大型中国小学生作文语料库生成.docVIP

大型中国小学生作文语料库生成 　　【摘要】当前，通过收集学生在学习语言时创作的作文来建立学习者语料库并在语料库的基础上开展各种语言研究和教学应用已成为应用语言学的研究热点。目前我国已建立了近十个学习者语料库，包括中国学习者英语语料库和外国学习者汉语语料库。然而，关于中国学习者汉语语料库的建设却关注较少。本研究将凭借北京师范大学现代教育技术研究所在小学长期开展语文教改试验的良好基础建立一个大型中国小学生作文语料库。截至2007年8月，本语料库已建设成为一个涉及小学五个年级、历时五年、字数在1100万以上的大型作文语料库，在小学语文教学、儿童语言发展研究、小学生思维能力发展研究等三个方面有较高的应用价值。 　　【关键词】语料库；小学生；作文 　　【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097 (2008) 12―0045―04 　　 　　语料库(corpora) 是应用计算机技术对大量自然语言材料进行处理(包括预处理、语法自动赋码、自动句法分析、语义分析等)、存储，以供自动检索、索引和统计分析的大型资料库。自二十世纪80 年代末90 年代初开始，各种书面语和口语语料库、通用型和专门语料库纷纷建立， 语料库在语言描述和语言分析中的作用和优势愈来愈明显。在语料库迅速而多元的发展中， 针对外语学习者建立的学习者语料库( learner corpora) 的发展尤为引人注目。 　　 　　一 研究背景及缘起 　　 　　学习者语料库包括学习者书面语语料库和学习者口语语料库两种。无论是学习者书面语语料库， 还是学习者口语语料库， 均与一般的语料库不同， 它们是经过计算机处理的外语学习者的语言产出的文本数据库，属于学习者中介语(inter language )范畴。[1]在国外，据不完全统计，已经建成和在建的学习者英语书面语语料库8个，口语语料库2个，如比利时的ICLE (International Corpus of Learner English)、瑞典Uppsala大学建立的学习者语料库USE、美国的英语学习者语料库MELD、英国的商业性学习者语料库CLC和LLC等[2]。 　　我国的学习者语料库建设与研究开始于上个世纪90年代中期，近年来发展迅速，已处于国际领先水平。这些语料库主要分为两类???一类是中国学习者英语语料库，一类是外国学习者汉语中介语料库。在中国学习者英语语料库方面，已经建成或在建的语料库有6个，如由广东外语外贸大学等学校研制开发的中国英语学习者语料库（CLEC），由华南师大外语系负责建设《中学生书面语语料库》(MSSW)，由香港科技大学的约翰#8226;弥尔顿教授主持开发的香港高中生英语语料库（HKUST），等等。[2] 在外国学习者汉语中介语料库方面，有已建成的北京语言大学的汉语中介语语料库[3]和正在建设的HSK动态作文语料库等[4]。 　　然而，针对以汉语为母语的学习者建立的语料库的发展却不是那么乐观，语料库类型比较单一，主要为口语语料库。已有的以汉语为母语的学习者口语语料库包括：大型儿童口语研究课题“十省市研究”项目收集了2062名三至六岁城镇儿童的语料[5]；2007年建成、包含600名儿童的口语语料的新加坡华族学前儿童口语语料库[6]；已囊括了包括汉语普通话和广州话在内的二十五种语言的数据的儿童语言数据交流系统(Child Language Data Exchange System)，简称CHILDES[7]。语料类型的单一将会大大限制广义的儿童语言学的研究。李宇明指出，广义的儿童语言学，把儿童期的所有语言学习现象作为自己的研究对象，应包括母语口语学习和母语书面语学习等。他还指出，只有全面研究这些语言学习类型，才能建立起具有较强解释力的儿童语言学习理论，也才能够对儿童的母语口语发展认识得更全面。[8] 在我国，儿童母语书面语的学习一般始于小学阶段，我们要研究儿童书面语的发展就必须从小学生的书面语即小学生创作的作文开始，这就要求我们建立一个大规模的小学生作文语料库。众所周知，在建设语料库过程中，主要存在的困难在于需要投入大量的人力物力去通过电脑录入收集上来的学生作文，代价极高，而我们所在的北京师范大学现代教育技术研究所在小学里开展的一项语文教改试验却能够帮助省去人工录入语料的环节，可以大大节省开发中国学习者汉语语料库的人力物力。 　　从2000年9月开始，北京师范大学现代教育技术研究所在小学里进行了一项基于Web的、将信息技术与语文教学有效整合的改革试验。该教改实验的主持人何克抗教授将其称作“小学语文跨越式试验”。本试验的一个重要创新点在于：不再像传统教学中那样将汉字、阅读、作文三个教学环节孤立和割裂，而是在信息技术环境下使三者有机地结合起来。老师鼓励小朋