朱慧敏 劉艷梅

(山東財經(jīng)大學 公共外語教學部， 山東 濟南 250014)

1.0 引言

作為二語發(fā)展的重要組成部分，二語書面語(L2 writing,簡稱L2W)發(fā)展特征已引起研究者的高度興趣。梳理已有傳統(tǒng)二語習得理論框架下的L2W發(fā)展研究，發(fā)現(xiàn)雖然研究問題和研究設計各不相同，但研究路線通常為尋找L2W發(fā)展的規(guī)律性特征，探究影響L2W水平的因素(如朱慧敏、王俊菊，2013；程曉龍，2017等)。此類研究多選取有代表性樣本作為研究對象，在數(shù)據(jù)分析時采用量化分析或量化與質(zhì)性分析相結(jié)合的方法，通過計算群體均值得出概括性結(jié)論，增加研究的外在效度。近年來，越來越多的學者認為這種概括性結(jié)論僅能反映二語學習者群組發(fā)展特征，由于個體學習者的發(fā)展軌跡與群體不盡相同，所以平均趨勢對個體學習者而言不具有效性(Larsen-Freeman,2006)。從群組均值得出的結(jié)論一方面抹殺了學習者二語發(fā)展的個體特征，另一方面導致人們認為二語學習有一個預制的固定發(fā)展順序，每個人都要沿著相同的路徑習得第二語言(Lowie & Verspoor,2015)。要揭示學習者個體L2W發(fā)展特征，需要新的理論和方法論的指導。動態(tài)系統(tǒng)理論(Dynamic System Theory,簡稱DST)及其特有的研究方法和分析工具用于二語書面語研究，可以事捷功倍地探究二語學習者個體語言發(fā)展特征。

DST強調(diào)系統(tǒng)的開放性、復雜性、自適應性和非線性發(fā)展，突出個體二語發(fā)展的變異性。DST由Larsen-Freeman(1997)首先應用于二語習得研究，在國外引起強烈反響，至今已產(chǎn)生大量的研究成果(如Larsen-Freeman,2006；Verspoor et al.,2008；Verspoor et al.,2012；Baba & Nitta,2014等)。近年來，國內(nèi)將DST用于L2W發(fā)展研究以實證為主(如鄭詠滟、溫植勝，2013；江韋姍、王同順，2015；鄭詠滟、馮予力，2017；白麗芳、葉淑菲，2018等)。通過系統(tǒng)梳理，已有研究深入挖掘其背后的理論觀和方法論的研究尚不多見。本文將從理論、方法和研究工具三方面系統(tǒng)分析L2W的動態(tài)變化，通過對比傳統(tǒng)的L2W發(fā)展研究，探究L2W動態(tài)發(fā)展理論觀、研究特點及研究方法與工具的應用。最后對現(xiàn)有的基于DST的L2W研究進行反思，以期為L2W教學與研究提供啟示和參考。

2.0 L2W發(fā)展的動態(tài)系統(tǒng)理論觀

2.1 自適應性

結(jié)構(gòu)主義和生成語法學派認為，語言知識是詞匯和語法結(jié)構(gòu)的組合體。結(jié)構(gòu)主義把語言視為孤立的、靜止的、不受語境約束的符號系統(tǒng)。生成語法學派視語言的核心為語法規(guī)則，規(guī)則操縱詞語，詞與句的表征是靜態(tài)的，不隨時間的變化而變化(王濤，2010)。傳統(tǒng)認知語言學視角下的信息加工理論視語言為一套編碼系統(tǒng)，語言被認為是意義的承載者，意義存在于語言之中；交際過程被視為一個線性的、涉及雙方的事件序列(de Bot et al.,2007)。

DST下的語言學習觀從學習者視角解讀二語發(fā)展，認為學習者的語言表現(xiàn)不依賴于先天的模塊或靜態(tài)的語言能力，而是學習者面對交際壓力，結(jié)合特定的時間和空間語境，對語言資源進行“軟裝配”(soft-assemble)的過程(Larsen-Freeman，2018：83)。因此，意義不存在于靜止的語言系統(tǒng)中，而是由學習者實時構(gòu)建出來的。

