劉皓

摘要：中國語料庫的研究歷經(jīng)了30多年的發(fā)展，已經(jīng)取得了長足的進步，并呈現(xiàn)出了一定的發(fā)展趨勢。本文通過文獻計量法分析語料庫在中國的研究發(fā)展趨勢：整理了中國知網(wǎng)（CNKI）1982年至2016年與語料庫研究有關(guān)的文獻11056篇；對文獻年度數(shù)量、文獻來源、研究層次、研究學(xué)科、發(fā)表機構(gòu)、論文作者、科技成果、經(jīng)費支持、人才培養(yǎng)等進行了詳細(xì)分析。將語料庫研究在中國的發(fā)展劃分為3個階段：1982年至1999年的萌芽階段，2000年至2010年的快速增長階段，2011年至2016年的高速成長階段?？偨Y(jié)和探索了語料庫在中國的研究變化趨勢，指出目前語料庫研究存在的不足。旨在進一步服務(wù)和推動中國語料庫研究的持續(xù)健康發(fā)展。

關(guān)鍵詞：文獻計量學(xué) CNKI 語料庫

中圖分類號：H0 文獻標(biāo)識碼：A 文章編號：1009-5349（2017）08-0170-04

語料庫語言學(xué)是在文本語料的基礎(chǔ)上進行語言研究的一門學(xué)科（楊惠中，2002），被稱為結(jié)構(gòu)主義語言學(xué)派與功能主義語言學(xué)派，“兩陣對壘天平上的一個舉足輕重的砝碼”（劉楊，2009），亦是語言學(xué)科中飆升最快的學(xué)科之一?，F(xiàn)代大型電子語料庫及相關(guān)研究，始于20世紀(jì)60年代大西洋兩岸。今年是世界上第一個機讀英語語料庫（布朗語料庫，Brown Corpus）建立50周年的時候。50年來，西方學(xué)者在語料庫研究成果應(yīng)用方面已積累了大量的經(jīng)驗，以語料庫為基礎(chǔ)的語言學(xué)研究在語言學(xué)和計算機科學(xué)研究中都取得了豐碩的成果，語料庫的建設(shè)得到了世界各國的廣泛重視。世界上的主要語言都建立了許多不同規(guī)模、不同類型的語料庫，語料庫的加工程度越來越深，語料庫的應(yīng)用范圍也越來越廣，語料庫在語言學(xué)研究和自然語言處理中發(fā)揮了越來越重要的作用。語料庫已經(jīng)成為現(xiàn)代語言學(xué)研究的重要基礎(chǔ)，在語法書編寫、詞典編纂、教育教學(xué)上都有諸多經(jīng)典案例。

20世紀(jì)80年代以來，隨著計算機應(yīng)用技術(shù)的不斷發(fā)展，在中國，語料庫語言學(xué)從萌芽到蓬勃發(fā)展。30多年來，中國的語料庫語言學(xué)者篳路藍縷，從草創(chuàng)到開拓，從試驗到創(chuàng)新，功不可沒。他們創(chuàng)建語料庫，培育團隊，立足本土開展語料庫應(yīng)用，引介與創(chuàng)新并重，如今已成果繽紛，蔚然可觀。（《語料庫語言學(xué)》發(fā)刊詞，2014）

文獻計量分析對把握特定領(lǐng)域的研究進展和研究熱點有很好的效果，與傳統(tǒng)經(jīng)驗判斷的方法相比能夠得出更為客觀可信的結(jié)論。（翁勝斌，2013）中國知網(wǎng)（CNKI）是目前國內(nèi)最具權(quán)威的數(shù)字圖書館之一，中國知網(wǎng)（CNKI）幾乎囊括了所有國內(nèi)發(fā)行的相關(guān)文獻資料。因此，本文將以知網(wǎng)（CNKI）作為研究數(shù)據(jù)庫，將語料庫作為關(guān)鍵詞進行全范圍搜索，通過搜索結(jié)果進行分類及人工檢驗，采用文獻計量法，從載文分析、研究層次、研究學(xué)科以及文獻來源等方面，對30年來我國語料庫語言學(xué)研究成果進行了系統(tǒng)的分析總結(jié)，探索語料庫在我國的研究變化趨勢，以期進一步服務(wù)和推動我國語料庫研究的持續(xù)健康發(fā)展。

一、數(shù)據(jù)來源及研究方法

數(shù)據(jù)來源：中國知網(wǎng)（CNKI），文獻總數(shù)：11056篇；檢索條件：發(fā)表時間在1980年1月1日，到2016年12月31日并且（關(guān)鍵詞=語料庫不包含關(guān)鍵詞=語料）或者[題名=中英文擴展（語料庫）并且題名=中英文擴展（語料）精確匹配]，專輯導(dǎo)航：哲學(xué)與人文科學(xué)，社會科學(xué)Ⅰ輯，社會科學(xué)Ⅱ輯，信息科技，經(jīng)濟與管理科學(xué)。數(shù)據(jù)庫種類：期刊、特色期刊、國際會議、國內(nèi)會議、博士論文及碩士論文等。

