譚正嬌 王文文 余曉鈴

（云南大學 云南 昆明 650000）

國內(nèi)漢語中介語語料庫建立于1995年，建立之初的特點是盡量搜集語料，但對語料的深度分析和挖掘做得不夠。隨著計算機技術(shù)的發(fā)展和成熟，漢語中介語語料庫呈現(xiàn)出新的特點：語料挖掘更加細致，注重用戶體驗，從不同角度建庫，口語語料庫建設(shè)得到重視……這些變化都促進漢語中介語語料庫朝著更好的方向發(fā)展。

一、語料庫研究歷史及語料庫在國際中文專業(yè)的應(yīng)用

語料庫是以計算機為載體承載語言知識的基礎(chǔ)資源，其中存放的是在語言的實際使用中真實出現(xiàn)過的語言材料，這些語言材料經(jīng)過人工處理，最終變成可供使用分析的基礎(chǔ)資源。世界上第一個語料庫是1963年在美國建成的布郎家族語料庫（Brown Corpus），布朗家族語料庫選取了1961年美國出版的各類刊物（小說、期刊等）共500個樣本，每個樣本選取約2000個詞，共計100萬個詞，并按照布朗大學的圖書分類進行目錄分類，層級清晰、系統(tǒng)完善——先把整個語料庫分為兩個大類，再對這兩個大類進行更加精細化的分類，類似于一個蛛網(wǎng)，從中間點不斷向外延伸擴展。[1]我國的漢語中介語語料庫建設(shè)靈感就來源于布朗家族語料庫，其建庫方法、選材等都成為國內(nèi)中介語語料庫的靈感來源。

漢語中介語語料庫以母語為非漢語者的書面學習材料為研究對象，通過全面地記錄學習者的書面語言，經(jīng)過計算機分析，得出學習者學習漢語過程中出現(xiàn)的單項和綜合信息，最終豐富國際中文的教學理論基礎(chǔ)。通過語料庫客觀分析得出的結(jié)論信度較高，更有說服力，區(qū)別于以往語言研究僅憑“語感”得出的結(jié)論。

國內(nèi)于1993年正式提出構(gòu)建漢語中介語語料庫的設(shè)想，在此之前，對語料的搜集整理存在著以下局限：（1）收錄的語料僅是留學生的病句、錯句，語料收集不完整。（2）由于語料收集不成系統(tǒng)和規(guī)模，可能導(dǎo)致得出的理論存在一定偏頗。[2]第一個漢語中介語語料庫于1995年在北京語言學院正式建成，填補了漢語中介語語料庫研究方面的空白，在漢語作為第二語言教學領(lǐng)域里取得了開創(chuàng)性成果。[3]

語料庫作為一種新的研究手段，有著很廣闊的應(yīng)用前景。首先，它可以盡量詳盡地收集學習者的口語、書面語作為研究材料，為國際中文的理論研究提供語料支持；其次，語料庫詳盡地占有語料后，可以為老師的教、學生的學提供教學資源；再次，由語料庫衍生的語料庫語言學，不僅可以為語料庫研究提供支持，還能為社會學、歷史學等學科研究提供幫助；最后，數(shù)據(jù)分析統(tǒng)計軟件和語音轉(zhuǎn)寫軟件的開發(fā)，豐富了語料庫建設(shè)、研究的手段，降低了語料庫建設(shè)過程中需要消耗的人力物力。

二、中介語語料庫國內(nèi)熱點及特點

（一）中介語語料庫國內(nèi)研究熱點

目前，國內(nèi)國際中文中介語研究熱點大致分為語料庫建設(shè)、基于語料庫的研究和語料庫檢索分析軟件的開發(fā)三大模塊。

1.語料庫建設(shè)

自1995年第一個漢語中介語語料庫建成以來，“語料庫建設(shè)”這一課題逐漸成為熱點，國內(nèi)知名的漢語中介語語料庫（已建成且對外開放）包括：

（1）“HSK動態(tài)作文語料庫”——北京語言大學。該庫的特點是：收集了1992—2005年間HSK考試中部分考生的作文語料，共計11569篇語料424萬字，是目前國內(nèi)最大的中介語語料庫；最早公開偏誤標注規(guī)范，其后新建語料庫的偏誤標注均以HSK動態(tài)作文語料庫為范本，再根據(jù)實際需要加以改進。

（2）“留學生漢語中介語語料庫”——暨南大學。該語料庫的特點是：可以根據(jù)兩個詞之間的間距進行檢索，如“不但”“而且”間隔距離為5個詞；根據(jù)句子中的包含關(guān)系進行檢索，如含有“我們”且“他們”的句子。

（3）“中山大學中介語語料庫”——中山大學。該語料庫把偏誤標注分類為“漢字偏誤標注版”和“字、詞、句偏誤標注版”，“錯字語料庫”是該語料庫的一大特點，用戶可以在其中搜索到“中山大學中介語語料庫”里所有錯字的使用情況。