DST認為學習者與環(huán)境無法分割(de Bot & Larsen-Freeman,2011)。語言發(fā)展過程中，學習者自身內(nèi)在的動態(tài)系統(tǒng)和學習者外在的學習環(huán)境中相互作用、相互影響，使整個二語系統(tǒng)處于不斷的變化之中。語言子系統(tǒng)在發(fā)展過程中相互作用(Larson-Freeman & Cameron,2008；戴運財、周琳，2016；鄭詠滟、馮予力，2017)，互為因果，形成支持、競爭和條件等關系(Verspoor &van Dijk,2011:86)，體現(xiàn)在學習者二語發(fā)展的不同階段。所以，二語的發(fā)展是多種環(huán)境、多種資源在不同層面、不斷互動的過程中，相互協(xié)調(diào)、彼此適應，逐漸達到系統(tǒng)內(nèi)部的重組，實現(xiàn)系統(tǒng)的改變，使二語得以發(fā)展。

2.2 不可預測性

de Bot & Larsen-Freeman(2011)借用沙堡坍塌過程說明了二語發(fā)展的不可預測性。沙灘上起初形狀完好的一座沙堡，由于濕度的變化和外部環(huán)境的作用力，沙粒的粘附力下降，使得系統(tǒng)各部分之間的粘合力越來越弱。但是沙堡的坍塌并非一粒粒平穩(wěn)完成，而是經(jīng)過一段時間，沙堡突然出現(xiàn)部分倒塌，而其它部分可能會出乎意料地屹立很久，整個系統(tǒng)進入了一種新的相對穩(wěn)定的形態(tài)，即吸態(tài)。即便是處于吸態(tài)狀態(tài)下的沙堡，雖然表面上看具有穩(wěn)定性特征，但其內(nèi)部仍處于不斷變化中。因為空氣、溫度、風力等各種因素仍在發(fā)生變化。當交互作用達到一定閾值，沙堡會再次發(fā)生質(zhì)變。學習者L2W發(fā)展過程正像沙堡的變化過程，是動態(tài)的、非線性的，具有很強的不可預測性。

L2W發(fā)展過程是一個從量變到質(zhì)變的非線性過程，屬于非確定性的復雜適應系統(tǒng)。在這一復雜過程中，隨著環(huán)境的互動和語言輸入的增強，學習者的語言系統(tǒng)各指標相互聯(lián)結(jié)，不斷自我調(diào)整、適應和重組，呈現(xiàn)發(fā)展路徑的無規(guī)律性和不可預測性。

2.3 個體變異性

傳統(tǒng)二語習得理論重規(guī)律性特征，輕個體變異性特征，將二語學習的不同結(jié)果歸因于學習者的個體差異或外在環(huán)境的干擾，并視這些差異為語言研究真實數(shù)據(jù)的“副產(chǎn)品”或“噪音”(van Dijk et al., 2011:60)。DST則認為語言變異(variability)是動態(tài)系統(tǒng)固有的特性(Larsen-Freeman & Cameron,2008),是個體語言發(fā)展的核心特征之一(Verspoor & Smiskova,2012)。在語言發(fā)展過程中，系統(tǒng)穩(wěn)定是相對的，變異是必然的，在穩(wěn)定之中往往隱含著諸多變異因素。變異表明學習者仍處于嘗試之中，子系統(tǒng)仍不穩(wěn)定。系統(tǒng)在發(fā)展過程中需要不斷進行自我重組，所以變異是常態(tài)。在DST視域下，變異是系統(tǒng)對環(huán)境靈活適應的結(jié)果，是系統(tǒng)發(fā)展的源泉(van Dijk,2003:129)。沒有變異，系統(tǒng)就處于恒定狀態(tài)，難以發(fā)展。在系統(tǒng)或子系統(tǒng)從一種吸態(tài)向另一種吸態(tài)轉(zhuǎn)變的過程中，變異起推動作用(de Bot et al.,2007:14)。鑒于此，語言系統(tǒng)發(fā)展中的變異性應視為L2W發(fā)展研究中的一個不可忽視的信息源。DST視角下的語言研究目的就是要發(fā)現(xiàn)何種變異能更好地促進二語發(fā)展。

