基于碎片化信息采集的东莞方言语料库建设过程研究.docVIP

精品文档，助力人生，欢迎关注小编！ 基于碎片化信息采集的东莞方言语料库建设过程研究 打开文本图片集 摘要：基于碎片化信息采集的多模态东莞方言语料库建设，能有效丰富采集内容、立体描述语言体系，提高语言采集效率、准确度，便于公众共享与检索，是目前较为理想的语料库搭建模式。文章从碎片化信息采集为切入点，集中论述了东莞方言语料库建设过程中出现的情况。 关键词：碎片化信息;信息采集;方言;语料库 中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2020）52-0066-03 语言档案资料库建设的关键点和难点在于语言动态采集，在语言交流和接触越来越频繁的今天，语料库建设不能停留在单个方言代表人的采集上，而要广泛采集语言使用者的语言档案，不断地扩大语言采集范围，逐渐消除语言的个体差异，同时也要掌握更多语言变异的情况。 东莞地处珠江口，与广州、惠州、深圳接壤，处于广州话与客家话两种方言之间，境内主要通行东莞话，部分地区通行客家话，在语言调查及语言变异等方面都具有较高的研究价值。目前对东莞方言的调查研究比较丰富，但基本都停留在书面层面。基于碎片化信息采集的语料库可以打破传统语料库采集对象较为单一，采集语料多为预设语料的局限，可以结合自然语料与预设语料，通过多模态的采集方式，整合地方的语言档案。 一、发音人的选取及语言档案采集内容 （一）发音人的选取 发音人的选择是语言档案采集质量的前提与基础。东莞方言语料库在发音人的选取上遵循以下原则： 代表性原则：发音人作为东莞方言的典型代表。在语言调查当中，发音人的选择往往会直接影响到一个调查的准确性，因此发音人的代表性至关重要。传统方言学研究在选择发音人的时候往往会通过年龄、性别、教育和生活环境等因素来甄别。这样的方法在人口流动较少，方言差异比较稳定的地区比较有效。因此过去的方言田野调查只需在选定的地区选取年龄相当、口齿清晰、没有长期离开该地的发音人即可。现代社会，由于人口流动、教育普及、媒体传播等模糊了发音人是否满足代表属性的界限，因此在收集东莞方言语料库时，发音人的代表性尤为关键，应当采用“代表属性”来确定具备代表性的发音人。 差异性原则：发音人涵盖不同范围的人群。传统方言调查为了消除个人语言的特殊性，通常会选取3—4名或者更多的人作为发音合作人，但语料采集范围的狭窄不能完全消除语言的个人差异，特别是在人口构成类别复杂的城市中，不同的人口类别在语言掌握、语言选择、语言使用和语言态度等诸多方面均存在着差异性。因此在采集语料时需要注重发音人的差异化，要选取不同职业类别、不同文化程度、不同年龄、不同地域的发音人。 发展性原则：兼顾发音人的年龄差异，体现语言发展的动态演变。语言是发展的，不同年龄阶段的人群所使用的母语也有所不同。汤志祥，陈永康（2020）调查了深圳一个纯客家话村落20个家庭中三代人的语言使用情况，发现年轻一代的母语方言使用比例下降，出现双语或三语的语言使用状态。双语或多语必然会造成母语的变异，事实上不管是移民还是原居民，在双语或多语的背景下其母语也会发生变异，因此在东莞这个城市化程度较高、语言使用情况较复杂的环境下，要动态收集东莞方言的语料，需要考虑发展性原则，兼顾不同年龄阶段的发音人。 通过以上原则，课题组选取了若干位东莞当地人作为本研究的主要发音人。 （二）语料采集 本文论述的东莞方言语料库的语料采集采取预设语料与自然语料相结合的方式。 预设语料为诱发式语料，语言调查员根据预设的调查材料引导发音人用母语方言说出相应的语料，预设语料分字、词及句子。字的调查用表为中国科学院语言研究所的《方言调查字表》（修订本）以及暨南大学的《广东方言调查通用字表》。其中使用了《方言调查字表》第x、xi、xii页的声调、声母、韵母字对每个发音人进行预调查并进行初步的音系归纳。语音调查方面使用的是暨南大学汉语方言研究中心的《广东方言调查通用字表》A级字表，A级字表收录3743个字，包括汉语通用字以及部分粤方言字。 自然语料采取发音人自由发挥的方式采集，分给定题目及不固定题目两种。给定题目如“节日风俗”“家乡的美食”、“动植物”等，只提供语料范围，要求发音人用母语方言自由表述;不固定题目则不限制语料范围，让发音人随时随地录制方言语料。在采集自然語料的过程中，要求发音人将对应的语料用普通话同时录制，以便后续的转写及归档。 二、语言档案的采集及归档 （一）语料采集的功能软件 东莞方言语料库的建设，采取功能软件进行语料收集工作。其中预设语料部分采取多模态采集，使用的功能软件是由上海高校比较语言学E-研究院以及上海师范大学语言研究所潘悟