本文主要采用文獻計量法，從以下9個方面進行全面分析。

二、語料庫文獻計量分析

（一）載文分析

在中國對語料庫的研究是從20世紀(jì)80年代初興起的。檢索結(jié)果顯示，1982年由楊惠中和黃人杰聯(lián)合撰寫發(fā)表在《外語教學(xué)與研究》的“JDEST科技英語計算機語料庫”是國內(nèi)最早研究語料庫的公開文獻。

總體來看，1982年以來，中國語料庫研究相關(guān)文獻數(shù)量呈現(xiàn)不斷上升趨勢（圖1），據(jù)此可將中國語料庫研究劃分為三個階段：

第一階段（1982—1999年）：萌芽階段。我國語料庫研究發(fā)展特征為文獻數(shù)量少（文獻148篇，占比13%），這期間，研究機構(gòu)理工院校居多，清華大學(xué)、哈爾濱工業(yè)大學(xué)、國防科學(xué)技術(shù)大學(xué)、華中理工大學(xué)等都在其列。文獻前三者依次為清華大學(xué)、北京郵電大學(xué)和南京大學(xué)；涉及的學(xué)科有12個，位居前三位的是計算機軟件及計算機應(yīng)用（328%）、中國語言文學(xué)（322%）和外國語言文學(xué)（198%）。

第二階段（2000—2010年）：我國語料庫研究快速增長（文獻3718篇，占比337%）。文獻總數(shù)較第一階段增長了25倍，特別是碩博論文由2篇增加到900篇；涉及的學(xué)科有40余個，位居前三的為外國語言文學(xué)（573%）、中國語言文學(xué)（250%）和計算機軟件及計算機應(yīng)用（133%）；研究機構(gòu)中外國語大學(xué)和師范院校有了顯著的增加，文獻前三者依次為大連海事大學(xué)、上海交通大學(xué)和北京語言大學(xué)。

第三階段（2011—2016年）為高速發(fā)展階段（文獻7190篇，占比650%），文獻數(shù)量呈指數(shù)型增長態(tài)勢；外國語言文學(xué)（658%）、中國語言文學(xué)（267%）和計算機軟件及計算機應(yīng)用（51%）仍位居前三，但涉及的學(xué)科更多。比如：貿(mào)易經(jīng)濟、汽車工業(yè)、體育及宗教等；研究機構(gòu)的絕大多數(shù)是外語和師范院校，大連海事大學(xué)、上海交通大學(xué)仍占據(jù)文獻前三者。這期間隨著科學(xué)研究者的增加、各領(lǐng)域多元化的發(fā)展趨勢以及充分的技術(shù)支持，從2011年起，每年的文獻增加量趨于高速穩(wěn)定狀態(tài)，2014年達到了峰值（1326篇）。由此可知，國內(nèi)關(guān)于語料庫的研究隨著時間流逝而愈加成熟，這是學(xué)術(shù)類科學(xué)研究最健康的體現(xiàn)趨勢。

（二）研究層次

在中國有關(guān)語料庫的研究主要集中在哲學(xué)與人文科學(xué)（845%）、信息技術(shù)（103%）、社會科學(xué)（38%）等三大領(lǐng)域；基礎(chǔ)科學(xué)（自然）、工程技術(shù)、農(nóng)業(yè)技術(shù)、醫(yī)療衛(wèi)生科技僅占比10%；經(jīng)濟與管理科學(xué)占比04%。研究層次有基礎(chǔ)研究（社科）、高等教育、基礎(chǔ)教育、工程技術(shù)（自科）、行業(yè)指導(dǎo)（社科）、基礎(chǔ)與應(yīng)用基礎(chǔ)研究等19個類別。基礎(chǔ)研究（社科）、高等教育、基礎(chǔ)教育和工程技術(shù)（自科）等4類文獻就占總文獻的827%，其中涉及基礎(chǔ)研究（社科）的文獻數(shù)量最多，共6528篇，占總數(shù)的590%。（圖2）

（三）涉及學(xué)科

語料庫研究的文獻涉及的學(xué)科多達四十余個，除語言、文學(xué)、教育及計算機應(yīng)用等外，還涉及圖書情報、貿(mào)易經(jīng)濟、旅游、管理學(xué)、考古、宗教、體育、音樂等。這說明語料庫技術(shù)在語料庫語言學(xué)方面運用得日益成熟之外，也萌芽了其他方向的學(xué)科，嘗試把語料庫這項技術(shù)融入本學(xué)科，表現(xiàn)出這項技術(shù)多元化的潛力。

