【经管类】第六章 语料库研究方法概要
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1）学科属性及定位问题 人文学科 or 自然科学 是否已达到独立学科的地位
2）语料库驱动方法 or 基于语料库的方法 以往语言学研究模式：我的思想、我的框架、我的例
子（例子为理论服务，甚至临时想出来一个） Sinclair主张“干净文本原则”，对语料附码不以为然 Tognini-Bonelli提出语料库驱动这一主张，排斥使用先
专用语料库处理工具:处理特定格式的语料库（如XML格式） 自行开发的专用语料库工具：特定研究目的
E. 相关语言特征的标注和提取
生文本（词汇、搭配、语义韵等） 自动或手工标注（词性标注、句法标注、错误标注等） 标注之后，提取相关特征所出现的频数、语境等相关
信息。频数分析是进一步分析的基础。
C. 选定或建立合适的语料库
中国英语学习者语料库 英国国家语料库 比较：观察语料库(observed corpus)
参照语料库(reference corpus) *用于比较的两个语料库应该在尽可能多的维度上具有一
致性。（中国学生的英语作文与美国英语口语×）
D. 选定合适的语料库处理工具
通用语料库处理工具：功能全面，处理纯文本(AntConc, WordSmith Tools)
F. 统计分析
卡方检验（不需标准化，也可比较） 对数似然率（不需标准化，也可比较） 相关性分析 频数标准化处理(normalization),得到标准化频率，然后进一步比较和分
析 聚类分析(cluster analysis) 对应分析(correspondence analysis) 相关分析(correlation analysis) 多元回归(multiple regression)
第六章 语料库研究方法概要
1. 语料库研究方法简介
语料库语言学是20世纪50年代就流行的，以实证和统计为主要手 段的研究方法
根据研究中对语料库依赖程度的不同，分为：
1）语料库指导的方法(corpus-informed approach) 2）基于语料库的方法(corpus-based approach) 3）语料库驱动的方法(corpus-driven approach)
B. 确定可靠的分类体系和操作方案
C. 选定或建立合适的语料库
D. 选定合适的语料库处理工具
E. 相关语言特征的标注和提取
F.
统计分析
G. 数据的解释
H. 得出结论
A. 提出研究假设
研究假设：是对有关自变量(independent variable)和因变量 (dependent variable)之间关系的一种预测(prediction)
G. 数据的解释
统计分析后，可以发现两个语料库之间存在显著差异 或某种相关性
结合理论和前人的相关研究成果，对所得数据作出解 释
对于同样的数据，不同的研究者基于不同的理论对数 据作出不同的解释，重在自圆其说。
H. 得出结论 结论一般只有两种可能性 假设成立或不成立
2. 语料库研究方法的局限性及研究创新
由研究者根据以往的语言研究成果或对语言的认识，首先提出假 设，然后到语料库中去验证假设。
假设是否成立取决于语料库中的语言实例 一些传统的概念和理论被进一步验证或延伸 以概率为基础，是统计学和实证研究方法在语料库语言学领域的
具体应用 验证假设法(hypothesis-testing)
3）语料库驱动的方法(corpus-driven approach)
例： 假设一：被动语态是学术英语的重要特征； 假设二：被动语态的使用频率与学习者作文的质量有关
B. 确定可靠的分类体系和操作方案
分类：同样的事物可以采用不同的分类方法 操作化：选择合适的方式对某种概念性的东西进行测量，进行量
化研究Байду номын сангаас适用于大多数实证研究。 例： 被动态可分为长被动结构（带by+施动者）和短被动结构 也可以按其中的助动词是否有be动词来分 The road is being repaired. He got injured in an accident.
1）语料库指导的方法(corpus-informed approach)
Michael McCarthy在多年编写教学材料过程中，倡 导：对语料库进行分析，得到各种词语、搭配和结 构在预料库中的出现频率、使用场合、语体等信息， 然后在这些信息的指导下编写合适的教学材料。
2）基于语料库的方法(corpus-based approach)
Smadja:又加入了搭配词的词性信息。 搭配统计需要计算：1）搭配词与节点词的同现频率及
分布；2）该搭配词在线性序列中的位置分布；3）搭 配词与节点词在语法关系上的互相选择 问题：到这一步也只是能获得两个词的搭配序列（多 个词？）
5) CIA (Contrastive Interlanguage Analysis) A. 定义：通过对比本族语与学习者的英语运用，对比差异来判断 学习者的典型困难和不足，从而作为进一步补偿教学的依据。
we
538
8099
22.929
English
153
1170
22.335
to
403
9918
9.254
问题：只获得了在某一个设定的跨距内词语同现的大
致印象 ，无法确切知道某一个搭配词与节点词的横向
位置关系（位置、方向）。
u
Wordsmith Tools: 标注了每一个搭配词在节点词左右 位置上的分布。
验的理论和分类框架进行语料库研究的方法，提倡从 语料中获得理论和分类依据
语
3) 语料库分析的层次及设计问题 目前研究：局限于词语及短语水平
话语 文本群落
文本 句子 词语、短语、音韵句法 形态
4）词语搭配统计及相关问题
（learn)
搭配词
共现频数
总频数
Z值
knowledge 136
489
34.693
对语料库进行分析之前无任何假设 对语料库中的所有例证进行穷尽性分析和归类，得出
有关语言使用情况的假设乃至结论。 基本程序“观察—假设—归纳—理论整合” 探索/描述法(exploratory/descriptive)