（4）“臺灣師大漢字偏誤庫”——臺灣師范大學。該語料庫是專門針對漢字繁體字偏誤創(chuàng)建的語料庫。

2.基于語料庫的研究

蔡武2017年通過CiteSpaces5.0對國內(nèi)漢語中介語語料庫進行可視化分析，從發(fā)文時間、期刊分布、發(fā)文機構(gòu)等方面考量，認為自“2013年開始，關(guān)于漢語中介語語料庫的論文數(shù)量急劇增長，發(fā)文機構(gòu)、作者相對集中”“形成了偏誤分析與習得研究、語料庫建設(shè)研究和基于國別化的學習者研究是該領(lǐng)域發(fā)展的三大熱點”等結(jié)論。[4]偏誤分析與習得研究偏向于二語學習者在學習目的語的過程中產(chǎn)生的偏誤研究，語料庫建設(shè)研究著重點在如何合理建設(shè)中介語口語語料庫和書面語語料庫，國別化的學習者研究則是通過劃分學習者的國籍，區(qū)分不同國家的學習者在學習漢語時產(chǎn)生的不同偏誤。2015年，漢語“中介語語料庫”建設(shè)漸成高潮。[5]在中國知網(wǎng)（CNKI）以關(guān)鍵詞“對外漢語”“中介語語料庫”進行搜索，共找出相關(guān)期刊、碩博論文559篇，從2015年1月1日至2020年11月20日，共有論文成果250篇，年平均增長量遠超過去23年（1993年1月1日至2014年12月31日）。

3.語料庫檢索、分析軟件的開發(fā)

語料庫建成之后，如何最大限度地利用變成了首要問題。對語料庫不熟悉的人都認為從事語料庫相關(guān)工作需要強大的計算機技術(shù)，其實不然。我們大部分時間做的工作是如何把語料庫當作一個工具，利用它來研究其他東西，因此大部分語料庫使用者需要的是簡單、強大、易上手的檢索分析軟件。目前在國內(nèi)，AntConc、PowerConc等是比較熱門的軟件，以AntConc為例，該軟件有以下優(yōu)點：一是不需要強大的計算機專業(yè)背景知識，大部分人很快就能學會如何使用；二是文本導(dǎo)入后可以生成關(guān)鍵詞表，統(tǒng)計詞匯出現(xiàn)的頻率并自動保存；三是檢索項分為初級檢索和高級檢索，用戶能根據(jù)自己的實際需求設(shè)置檢索級別。

（二）中介語語料庫國內(nèi)研究特點

張寶林認為，以2018年用計算機語言形成新的語料庫軟件系統(tǒng)開發(fā)為界，我國的漢語中介語語料庫可以分為1.0時代和2.0時代。[6]1.0時代是漢語中介語語料庫的奠基期，這一時期的語料庫擁有大量的語言材料，但由于計算機技術(shù)等條件限制，擁有的語言材料沒能被很好地加工轉(zhuǎn)化成規(guī)范的語料以供進一步研究，是“粗放型”的語料庫，此外，還有系統(tǒng)漏洞多、查詢條件設(shè)置不合理等缺憾。自2018年1月開始，用計算機語言處理大量繁雜的初始文字資料，大大提高了工作效率，中介語語料庫正式進入2.0時代。2.0時代在繼承了1.0版優(yōu)勢的基礎(chǔ)上，還著重于優(yōu)化用戶體驗，增強系統(tǒng)穩(wěn)定性。

目前國內(nèi)的中介語語料庫建設(shè)還有以下幾個特點：

1.語料來源方面

一是來源于教師在教外國留學生的過程中，留學生提交的書面作業(yè)；二是來源于學生在實習過程中收集到的語料。

在這一過程中，語料庫呈現(xiàn)出以下特點：（1）語料大部分是學習者以書面語呈現(xiàn)出來的材料，如遣詞造句、小作文等。（2）語料庫來源大部分是初、中級學習者，原因是目前在學習漢語的外國人當中，初、中級學習者占大部分比例，零基礎(chǔ)和高級學習者占比較少。（3）語言原材料大多數(shù)是對同一階段的學生進行集體性材料收集，少有針對某一個學習者的追蹤調(diào)查。

2.建庫方面

（1）國內(nèi)大部分中介語語料庫還是書面語語料庫，少有對學習者口語語料進行收集整理和研究的語料庫，國內(nèi)最先開展口語語料庫建設(shè)的是暨南大學，但尚未對外開放。（2）大部分國際中文教師沒有意識到語料庫建設(shè)的重要性，一線教師沒有收集語料的習慣，導(dǎo)致語料流失。

3.其他方面

（1）基于語料庫的研究僅限于少數(shù)方面，如偏誤分析、中介語研究等，其他方面少有涉及。（2）目前國內(nèi)針對漢語中介語檢索的軟件過少，導(dǎo)致千辛萬苦建起來的語料庫最終因為“不好用”而被遺棄，沒有達到最初建庫的目的。