文獻數(shù)量排名前10的學(xué)科有外國語言文字、中國語言文字、計算機軟件及計算應(yīng)用、文藝?yán)碚摗⒅械冉逃?。（圖3）英語在外國語言文字文獻類中占比954%，英語教育、翻譯及寫作是語料庫研究的主體。中國語言文字研究文獻依次為漢語（523%）、語言學(xué)（443%）和中國少數(shù)民族語言（34%），漢語教育，語義、詞匯、詞義和語法是中國語言文字研究的重點。

（四）發(fā)表機構(gòu)

參與語料庫研究的機構(gòu)多達上百個，前10個機構(gòu)總文獻數(shù)量占所有文獻數(shù)量的159%（圖4），表明國內(nèi)語料庫研究機構(gòu)之多，各機構(gòu)文獻所占比例相對平均，發(fā)展均衡。大學(xué)為研究語料庫最主要的機構(gòu)，發(fā)文數(shù)量最多的前40個研究機構(gòu)均為大學(xué)。大連海事大學(xué)發(fā)表碩士論文最多（225篇）；發(fā)表博士論文最多的是山東大學(xué)（29篇）和上海外國語大學(xué)（29篇）；發(fā)布期刊論文最多的是上海交通大學(xué)（157篇），在特色期刊發(fā)布論文最多的是和河南師范大學(xué)（21篇）；國內(nèi)外會議交流文章最多的是北京語言大學(xué)，分別為27和25篇。

（五）論文作者

發(fā)表文章前5名的作者為何安平（華南師范大學(xué)）、陳建生（天津科技大學(xué)）、王克非（北京外國語大學(xué)）、胡開寶（上海交通大學(xué)）和毛文偉（上海外國語大學(xué)）。（圖5）

文章被引次數(shù)前5名的作者為解放軍外國語學(xué)院濮建忠（1061次）、上海交通大學(xué)衛(wèi)乃興（972次）、南京大學(xué)的文秋芳等（580次）、廣東外語外貿(mào)大學(xué)杜金榜（428次）和華南師范大學(xué)何安平（280次）。

文章下載次數(shù)前5名的作者為解放軍外國語學(xué)院濮建忠（8389次）、廣東外語外貿(mào)大學(xué)桂詩春（7650次）、山東大學(xué)尹海良（6737）、華中師范大學(xué)何婷婷（6159）和華南師范大學(xué)（5883）。

維吾爾語語料庫研究發(fā)表文章最多的是新疆大學(xué)吐爾根；蒙古語語料庫研究發(fā)表文章最多的是內(nèi)蒙古大學(xué)華沙寶；藏語語料庫研究發(fā)表文章最多的是青海師范大學(xué)才加讓。

（六）文獻來源與數(shù)據(jù)庫

本文文獻檢索使用了6個數(shù)據(jù)庫，它們分別是：中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫，中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫，特色期刊，中國重要會議論文全文數(shù)據(jù)庫，國際會議論文全文數(shù)據(jù)庫和中國博士學(xué)位論文全文數(shù)據(jù)庫。（圖6）中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫和中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫中的文獻數(shù)量最多，二者文獻占文獻總數(shù)的847%。從分析可以看出，語料庫語言學(xué)這一新型技術(shù)在進行語料庫應(yīng)用研究的同時，也是研究生完成碩士學(xué)位論文的主要研究項目。

刊登語料庫研究文章最多的期刊是海外英語、外語電化教學(xué)、解放軍外國語學(xué)院學(xué)報、現(xiàn)代語文（語言研究版）、中文信息學(xué)報等。（圖7）發(fā)表碩士研究生學(xué)位論文最多的機構(gòu)是大連海事大學(xué)，發(fā)布博士研究生學(xué)位論文最多的機構(gòu)是山東大學(xué)。

（七）科技成果、專利與標(biāo)準(zhǔn)

1.科技成果

語料庫研究的科技成果僅有23項：計算機軟件及計算機應(yīng)用11項，外國語言文字5項，中國語言文字2項，圖書情報與數(shù)字圖書館、初等教育與文化經(jīng)濟各1項。獲得科技成果最多的是青海師范大學(xué)（3項）。

2.專利

語料庫研究共獲得專利49項：計算機軟件及計算機應(yīng)用38項，電信技術(shù)7項，計算機硬件技術(shù)4項。申請專利的國家有中國、美國和日本。申請專利較多的機構(gòu)依次為美國微軟公司（4項）、日本東芝株式會社（2項）、哈爾濱工業(yè)大學(xué)（2項）、北京語言大學(xué)（2項）及摩托羅拉（中國）電子有限公司（2項）。

3.標(biāo)準(zhǔn)