2）基于语料库的方法(corpus-based approach)
A. 提出研究假设
2）语料库驱动方法 or 基于语料库的方法 以往语言学研究模式：我的思想、我的框架、我的例
子（例子为理论服务，甚至临时想出来一个） Sinclair主张“干净文本原则”，对语料附码不以为然 Tognini-Bonelli提出语料库驱动这一主张，排斥使用先
专用语料库处理工具:处理特定格式的语料库（如XML格式） 自行开发的专用语料库工具：特定研究目的
E. 相关语言特征的标注和提取
生文本（词汇、搭配、语义韵等） 自动或手工标注（词性标注、句法标注、错误标注等） 标注之后，提取相关特征所出现的频数、语境等相关
信息。频数分析是进一步分析的基础。
C. 选定或建立合适的语料库
中国英语学习者语料库 英国国家语料库 比较：观察语料库(observed corpus)
参照语料库(reference corpus) *用于比较的两个语料库应该在尽可能多的维度上具有一
致性。（中国学生的英语作文与美国英语口语×）
D. 选定合适的语料库处理工具
通用语料库处理工具：功能全面，处理纯文本(AntConc, WordSmith Tools)
F. 统计分析
卡方检验（不需标准化，也可比较） 对数似然率（不需标准化，也可比较） 相关性分析 频数标准化处理(normalization),得到标准化频率，然后进一步比较和分
析 聚类分析(cluster analysis) 对应分析(correspondence analysis) 相关分析(correlation analysis) 多元回归(multiple regression)
第六章 语料库研究方法概要
1. 语料库研究方法简介
语料库语言学是20世纪50年代就流行的，以实证和统计为主要手 段的研究方法
根据研究中对语料库依赖程度的不同，分为：
1）语料库指导的方法(corpus-informed approach) 2）基于语料库的方法(corpus-based approach) 3）语料库驱动的方法(corpus-driven approach)
B. 确定可靠的分类体系和操作方案
C. 选定或建立合适的语料库
D. 选定合适的语料库处理工具
E. 相关语言特征的标注和提取
F.
统计分析
G. 数据的解释
H. 得出结论
A. 提出研究假设
研究假设：是对有关自变量(independent variable)和因变量 (dependent variable)之间关系的一种预测(prediction)
G. 数据的解释
统计分析后，可以发现两个语料库之间存在显著差异 或某种相关性
结合理论和前人的相关研究成果，对所得数据作出解 释
对于同样的数据，不同的研究者基于不同的理论对数 据作出不同的解释，重在自圆其说。
H. 得出结论 结论一般只有两种可能性 假设成立或不成立
2. 语料库研究方法的局限性及研究创新
由研究者根据以往的语言研究成果或对语言的认识，首先提出假 设，然后到语料库中去验证假设。
假设是否成立取决于语料库中的语言实例 一些传统的概念和理论被进一步验证或延伸 以概率为基础，是统计学和实证研究方法在语料库语言学领域的
具体应用 验证假设法(hypothesis-testing)
3）语料库驱动的方法(corpus-driven approach)
例： 假设一：被动语态是学术英语的重要特征； 假设二：被动语态的使用频率与学习者作文的质量有关
B. 确定可靠的分类体系和操作方案
分类：同样的事物可以采用不同的分类方法 操作化：选择合适的方式对某种概念性的东西进行测量，进行量
化研究Байду номын сангаас适用于大多数实证研究。 例： 被动态可分为长被动结构（带by+施动者）和短被动结构 也可以按其中的助动词是否有be动词来分 The road is being repaired. He got injured in an accident.
1）语料库指导的方法(corpus-informed approach)
Michael McCarthy在多年编写教学材料过程中，倡 导：对语料库进行分析，得到各种词语、搭配和结 构在预料库中的出现频率、使用场合、语体等信息， 然后在这些信息的指导下编写合适的教学材料。
2）基于语料库的方法(corpus-based approach)
Smadja:又加入了搭配词的词性信息。 搭配统计需要计算：1）搭配词与节点词的同现频率及
分布；2）该搭配词在线性序列中的位置分布；3）搭 配词与节点词在语法关系上的互相选择 问题：到这一步也只是能获得两个词的搭配序列（多 个词？）
5) CIA (Contrastive Interlanguage Analysis) A. 定义：通过对比本族语与学习者的英语运用，对比差异来判断 学习者的典型困难和不足，从而作为进一步补偿教学的依据。
we
538
8099
22.929
English
153
1170
22.335
to
403
9918
9.254
问题：只获得了在某一个设定的跨距内词语同现的大
致印象 ，无法确切知道某一个搭配词与节点词的横向
位置关系（位置、方向）。
u
Wordsmith Tools: 标注了每一个搭配词在节点词左右 位置上的分布。
验的理论和分类框架进行语料库研究的方法，提倡从 语料中获得理论和分类依据
语
3) 语料库分析的层次及设计问题 目前研究：局限于词语及短语水平
话语 文本群落
文本 句子 词语、短语、音韵句法 形态
4）词语搭配统计及相关问题
（learn)
搭配词
共现频数
总频数
Z值
knowledge 136
489
34.693
对语料库进行分析之前无任何假设 对语料库中的所有例证进行穷尽性分析和归类，得出
有关语言使用情况的假设乃至结论。 基本程序“观察—假设—归纳—理论整合” 探索/描述法(exploratory/descriptive)
2）基于语料库的方法(corpus-based approach)
A. 提出研究假设