，即使用特定語詞來代表或指稱已經(jīng)形成的概念。在這里，特定的語詞就是術語。顯然，客體先于概念，概念先于術語。

根據(jù)上文論述，在理想的情況下，概念的識別應與概念的形成是同一過程。這意味著，在中國現(xiàn)代職業(yè)教育理論概念體系的建構過程中，概念獲取的根本途徑就是通過對中國現(xiàn)代職業(yè)教育的現(xiàn)實進行觀察和抽象。但這種途徑存在巨大困難。第一，這個過程將會非常漫長。第二，在一個專業(yè)領域，一個所謂的“概念”是否稱得上“概念”還需要得到同行的認可。也就是說，即使某個專家面向中國現(xiàn)代職業(yè)教育的現(xiàn)實抽象出了所謂“概念”，還需要通過某種方式由同行進行認定。這又會進一步增加概念獲取的難度。因此，試圖在“客體—概念”的框架中來獲得中國現(xiàn)代職業(yè)教育理論的概念并不具有現(xiàn)實的可行性。因此，我們只能在“概念—術語”的框架中來尋找辦法。

事實上，在我國，學者們圍繞著現(xiàn)代職業(yè)教育的各種問題，開展了大量研究，已經(jīng)形成了一定數(shù)量的概念。在構建中國現(xiàn)代職業(yè)教育理論概念體系的過程中，人們的主要任務是從已有的關于現(xiàn)代職業(yè)教育的研究文獻中，識別這些已經(jīng)形成的概念。那么，如何才能識別已有概念呢？在“概念—術語”框架下，可行的路徑是以術語識別為基礎，獲取概念。在理論上來講，術語只是表示概念的一種符號，獲取了符號并不代表得到了概念。因此，試圖通過術語識別的方式獲取概念似乎并不可靠。但如果換個角度，這不失為一種比較好的方式。其一，從概念與術語的關系上看，概念雖然先于術語，但任何概念都必然表現(xiàn)為一定術語。其二，在術語學上，理想的情況是，一個特定概念在某一特定語種之中，一般只有一個相對應的術語。雖然現(xiàn)實并不如此，但這是術語學的努力方向。因此，在中國現(xiàn)代職業(yè)教育理論的概念體系建構過程中，人們可以通過對中國現(xiàn)代職業(yè)教育研究文獻的考察與分析，從中提取相關術語，進而識別相關概念。

二、中國現(xiàn)代職業(yè)教育理論術語的收集方法

傳統(tǒng)上，專業(yè)領域術語主要是由該領域的學者們直接從專業(yè)文獻中識別。在信息技術尚不發(fā)達的情況下，這種方式即使存在缺陷，也是不可替代的。但是，近些年來，伴隨著信息技術的發(fā)展和日漸成熟，人們開始嘗試使用信息技術實現(xiàn)術語的自動發(fā)現(xiàn)和識別。從目前的實踐來看，術語的自動識別一般有三種方法。

（一）基于規(guī)則的術語抽取法

這是一種以句法（術語上下文）或詞法（術語的內部構成成分）為基礎的術語抽取法。這種方法不僅需要對文檔進行分詞和詞性標注，而且需要借助人工方式將語言學知識和特定專業(yè)領域知識結合起來，總結歸納特定專業(yè)領域術語構成知識，并用規(guī)則表達出來，進而使用計算機程序完成術語的自動抽取?；谝?guī)則的術語抽取法的最大優(yōu)點是具有較高的準確性。但是，這種方法也具有以下局限：（1）覆蓋范圍窄。即不同專業(yè)領域的術語的結構不同，因此，使用基于規(guī)則方法抽取術語時，每個專業(yè)領域都需要建立一套規(guī)則。（2）規(guī)則的建立費時費力?；谝?guī)則的抽取法的前提之一就是要建立規(guī)則，但規(guī)則的建立需要對大量專業(yè)文獻進行研究才能完成，比較耗費時間。（3）不同時期術語的構成規(guī)則可能會發(fā)生變化。