3.0 L2W動態(tài)發(fā)展研究特點

3.1 關注個體語言發(fā)展趨勢

傳統(tǒng)的L2W發(fā)展研究通常通過收集大量的數(shù)據(jù)，計算均值、標準差等，用推斷統(tǒng)計來預測群組性中介語發(fā)展趨勢，考察群組受試的整體表現(xiàn)。因為正態(tài)分布統(tǒng)計假設不同的個體屬于同一類型，因此能對整個群體進行歸納。這種范式只考慮群組受試的總體情況，不考慮組內(nèi)受試的個體差異(蔡金亭，2015)，學習過程中的邊緣變量被視為“噪音”忽略不計(Larson-Freeman & Cameron,2008:40)。

傳統(tǒng)的群組層面的L2W發(fā)展研究僅限于在宏觀上描述和解釋語言習得的發(fā)展趨勢，但不能很好地解釋個體二語發(fā)展特征，忽視了學習者在使用二語過程中出現(xiàn)的不可預測的雜亂無章的個體變異現(xiàn)象。現(xiàn)代混合模型設計可以中和群體內(nèi)的個體變化，將其作為隨機效應納入分析中，從而在頻域內(nèi)進行適當?shù)姆夯?，但是在時域中，這種結(jié)果不具概括性(Lowie & Verspoor,2015)。這是因為群組發(fā)展趨勢掩蓋了個體的多樣化發(fā)展軌跡，屏蔽了個體學習者的語言發(fā)展路徑，所以所得結(jié)論難免“只見森林不見樹木”。

DST認為個體差異是常態(tài)，因為學習者的個體差異和影響語言習得的多種因素的交互，學習者在產(chǎn)出語言過程中，會形成各具特質(zhì)的語言表達(蔡金亭，2015),故個體二語學習者在時間序列里呈現(xiàn)出的變化特征，可以提供更多關于學習者語言發(fā)展路徑的信息，因此不應該在群體均值分析中被“中和”掉。動態(tài)發(fā)展研究的方法強調(diào)在時間序列里對個體學習者進行多次觀察，在多個時間點上收集資料，捕捉個體學習者的語言發(fā)展軌跡。

3.2 突出變量間的交互性

傳統(tǒng)的二語習得研究方法受簡化論(reductionism)的影響，以分離的方式研究語言產(chǎn)出的影響因素,然后把研究發(fā)現(xiàn)匯總起來,認為這樣就能闡釋二語整體發(fā)展情況(Larsen-Freeman,2007)。從二十世紀八十年代至二十一世紀初期，L2W研究受傳統(tǒng)二語習得研究方法的影響，表現(xiàn)出分離式的研究模式。

此類研究雖然驗證了某些因素在L2W中的作用，但是這種簡化的、分離式的研究實則違背了L2W的真實過程，沒有體現(xiàn)出L2W發(fā)展中各種因素如何交互作用，更沒有展示出其發(fā)展變化特征，所以Larson-Freeman在接受冀小婷(2008)采訪時說：“傳統(tǒng)的二語習得研究試圖簡化語言和語言習得的復雜性,用還原論的方法解釋復雜的語言和語言習得現(xiàn)象”。

基于DST的研究視語言發(fā)展為一個包含無數(shù)個子系統(tǒng)的動態(tài)系統(tǒng)，研究子系統(tǒng)之間的交互，發(fā)現(xiàn)由此涌現(xiàn)出的新的語言行為模式(de Bot & Larsen-Freeman,2011)。Spoelman & Verspoor(2010)通過個案研究了L2W的準確性和復雜性，發(fā)現(xiàn)詞匯復雜性和句法復雜性，詞匯復雜性和名詞短語復雜性之間存在相互支持關系，而名詞短語復雜性和句子復雜性之間存在相互競爭關系。鄭詠滟(2018)跟蹤研究了2名高水平二語學習者，發(fā)現(xiàn)他們單詞構(gòu)式、短語構(gòu)式、句子構(gòu)式發(fā)展路徑各不相同，構(gòu)式之間存在復雜的交互模式。

