Doing Corpus Linguistics（语料库语言学实践）

引用

Csomay, E., & Crawford, W. J. (2024). Doing Corpus Linguistics (2nd ed.). Routledge.

章节概要

第二版（2024年，约180–190页）修订了2016年的第一版，新增了练习、例子和参考文献，一份详尽的世界各地英语语料库清单，关于如何识别文本模式的新章节，以及 Cohen 的统计方法（效应量）。全书分三部分共九章，书末附有可用语料库清单。作者面向相对初级的读者写作：也许是第一次接触语料库语言学、统计知识有限甚至没有的人。本书的理论框架是语域分析，作者称这一框架深受 Douglas Biber 和 Susan Conrad 研究的影响。为了避免学生不断重新学习不同的检索界面，书中的项目都使用 Mark Davies 创建的一系列在线语料库，较大的项目则使用一款免费软件。

第一部分 语料库语言学与语域分析导论：第1章：语言学、语料库语言学与语言变异

讨论作为规则和系统的语言、什么是语料库语言学（对真实语言的分析）、语域、体裁与风格的区别，并概述全书。

第2章：语言分析的语域（功能）路径

讨论语域为何重要、什么是语域（功能）分析、如何描述情境特征并确定变量、如何给出功能解释，以及语域研究中的分析单位，并附有章末练习。后面各章要求学生在解释结果时回到这一框架。

第二部分 检索现有语料库：第3章：检索语料库

讨论如何在公开语料库中检索词、搭配词、n元组和词性标注，所用语料库包括 COCA 和 MICASE 等。

第4章：利用公开语料库的项目

整章都是小型项目，先是基于词和短语的项目，再是基于语法的项目，让学生在同一个检索界面上反复练习。

第三部分 建设自己的语料库、分析定量结果并解读数据：第5章：建设自己的语料库

讨论自建语料库、如何确定语料库项目（需要相当长的时间）、在注意版权的前提下建设语料库，以及分析语料库的软件。

第6章：基础统计

讨论为何要做统计分析、基本术语、概念和假设，以及如何获得统计结果，并附有练习。

第7章：统计检验（方差分析、卡方检验、皮尔逊相关）

讨论差异检验和相关检验、如何进行这些检验，以及效应量，并附有练习。

第8章：做语料库语言学

分阶段对自己的项目进行语域分析：情境分析、语言分析、功能解释和报告。示例包括泰语母语者所写英语问题—解决型作文中的 n 元组。据出版社介绍，最终项目既包括书面论文，也包括口头报告。

第9章：前进之路

简要展望超出本书方法的更高级的语料库研究，包括通过因子分析识别共现语言特征的多维分析。

核心概念

第一部分（第1–2章）

• 语料库：按原则收集、用计算机工具分析的真实文本集合。
• 语域、体裁与风格：把语言与使用情境联系起来的三种视角，在第1章中加以区分。
• 情境特征：语域分析首先描述的语境特征（参与者、场合、目的）。
• 功能解释：用语言模式出现的情境来解释这些模式。

第二部分（第3–4章）

• 搭配词：共现频率高于偶然的词。
• n元组：反复出现的词串，如四词词束。
• 词性标注：使基于语法的检索成为可能的词类标签。

第三部分（第5–9章）

• 专门语料库：为回答特定研究问题而建的语料库。
• 标准化频数：按统一文本长度调整后的频率，便于文本之间比较。
• 差异检验与相关检验：方差分析和卡方检验用于差异，皮尔逊相关用于相关关系。
• 效应量：差异有多大，而不只是是否具有统计显著性。
• 多维分析：从共现特征中识别语言变异的维度。

评析

优点

• 为初学者而写。 作者明确面向统计基础很少的首次语料库使用者，统计各章从为什么需要统计讲起。
• 框架统一。 语域分析从第2章一直贯穿到项目章节，学生不仅学会统计语言特征，还学会对其作功能解释。
• 在项目中学习。 第4章专门用于公开语料库上的小型项目，第三部分则带领学生从建设专门语料库一直走到报告最终项目；使用同一系列的在线语料库，减少了技术负担。
• 更新的版本。 出版社列出了新的练习和例子、世界各地英语语料库清单、关于发现文本模式的新章节以及效应量。

局限

• 篇幅短，属入门性质。 全书不到200页，只涉及几类检索和基本检验，不教编程；第9章对多维分析等高级方法也只是点到为止。
• 依赖特定资源。 项目依赖 Mark Davies 的在线语料库和一款选定的软件；界面和使用条件会变化，部分操作说明可能需要更新。
• 以英语和应用语言学为主。 本书面向应用语言学和 TESOL 学生，语料库清单也以英语为对象；学习其他语言或计算方法的学生需要其他资料。

在课程中的定位

本书是计算与语料库语言学书单中最平易的语料库方法入门书。McEnery 和 Hardie 的 Corpus Linguistics: Method, Theory and Practice 是了解该领域历史、争论和多种方法的下一步。Gries 的 Quantitative Corpus Linguistics with R 把第6–7章的统计大大推进，并讲授 R 语言编程。

Glass、Dickinson、Brew 和 Meurers 的 Language and Computers 介绍的是计算机如何处理语言，而不是语料库描写，且不需要计算机科学背景。Bird、Klein 和 Loper 的 Natural Language Processing with Python 以及 Jurafsky 和 Martin 的 Speech and Language Processing 属于课程中计算语言学的一侧，适合希望从用现成工具检索语料库转向自己编写程序的学生。

如何使用本书

本书适合应用语言学、TESOL 和英语语言专业的本科生和低年级研究生，以及希望利用语料库证据的语言教师。不需要统计或编程基础；熟悉基本语法术语会有帮助。

• 核心： 第1–4章。第2章要仔细读，因为每个项目都要用到语域框架。
• 做研究项目： 按顺序读第5–8章。正如作者所说，语料库项目耗时较长，要尽早规划语料库。
• 统计： 第6–7章可以在建设语料库期间与第5章同步学习。
• 展望： 第9章和可用语料库清单。

不要只读例子，每一次检索都要亲手完成，记录检索设置，并换用其他词或语域重复第4章的项目。为最终项目的书面报告和口头报告预留充足时间。