（二）基于統(tǒng)計的術語抽取法

這種方法主要是基于術語區(qū)別于普通詞匯的統(tǒng)計特征來實現(xiàn)術語的自動抽取。其優(yōu)點在于：（1）簡單直接。這種方法不需要借助規(guī)則等額外的要素，而是直接基于術語自身的統(tǒng)計特征來實現(xiàn)術語的自動識別，既簡單又直接。（2）跨領域?；诮y(tǒng)計的方法不用考慮特定專業(yè)領域的句法和詞法等語言學信息，因此，這一方法適用于各個專業(yè)領域。（3）對于高頻術語具有很好的識別率。其不足主要表現(xiàn)為：①受語言材料多少的影響較大。一般來說，在語料規(guī)模較大的情況下，這一方法的效果較好。②對低頻術語的識別率較低。在專業(yè)文獻中，有些詞語出現(xiàn)的頻率較低，但卻是合法的專業(yè)術語。由于這類術語的出現(xiàn)頻率低，在使用基于統(tǒng)計的方法識別術語時，這類術語往往會被錯誤地排除。

（三）混合策略的方法

將基于規(guī)則的方法和基于統(tǒng)計的方法結合起來使用。在實際的使用中，有的先采用統(tǒng)計方法，后采用規(guī)則方法，有的則相反。［3］

在上述三種方法中，理論上比較理想的方法是混合策略的方法。但有研究表明，這種方法并不是在所有情況下都是最優(yōu)的選擇。［4］本研究擬將基于統(tǒng)計的自動抽取法和人工方法結合起來使用。具體而言，本研究首先采用基于統(tǒng)計的自動抽取法中的信息熵方法形成初步的術語集合。然后采用人工的方式，對初步的術語集合進行分析，形成最終的專業(yè)術語。之所以采用基于統(tǒng)計的方法而不是基于規(guī)則的方法有兩點原因：一是基于規(guī)則的方法需要建立規(guī)則，而規(guī)則的建立比較復雜。職業(yè)教育領域術語規(guī)則的建立需要語言學家和職業(yè)教育學者的合作，需要耗費很長的時間。借助已有的相關詞典（顧明遠教授主編的《教育大辭典》第3卷中收錄有職業(yè)教育方面的術語）來建立規(guī)則雖然也是可行的路徑，但該詞典出版于20多年前，職業(yè)教育術語的構詞規(guī)則有可能發(fā)生變化。二是因為統(tǒng)計方法的優(yōu)缺點符合我國職業(yè)教育研究的特點。近些年來，我國職業(yè)教育研究水平有了長足的進步，但總的來說存在理論水平不高，理論色彩不夠濃厚的問題。許多研究成果往往就事論事，滿足于對職業(yè)教育現(xiàn)狀的簡單描述。［5］可以說，相對于其他領域，包括普通教育和高等教育領域而言，我國職業(yè)教育研究水平相對落后。這意味著，在職業(yè)教育理論中，不僅概念的科學性還有待提高，而且科學的概念在數(shù)量上相對較少。一般來講，科學的、得到公認的科學概念使用的頻率相對比較多?；诮y(tǒng)計的術語自動抽取法，高頻術語的識別較強，低頻術語的處理較弱，這個特點與目前職業(yè)教育的研究狀況具有很強的適切性。同時，從促進職業(yè)教育理論發(fā)展的角度，在職業(yè)教育研究總體水平有待進一步提高的條件下，不能急于提取尚未成熟的概念，而更應該將已經(jīng)得到認可的、被學者們廣為使用的術語識別并確定下來。之所以采用信息熵方法，主要是因為它是目前被廣泛認可并使用的信息統(tǒng)計工具。之所以在基于統(tǒng)計方法之后使用人工方法進行進一步分析，主要是因為，統(tǒng)計方法在術語抽取中存在一大特點，即它不僅能識別文獻中的高頻術語，還往往會將高頻通用詞匯和其他字符串抽取出來。這些詞語如果不通過規(guī)則的方式予以排除，就需要借助人工的方式去除。