3.3 凸顯動態(tài)發(fā)展中的變異性

傳統(tǒng)L2W的研究大多是基于某一個時間點上的群組數(shù)據(jù)或同一時間點上不同水平學習者群組橫斷面數(shù)據(jù)。這類研究帶有典型的共時性特征，所獲取的數(shù)據(jù)從本質(zhì)上來講反映的都是語言學習者語言使用的結(jié)果，并不能真實反映語言學習者二語發(fā)展的過程。如果語言的發(fā)展是一個非線性的、復雜的動態(tài)過程，子系統(tǒng)在各個層次和時間維度上不斷變化、交互作用，那么橫斷面研究的結(jié)論可能就依據(jù)不足。DST主張將L2W發(fā)展視為一個立足于時間序列的過程來研究(Lowie & Verspoor,2015)。

DST視角下的L2W發(fā)展研究在方法上主張使用縱向個案法、時間序列法和微變化法跟蹤記載一段時間內(nèi)語言變化的完整過程。因為發(fā)展過程中的穩(wěn)定性周圍存在變異性，語言發(fā)展的潛力就在于這種周圍相對穩(wěn)定的變異性(Larsen-Freeman & Cameron,2012:56)。Verspoor等(2008)利用DST的方法分析了1名高級二語學習者3年內(nèi)18次學術寫作中的詞匯和句法復雜性，發(fā)現(xiàn)了個體內(nèi)的變異發(fā)展情況，很好地揭示了L2W發(fā)展過程中的跳躍、突變、甚至倒退的非線性發(fā)展過程。 Baba & Nitta(2014)對2名母語為日語的英語學習者進行了為期30周的觀察，要求受試每周寫一篇作文，考察學習者寫作流利性發(fā)展過程，同樣發(fā)現(xiàn)2位學習者L2W發(fā)展軌跡不同。可見，變異性是L2W動態(tài)發(fā)展研究不可或缺的一部分，研究個體學習者L2W發(fā)展過程中的變異性，可以發(fā)現(xiàn)變異發(fā)生的時間和方式及不同子系統(tǒng)間的交互發(fā)展模式。

4.0 L2W發(fā)展研究方法與工具

4.1 原始數(shù)據(jù)提取方法與工具

L2W發(fā)展研究聚焦于詞匯復雜性和句法復雜性。 詞匯復雜性分析器(Lexical Complexity Analyzer)(Lu,2010,2012)適用于較高水平的二語學習者語料分析，在線使用方便且操作簡單，該軟件的信度和效度較高，已被相關二語寫作研究驗證(如Lu & Ai，2015；鄭詠滟、馮予力，2017等)。此外，V_Size軟件可以用于測量學習者產(chǎn)出詞匯量，軟件生成直觀的詞匯量數(shù)值，有助于了解學習者產(chǎn)出詞匯量的變化(Meara,2005)。

目前較常用的句法復雜性分析軟件系L2SCA(L2 Syntactic Complexity Analyzer)(Lu,2010,2011;Lu & Ai,2015)和Coh-Metrix。Lu(2010)在總結(jié)前人研究成果的基礎上，研發(fā)了這款專門用于分析二語學習者句法復雜性的軟件。L2SCA包含14項指標，測量句法復雜性的五個維度：單位長度、句子復雜性、從屬性、并列性和結(jié)構(gòu)維度。Lu(2011)使用L2SCA對WECCL語料庫中一至三年級英語專業(yè)學習者書面語的句法復雜性發(fā)展特點進行了研究，驗證了L2SCA分析器的信度和效度。Coh-Metrix在線文本分析軟件主要是用來分析句子連貫性，部分可用于分析句法復雜性，是為一語研究設計的，對句法維度不能全面概括。此外，Coh-Metrix對拼寫、詞匯或語法錯誤敏感，學習者的原始語料需要手動進行相關加工處理才能使用(鄭詠滟，2018)。借助以上詞匯和句法分析軟件，能為L2W實證研究提供較高信度和效度的原始數(shù)據(jù)。

