Doing Corpus Linguistics（語料庫語言學實作）

引用

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

章節概要

第二版（2024年，約180–190頁）修訂了2016年的第一版，新增了練習、例子和參考文獻，一份詳盡的世界各地英語語料庫清單，關於如何識別文本模式的新章節，以及 Cohen 的統計方法（效應量）。全書分三部分共九章，書末附有可用語料庫清單。作者面向相對初級的讀者寫作：也許是第一次接觸語料庫語言學、統計知識有限甚至沒有的人。本書的理論框架是語域分析，作者稱這一框架深受 Douglas Biber 和 Susan Conrad 研究的影響。為了避免學生不斷重新學習不同的檢索界面，書中的專案都使用 Mark Davies 創建的一系列線上語料庫，較大的專案則使用一款免費軟體。

第一部分 語料庫語言學與語域分析導論：第1章：語言學、語料庫語言學與語言變異

討論作為規則和系統的語言、什麼是語料庫語言學（對真實語言的分析）、語域、體裁與風格的區別，並概述全書。

第2章：語言分析的語域（功能）路徑

討論語域為何重要、什麼是語域（功能）分析、如何描述情境特徵並確定變量、如何給出功能解釋，以及語域研究中的分析單位，並附有章末練習。後面各章要求學生在解釋結果時回到這一框架。

第二部分 檢索現有語料庫：第3章：檢索語料庫

討論如何在公開語料庫中檢索詞、搭配詞、n元組和詞性標注，所用語料庫包括 COCA 和 MICASE 等。

第4章：利用公開語料庫的專案

整章都是小型專案，先是基於詞和短語的專案，再是基於語法的專案，讓學生在同一個檢索界面上反覆練習。

第三部分 建設自己的語料庫、分析定量結果並解讀資料：第5章：建設自己的語料庫

討論自建語料庫、如何確定語料庫專案（需要相當長的時間）、在注意版權的前提下建設語料庫，以及分析語料庫的軟體。

第6章：基礎統計

討論為何要做統計分析、基本術語、概念和假設，以及如何獲得統計結果，並附有練習。

第7章：統計檢驗（方差分析、卡方檢驗、皮爾遜相關）

討論差異檢驗和相關檢驗、如何進行這些檢驗，以及效應量，並附有練習。

第8章：做語料庫語言學

分階段對自己的專案進行語域分析：情境分析、語言分析、功能解釋和報告。示例包括泰語母語者所寫英語問題—解決型作文中的 n 元組。據出版社介紹，最終專案既包括書面論文，也包括口頭報告。

第9章：前進之路

簡要展望超出本書方法的更高級的語料庫研究，包括透過因子分析識別共現語言特徵的多維分析。

核心概念

第一部分（第1–2章）

• 語料庫：按原則收集、用電腦工具分析的真實文本集合。
• 語域、體裁與風格：把語言與使用情境聯繫起來的三種視角，在第1章中加以區分。
• 情境特徵：語域分析首先描述的語境特徵（參與者、場合、目的）。
• 功能解釋：用語言模式出現的情境來解釋這些模式。

第二部分（第3–4章）

• 搭配詞：共現頻率高於偶然的詞。
• n元組：反覆出現的詞串，如四詞詞束。
• 詞性標注：使基於語法的檢索成為可能的詞類標籤。

第三部分（第5–9章）

• 專門語料庫：為回答特定研究問題而建的語料庫。
• 標準化頻數：按統一文本長度調整後的頻率，便於文本之間比較。
• 差異檢驗與相關檢驗：方差分析和卡方檢驗用於差異，皮爾遜相關用於相關關係。
• 效應量：差異有多大，而不只是是否具有統計顯著性。
• 多維分析：從共現特徵中識別語言變異的維度。

評析

優點

• 為初學者而寫。 作者明確面向統計基礎很少的首次語料庫使用者，統計各章從為什麼需要統計講起。
• 框架統一。 語域分析從第2章一直貫穿到專案章節，學生不僅學會統計語言特徵，還學會對其作功能解釋。
• 在專案中學習。 第4章專門用於公開語料庫上的小型專案，第三部分則帶領學生從建設專門語料庫一直走到報告最終專案；使用同一系列的線上語料庫，減少了技術負擔。
• 更新的版本。 出版社列出了新的練習和例子、世界各地英語語料庫清單、關於發現文本模式的新章節以及效應量。

局限

• 篇幅短，屬入門性質。 全書不到200頁，只涉及幾類檢索和基本檢驗，不教程式設計；第9章對多維分析等高級方法也只是點到為止。
• 依賴特定資源。 專案依賴 Mark Davies 的線上語料庫和一款選定的軟體；界面和使用條件會變化，部分操作說明可能需要更新。
• 以英語和應用語言學為主。 本書面嚮應用語言學和 TESOL 學生，語料庫清單也以英語為對象；學習其他語言或計算方法的學生需要其他資料。

在課程中的定位

本書是計算與語料庫語言學書單中最平易的語料庫方法入門書。McEnery 和 Hardie 的 Corpus Linguistics: Method, Theory and Practice 是瞭解該領域歷史、爭論和多種方法的下一步。Gries 的 Quantitative Corpus Linguistics with R 把第6–7章的統計大大推進，並講授 R 語言程式設計。

Glass、Dickinson、Brew 和 Meurers 的 Language and Computers 介紹的是電腦如何處理語言，而不是語料庫描寫，且不需要電腦科學背景。Bird、Klein 和 Loper 的 Natural Language Processing with Python 以及 Jurafsky 和 Martin 的 Speech and Language Processing 屬於課程中計算語言學的一側，適合希望從用現成工具檢索語料庫轉向自己編寫程式的學生。

如何使用本書

本書適合應用語言學、TESOL 和英語語言專業的大學部學生和低年級研究生，以及希望利用語料庫證據的語言教師。不需要統計或程式設計基礎；熟悉基本語法術語會有幫助。

• 核心： 第1–4章。第2章要仔細讀，因為每個專案都要用到語域框架。
• 做研究專案： 按順序讀第5–8章。正如作者所說，語料庫專案耗時較長，要儘早規劃語料庫。
• 統計： 第6–7章可以在建設語料庫期間與第5章同步學習。
• 展望： 第9章和可用語料庫清單。

不要只讀例子，每一次檢索都要親手完成，記錄檢索設置，並換用其他詞或語域重複第4章的專案。為最終專案的書面報告和口頭報告預留充足時間。