三、中國現(xiàn)代職業(yè)教育理論術語的收集和概念的識別

在本研究中，“中國現(xiàn)代職業(yè)教育”被界定為中華人民共和國建國后的職業(yè)教育。因此，在術語收集過程中，應該將新中國建國以來的職業(yè)教育研究文獻都囊括進來。但這樣一來，工作量將非常巨大。事實上，也完全沒有必要這樣做。20世紀80年代末90年代初，北京師范大學顧明遠教授主持編纂出版了《教育大辭典》（12卷），其中第3卷收錄了職業(yè)教育方面的術語。我們將該詞典收錄的413條術語全部納入進來（不含人名、具體的學校名、法律規(guī)范名、會議等專有名詞），作為中國現(xiàn)代職業(yè)教育理論術語的一部分。［6］如此以來，我們需要收集處理的就是20世紀90年代以來的術語。具體過程如下。

（一）建立語料庫

以“職業(yè)教育”或“職業(yè)技術教育”為主題，在中國知網(wǎng)期刊網(wǎng)CSSCI庫搜索職業(yè)教育領域2014年（含）之前的研究文獻（不包含研究綜述、新聞報道、會議綜述、領導講話和政府文件類文章），下載這些文章的題名、關鍵詞和摘要，以文本文件形式存儲，得到由3 083個文本文件構成，共計60余萬字的語料庫。

（二）二次開發(fā)NLPIR分詞系統(tǒng)

NLPIR分詞系統(tǒng)是由漢語詞法分析系統(tǒng)ICTCLA發(fā)展而來。該系統(tǒng)曾獲得錢偉長中文信息處理科學技術一等獎等多個獎項，在中文信息處理領域被廣泛認可。目前，該系統(tǒng)在傳統(tǒng)的分詞和詞性標注功能之外，又相繼開發(fā)出了許多新的功能。基于信息熵方法的關鍵詞自動獲取就是其新的功能之一?；谛畔㈧胤椒ㄊ腔诮y(tǒng)計方法中的一種，其基本思想是，如果一個詞或短語是術語或者關鍵詞，那么它反復出現(xiàn)并且前后出現(xiàn)不同詞語的概率應該非常高。作為NLPIR系統(tǒng)的一部分，該系統(tǒng)的關鍵詞提取組件采用了靈活的開發(fā)結構，可以支持各種不同的計算機操作系統(tǒng)和調用語言。本研究在win32系統(tǒng)中，采用Java語言，對NLPIR系統(tǒng)進行了二次開發(fā)，以實現(xiàn)基于信息熵方法的術語自動獲取。

（三）術語的自動提取、選擇與校對

運行術語提取程序，處理3 083條題錄信息，初步獲得候選術語24 385條。在此基礎上，采取人工的方式對這些術語進行選擇和校對，最后獲得職業(yè)教育領域的專業(yè)術語349條。術語的選擇和校對遵循“四排除、一合并”原則?！八呐懦笔侵福海?）高頻非通用詞匯予以排除。例如，“發(fā)展殘疾人”就不是術語。它之所以被抽取出來，主要就是因為結合比較穩(wěn)定而且出現(xiàn)次數(shù)多。（2）通用詞匯予以排除。如“原因”、“啟示”、“探索”等通用詞匯被排除在術語之外。（3）專有名詞予以排除。例如，“黃炎培”、“杜威”、“普洛瑟”等人名、“澳大利亞”、“江蘇”、“株洲市”等地名，“浙江金融職業(yè)學院”、“中華職業(yè)學?！钡忍囟▽W校的校名等都被去除。（4）未體現(xiàn)職業(yè)教育特色的教育術語予以排除。例如，“教育”、“課程”、“教學”等雖然是教育術語，但并未體現(xiàn)職業(yè)教育特點，因此，也被排除在職業(yè)教育術語之外?！耙缓喜ⅰ笔侵笇⒃诓煌墨I中出現(xiàn)的同一術語加以合并。