4.2 發(fā)展變異研究方法與工具

DST視域下的個體L2W分析手段利用“可視化”工具(van Dijk et al.,2011:62)，對時間序列的數(shù)據(jù)進行分析，能客觀呈現(xiàn)學習者語言發(fā)展變異的過程?？梢酝ㄟ^繪制趨勢線法、移動最大-最小值極值圖、緯度線值圖、再抽樣技術和蒙特卡羅模擬來實現(xiàn)。移動最大-最小值極值圖通過帶寬來呈現(xiàn)學習者語言發(fā)展變異的程度。例如，以3次測量為一個移動窗口，計算最大值和最小值，以示發(fā)展過程中的帶寬變化情況。帶寬越大，變異越大，說明學習者的語言處于重組階段，語言系統(tǒng)具有不穩(wěn)定性；帶寬變小，變異性越小，說明學習者語言系統(tǒng)暫時趨于穩(wěn)定，進入“吸態(tài)”。

圖1以學習者A四個學期內(nèi)完成的12次議論文為例，測量句子復雜度指標每個T單位中的從屬子句數(shù)量(DC/T)為例，描繪了最大-最小值極值圖，最大-最小值間帶寬由小(1-3次)變大(6-9次)，最終趨于平穩(wěn)(10-12次)，反映了DC/T變異的發(fā)展過程，表明學習者的二語在7-9次之間系統(tǒng)處于重組，呈現(xiàn)出較大的變異性，經(jīng)過系統(tǒng)重組最后趨于相對穩(wěn)定。

圖1 學習者A句法復雜性指標DC/T移動最大值-最小值極值圖

鑒于該方法為數(shù)據(jù)可視化方法，難以準確判斷趨勢線呈現(xiàn)的顯著變化是否有統(tǒng)計學意義，還需用定量分析的方法檢驗該變化趨勢。采用再抽樣技術，使用Excel中的加載項Poptools中的Monte Carlo Analysis對原始數(shù)據(jù)進行上千次隨機抽樣模擬，計算所觀察數(shù)據(jù)中偶然波動的概率，當概率P<0.05，則說明不是偶然發(fā)生的隨機波動。反之，則表明變異是由隨機波動引起的，不具有可靠性。

移動最大-最小值極值圖反映了學習者語言發(fā)展過程中的變異范圍，變點分析器(Change-Point Analyser)(https://variation.com/product/change-point-analyzer/)則可以呈現(xiàn)學習者語言發(fā)生突變的具體時間點，將學習者在時間序列中有顯著變化的發(fā)展過程進行分段(Taylor,2000)。

圖2仍以學習者A的DC/T的作文數(shù)據(jù)為例，顯示A在12次寫作過程中，DC/T指標發(fā)生了一次突變，將這段學習過程分為兩段。表1 進一步表明，具體發(fā)生變化的時間點為第5和第7次之間(由0.45227升至0.94658)。發(fā)生變化具有92%的置信度。變點分析器每次變化附有一個置信區(qū)間來定位變化發(fā)生的時間點，置信度設置為95%或90%。對學習者第5次和第7次作文收集時間周圍事件進行調(diào)查，可以幫助研究者找出變化發(fā)生的原因。