三、語料庫建設(shè)對國際中文的影響

雖然國內(nèi)中介語語料庫建設(shè)和使用還存在較大空白，但中介語語料庫的建設(shè)無疑會給國際中文專業(yè)帶來正面影響：

（一）對國際中文專業(yè)學術(shù)研究的影響

建設(shè)中介語語料庫，可以為國際中文的學科發(fā)展提供理論知識和數(shù)據(jù)支持。語料收集、語料庫建設(shè)、語言教學是一個良性循環(huán)的過程——在教學中收集到的語料可以用于語料庫建設(shè)，語料庫建設(shè)過程中產(chǎn)生的問題和成果可以用作后續(xù)實際教學的理論支撐。另外，語料庫中的語料全部來源于真實的書面語或者口語材料，這為有關(guān)學者編寫國際中文教材提供了貼近真實生活的材料，因此，國內(nèi)在漢語中介語語料庫建設(shè)方面還大有可為。

（二）對教學者的影響

教師在教學中可以把語料庫當作一本“在線詞典”，遇到不好向?qū)W生解釋的語法點，就能利用語料庫中的語料加以辨析。如教授“拉”和“牽”，運用圖片加語料庫語料的教學辦法，能讓學生更好地理解知識點。另外，教師在教的時候可以有意識地向?qū)W生展示如何使用語料庫進行學習，當學生的知識儲備達到一定層次，就可以探索式地自我學習，以獲得更好的學習效果。

（三）對學習者的影響

學生學會使用語料庫之后，可以自己嘗試對一些知識點進行總結(jié)歸納，再由教師糾偏，這樣不僅能激發(fā)學生的學習興趣，還能提高學習效率。

學習者通過訪問中介語語料庫，可以為自己的學術(shù)研究找到對應(yīng)的理論支撐（如韓國留學生可以找到韓國相關(guān)的語料），還可以通過對前人學習過程的總結(jié)歸納，總結(jié)出一套適合自己甚至適用于本國留學生的學習方法，為本國學生學習漢語掃平一些障礙。

（四）對與國際中文專業(yè)相關(guān)的軟件開發(fā)影響

評價一個專業(yè)是否有研究前景和應(yīng)用價值，要看它是否具有相關(guān)理論支撐和技術(shù)支持。國內(nèi)漢語中介語語料庫迄今已走過25年時光，每一次進步都離不開計算機技術(shù)的發(fā)展，各類統(tǒng)計、分析、轉(zhuǎn)寫軟件技術(shù)的日趨完善，使軟件技術(shù)在語料庫建設(shè)中起到了不可替代的作用。從建設(shè)語料庫需要用到的HunAlign、WinAlign等工具，到檢索語料庫用到的Antconc、Powerconc等軟件，語料庫建設(shè)依托于計算機軟件的開發(fā)，正發(fā)生著日新月異的變化。但語料庫建設(shè)始于國外，很多理論和軟件都是由國外研發(fā)并先行使用，這些軟件更適用于外語語料庫建設(shè)。國內(nèi)針對中介語語料庫的寫入、輸出、檢索等軟件都還留有大片空白等待被填補。只有不斷優(yōu)化升級相關(guān)軟件，讓語料庫建設(shè)和使用過程變得更加經(jīng)濟方便，才能最終造福于我們的語料研究工作和國際中文教學事業(yè)。

四、結(jié)語

目前，國內(nèi)缺少對于口語語料的收集和分析整理。究其原因，是因為口語具有瞬時性的特點，難以收集，口語語料在收集完之后還要花費大量時間轉(zhuǎn)寫成書面材料，雖然現(xiàn)在有語言轉(zhuǎn)寫軟件，但還需人工校對，費時費力；此外，受緊張、壓力、提前準備考試等因素影響，從HSK考試中收集的口語語料，很難準確體現(xiàn)出學習者真實的學習情況變化。從學習者日常交談會話中選擇語料，雖然能反映出學習者的真實水平，但很可能涉及個人隱私，即使學習者同意將語音材料用于研究，也不能大范圍對外開放。

國際中文的教學目標是讓學習者先運用漢語進行日常交際，其次才是書面寫作，加強漢語口語語料庫的建設(shè)，對本學科發(fā)展大有裨益。張寶林在2012年提出建設(shè)“全球漢語中介語語料庫”的計劃，得到了大力支持，“全球”即“語料來自全球、全球共建、全球共享”[7]，可以預(yù)見全球漢語中介語語料庫建成之后，我國的國際中文教學事業(yè)將會前進一大步。

另外，國內(nèi)論文數(shù)據(jù)分析還是比較依賴外國的數(shù)據(jù)分析軟件，我國自主研發(fā)的軟件占比較少，針對性地進行軟件研發(fā)，對國內(nèi)的論文數(shù)據(jù)分析將會起到錦上添花的效果。