（四）術語的確定

將《教育大辭典》（第3卷）中收錄的413個職業(yè)教育術語與運用信息熵方法提取的349個術語進行比對，取其并集，形成中國現(xiàn)代職業(yè)教育理論的術語集合，共計733個術語。兩個來源的術語集共有29個重復術語。應該說，重復的術語數(shù)量比較少。出現(xiàn)這種狀況的可能原因是，CSSCI期刊即使接收職業(yè)教育方面的論文，一般也不刊發(fā)教學方面的文章。這就使得基于CSSCI期刊庫獲得的職業(yè)教育術語很少涉及職業(yè)教育微觀教學領域。但《教育大辭典》（第3卷）收錄的職業(yè)教育術語中，涉及職業(yè)教育微觀教學領域和相關職業(yè)領域的占比非常高，前者如“案例教學法”、“示范教學法”等，后者如“工種”、“成品測量”等。

（五）概念的確認

雖然術語學的追求是一個術語對應一個概念，但在我們收集獲得的733個職業(yè)教育術語卻不是這樣。在這733個術語中，有些術語雖然不同，但表達的實際上是同一個概念。例如，“職業(yè)技術教育”、“職業(yè)教育”、“技術和職業(yè)教育”和“技術職業(yè)教育”等四個術語所指的其實是一個概念。“職業(yè)基礎教育”與“基礎職業(yè)教育”、“職業(yè)教育體系”與“職業(yè)技術教育體系”也是如此。對于這些術語，我們將其進行歸并，最終形成了中國現(xiàn)代職業(yè)教育理論的728個概念。

本研究也存在一些不足。其一，限于能力和時間，在語料庫的建設上，本研究只是將中國知網(wǎng)CSSCI期刊庫論文的題錄信息收集起來，既沒有收集更多論文的題錄信息，也忽視了20世紀90年代以來出版的職業(yè)教育著作。其二，在術語自動抽取方法上，本研究采取了信息熵方法。這種方法雖然考慮了一個詞或短語外部的邊界自由度，即詞或短語左右兩側出現(xiàn)不同符號或符號串的可能性大小，但沒有考量詞或短語內部結合的緊密度，即一個詞或短語內部各符號間的結合強度。［4］通常情況下，作為概念的指稱，術語應是一個相對固定的完整語言單位，不僅其左右兩側的符號和符號串應該是變化的，即邊界自由度高，而且其內部符號之間也應該緊密結合在一起，即內部緊密度高。信息熵方法只考慮了邊界自由度，而忽視了內部緊密度，這不能不說是一大缺憾。在后續(xù)的研究中，我們考慮將職業(yè)教育研究領域主流期刊論文的題錄信息涵蓋進來，以擴大語料庫規(guī)模，并將盡可能采取措施改進術語自動抽取的方法，以對這些缺憾加以彌補。

［1］中華人民共和國國家質量監(jiān)督檢驗檢疫總局.術語工作：概念體系的建立（GB/T 19100-2003）［Z］.北京：中國標準出版社，2003：1.

［2］國家質量技術監(jiān)督局.術語工作：原則與方法（GB/T 10112-1999）［Z］.北京：中國標準出版社，2000：1.

［3］季培培，鄢小燕，岑詠華.面向領域中文文本信息處理的術語識別與抽取研究綜述［J］.圖書館情報工作，2010（16）：124-129.

［4］張二艷.術語自動抽取技術研究［D］.哈爾濱：哈爾濱工業(yè)大學，2009：9，18.

［5］徐國慶.職業(yè)教育原理［M］.上海：上海教育出版社，2007：12-14.

［6］教育大辭典編纂委員會.教育大辭典（第3卷）［Z］.上海：上海教育出版社，1991：227-341.

［責任編輯曹穩(wěn)］

國家社會科學基金“十二五”規(guī)劃2013年度教育學一般課題“中國現(xiàn)代職業(yè)教育理論體系：概念、范疇與邏輯”（項目編號：BJA130096）

王良，男，天津科技大學教育發(fā)展研究中心助理研究員，主要研究方向為教育理論與政策；梁卿，男，天津職業(yè)技術師范大學副教授，教育學博士，主要研究方向為職業(yè)教育原理與哲學，職業(yè)教育評價。

G710

A

1674-7747（2016）19-0001-04