圖2 累積和(CUSUM)圖顯示句法復雜性指標DC/T分段顯著變化

表1 學習者A句法復雜度指標DC/T變點分析顯著性變化表

4.3 子系統(tǒng)交互發(fā)展研究方法與工具

DST強調(diào)子系統(tǒng)間的交互發(fā)展，移動相關系數(shù)圖可以描繪子系統(tǒng)間的支持、競爭和波動等發(fā)展模式，從而揭示學習者語言發(fā)展的內(nèi)在動態(tài)機制。下面以學習者A句法復雜性指標——平均T單位長度(MLT)和詞匯復雜性指標——詞匯密度(LD)的發(fā)展關系為例，說明子系統(tǒng)間的交互性。為使數(shù)據(jù)能在同一維度呈現(xiàn)，首先對MLT和LD數(shù)據(jù)進行標準化處理，使其數(shù)值介于0-1之間，然后以5次為一個移動窗口，借助Excel描繪移動相關系數(shù)圖。圖3表明學習者A在四個學期的議論文寫作中MLT和LD的交互發(fā)展經(jīng)歷了三個階段，前期支持，中期波動，后期出現(xiàn)明顯的競爭趨勢。雖然學習者A的1-12次作文中LD與MLT的Spearman相關系數(shù)分析顯示r=0.717,p<0.05,證實了子系統(tǒng)間指標與指標間的顯著相關性，但是Spearman相關系數(shù)分析只能檢驗學習者A的1-12次作文中不同指標的平均值之間的相關性，而移動相關系數(shù)分析法能使時間序列數(shù)據(jù)的不同指標間的動態(tài)交互發(fā)展模式可視化。

圖3 LD與MLT移動相關系數(shù)圖

4.4 構(gòu)建L2W發(fā)展動態(tài)增長模型

上述各種變異和交互分析可以展示語言發(fā)展過程，及不同變量如何隨著時間推移相互影響等重要信息，但還不足以確認觀測值發(fā)展趨勢和證實理論假設。根據(jù)Lowie等人(2011)，動態(tài)模擬二語發(fā)展過程，可以驗證理論假設。衡量模擬結(jié)果的標準，一是觀察模型曲線與觀測數(shù)據(jù)曲線的吻合度；二是計算模型與觀察數(shù)據(jù)間的平方差和(sum of square differences)，該值越小，模型結(jié)果越接近觀察數(shù)據(jù)(江韋姍、王同順，2015)。

下面以學習者A在四個學期12次議論文寫作中的句法復雜性指標從屬子句比率(DC/C)為例，構(gòu)建數(shù)學動態(tài)增長模型。計算機建模的過程可分為三個步驟：首先，使用Excel中的Loess局部加權(quán)回歸，對原始數(shù)據(jù)進行平滑處理，對三個參數(shù)Init_(初始值), Rate_(增長率)和Carcap_(最大承載力)(Verspoor, et al., 2011)進行初始設置，再使用Excel中的規(guī)劃求解功能，求出上述三個參數(shù)的最優(yōu)解，然后描繪出DC/C的動態(tài)增長模型(圖4)。調(diào)整后的模型與觀察數(shù)據(jù)趨勢基本吻合，模型與觀察數(shù)據(jù)間平方差和計算結(jié)果較小，表明模型與實際數(shù)據(jù)擬合性良好，從而進一步確認了觀測趨勢，驗證了理論假設。同時三個參數(shù)的最優(yōu)解能為外語教學提供有意義的參考。

圖4 DC/C 動態(tài)增長模型

5.0 L2W發(fā)展研究反思

DST視角下的L2W發(fā)展研究注重個體內(nèi)的發(fā)展變異性，為了解真實復雜的L2W發(fā)展過程打開了一扇新的窗口。反思當前研究能為未來的L2W發(fā)展研究提供新視角。

第一，DST視角下的L2W研究，聚焦書面語復雜性、準確性和流利性特征的動態(tài)發(fā)展，揭示L2W發(fā)展的個體發(fā)展軌跡。目前已有研究因操作化定義不同，導致研究結(jié)果沒有可比性。 復雜性、準確性和流利性被視為衡量語言水平的測量指標的三個維度，但是針對每個維度的操作化定義在不同研究中各不相同。以目前研究最多的復雜性為例，有的聚焦句法復雜性，有的研究詞匯的復雜性，有的兩者兼顧；在句法復雜性的研究中，測量指標從1個到14個不等(如Lu,2010,2011；鄭詠滟，2015；鄭詠滟、馮予力，2017；鄭詠滟，2018)，究竟哪些指標更能準確地捕捉學習者的語言發(fā)展還需要學界進一步達成共識。