由中國標(biāo)準(zhǔn)研究中心編制的國家標(biāo)準(zhǔn)《建立術(shù)語語料庫的一般原則和方法》（標(biāo)準(zhǔn)號：GB/T 13725-2001）于2001年11月發(fā)布，2002年6月1日起正式實施。該標(biāo)準(zhǔn)規(guī)定了建立術(shù)語語料庫（簡稱“術(shù)語庫”）的一般原則與方法。適用于術(shù)語庫的研究、開發(fā)、維護及有關(guān)管理工作。

語料庫研究的科技成果、專利和標(biāo)準(zhǔn)如此之少，超出了想象，也反映了中國在這方面的研究水平和國外比有很大差距，需要引起足夠的重視。

（八）資金來源

長期且穩(wěn)定的資金來源對從事科學(xué)研究來說是必不可少的。因此，我們需要對資金來源機構(gòu)進行定量分析。從檢索的數(shù)據(jù)來看，共有1479篇文章受到國家社會科學(xué)基金的資助，資助率為134%。共49項各類基金參與資助，其中國家社會科學(xué)基金、國家自然科學(xué)基金、國家高技術(shù)研究發(fā)展計劃、國家重點基礎(chǔ)研究發(fā)展計劃資助最多。（圖7）

從事語料庫研究的學(xué)者大部分沒能獲得國家層面的經(jīng)費資助，這從一個側(cè)面反映了社會科學(xué)研究的現(xiàn)狀，應(yīng)該引起管理部門的重視。

（九）人才培養(yǎng)

30多年來，培養(yǎng)與語料庫研究有關(guān)的博士研究生141名、碩士研究生2433名。第一個語料庫碩士研究生（汪冰，1997）和第一個語料庫博士研究生（王斌，1999）均誕生在中國科學(xué)院計算機研究所。培養(yǎng)20名以上研究生的機構(gòu)有41所。（圖9）大連海事大學(xué)培養(yǎng)的碩士研究生最多（225名）。山東大學(xué)培養(yǎng)的博士研究生最多（29名）。

三、結(jié)語

中國語料庫的研究歷經(jīng)35年的發(fā)展，已經(jīng)取得了長足的進步，并呈現(xiàn)出了一定的發(fā)展趨勢。首先，語料庫研究領(lǐng)域不斷擴展，從語言學(xué)、文字學(xué)、語法學(xué)發(fā)展到寫作學(xué)、詞典學(xué)、方言學(xué)、修辭學(xué)等學(xué)科；從英語語料庫發(fā)展到俄語、日語、法語、德語及西班牙語語料庫；從漢語語料庫發(fā)展到蒙古語、藏語、維吾爾語語料庫；從哲學(xué)與人文科學(xué)、社會科學(xué)發(fā)展到經(jīng)濟與管理科學(xué)。其次，語料庫研究的隊伍不斷壯大，年輕一代的高學(xué)歷復(fù)合型人才正成為語料庫研究的生力軍。此外，由最初的純理論推介研究逐漸轉(zhuǎn)向?qū)嵶C研究，基于數(shù)據(jù)、數(shù)據(jù)驅(qū)動綜合的幾種研究方法得到充分應(yīng)用，語料庫應(yīng)用研究延伸到工程科技、農(nóng)業(yè)科技及醫(yī)藥衛(wèi)生科技等自然科學(xué)領(lǐng)域。

雖然國內(nèi)相關(guān)研究成果頗豐，但仍存在一些研究不足，可作為未來深入探索的研究方向。首先，當(dāng)下研究多局限于英語和漢語，法語、俄語、

西班牙語等語言的語料庫研究較少，阿拉伯語語料庫的文獻更是空白。法語、俄語、

西班牙語等語言的雙語語料庫研究還有很大發(fā)展空間。其次，我國的語料庫研究基本上都在國內(nèi)的中文期刊上發(fā)表，而很少有論文發(fā)表在高層次的國際期刊上，缺少與國際學(xué)術(shù)界的互動與交流，以至于國際學(xué)術(shù)界對中國的語料庫研究知之甚少。最后，語料庫應(yīng)用工具軟件的開發(fā)能促進語料庫研究，是語料庫研究的一個重要內(nèi)容，但國內(nèi)在這方面的研究相對薄弱，應(yīng)該引起重視。

參考文獻：

[1]楊惠中.語料庫語言學(xué)導(dǎo)論[M].上海：上海外語教育出版社，2002.

[2]劉楊.語料庫與機器翻譯[J].大眾文藝：學(xué)術(shù)版，2009（12）.

[3]譚鍵.語料庫及語料庫語言學(xué)的發(fā)展與應(yīng)用[J].西北工業(yè)大學(xué)學(xué)報社會科學(xué)版，2005（1）.

[4]翁勝斌. CNKI數(shù)據(jù)源的關(guān)鍵詞共現(xiàn)分析與多維尺度分析的現(xiàn)實方法[J].現(xiàn)代情報，2013，33（4）.

責(zé)任編輯：楊國棟