第二，現(xiàn)有的基于DST的L2W發(fā)展研究突出系統(tǒng)內(nèi)子系統(tǒng)交互的研究尚不多見，尤其是國內(nèi)該領域的研究成果更少，通過檢索外語類CSSCI來源期刊僅發(fā)現(xiàn)鄭詠滟、馮予力(2017)、鄭詠滟(2018)和白麗芳、葉淑菲(2018)做了子系統(tǒng)的交互研究。大部分研究局限于L2W特征的一個維度，有必要將多維度，如句法復雜性和詞匯復雜性，結(jié)合起來考察。在研究語言復雜性的同時，結(jié)合準確性和流利性能更全面地洞悉二語發(fā)展的軌跡。除了強調(diào)系統(tǒng)內(nèi)部子系統(tǒng)間的交互，DST還指出二語發(fā)展系統(tǒng)本身也與外部環(huán)境相互適應、相互協(xié)調(diào)，以實現(xiàn)系統(tǒng)的重組，目前針對語言發(fā)展系統(tǒng)與外部環(huán)境交互的研究尚不多見。

第三，國內(nèi)關于DST在L2W發(fā)展方面的研究，還只局限于成人二語。如何在DST視角下研究兒童漢語作為第一語言在復雜性、準確性、流利性特征上的發(fā)展同樣是非常有意義的課題。目前研究中只有吳繼峰(2016a,2016b,2017)研究了母語為英語的漢語學習者的詞匯豐富性、句法復雜性、語言復雜性和準確性的發(fā)展特征。在復雜性、準確性、流利性框架下，以DST為視角研究漢語母語學習者書面語發(fā)展軌跡的研究尚且不多。

6.0 結(jié)語與啟示

近年來，DST在L2W研究中的廣泛應用，為該領域研究和發(fā)展帶來全新的視角。它改變了長期以來基于線性因果關系的研究范式，以多因素的動態(tài)交互理念，探究L2W不同子系統(tǒng)在不同時間段的動態(tài)發(fā)展，更加適合L2W的歷時研究。DST強調(diào)語言發(fā)展是個體使用語言的行為，是認知、心理以及外部環(huán)境因素相互作用的結(jié)果, 而語言變異正是在諸多因素的合力作用下，在不同的時間過程中所表現(xiàn)出的發(fā)展和系統(tǒng)的適應性(王濤，2010)。DST特有的研究方法并不刻意研究語言不同層面之間的區(qū)別，而是著重分析這些層面在不同時間段的狀態(tài)及其交互性，從而發(fā)現(xiàn)怎樣的變異可能會導致語言的發(fā)展。變異的數(shù)量和類型決定語言發(fā)展的軌跡，DST的研究方法和分析工具能比較直觀地發(fā)現(xiàn)語言發(fā)展的軌跡。總之，DST應用于L2W發(fā)展研究實現(xiàn)了從靜態(tài)到動態(tài)、從群體到個體、從分離到交互、從線性到非線性、從規(guī)則到變異的研究范式。

動態(tài)系統(tǒng)觀的L2W發(fā)展研究能對外語教學與研究提供有益的啟示。在教學層面，教師應了解二語學習不是簡單的機械操練的復制過程，同一位教師、同樣的教學法并不一定帶來同樣的教學效果，教與學之間并非簡單的線性因果關系，而是在多種因素相互作用、相互影響的過程中推進語言的發(fā)展。另外，DST下的語言學習研究有助于教師更好地了解個體學習者的二語發(fā)展過程，從而實行因材施教，促進語言學習發(fā)展。 在語言研究層面，考察L2W發(fā)展群體趨勢之余，采用DST特有的研究手段和分析工具，進一步關注個體學習者的語言發(fā)展變異情況，繪制個體學習者L2W的發(fā)展軌跡，可以實現(xiàn)宏觀與微觀、定量與定性、群體與個體、獨立與交互等多方法、多維度、多視角相結(jié)合的研究模式，使研究結(jié)論更具說服力和普適性。