Quantitative Corpus Linguistics with R: A Practical Introduction（以R進行量化語料庫語言學：實用導論）

引用

Gries, S. Th. (2017). Quantitative Corpus Linguistics with R: A Practical Introduction (2nd ed.). Routledge.

章節概要

第二版共六章，正文約270頁。它有意不做語料庫語言學的綜述：格里斯說，本書聚焦於面向語料庫語言學者的 R 程式設計，只預設基本的語料庫語言學知識，不要求數學或程式設計基礎，並要求讀者在電腦前邊執行程式碼邊閱讀。與第一版相比，第2章增加了離散度（dispersion）；第3章增加了更完整的 Unicode 一節、XML 一節以及編寫自定義函式一節；統計一章由第五章移到第四章；第5章的案例研究是全新的。

第1章：導言（Introduction）

本章解釋為什麼一本語料庫語言學的書要教程式設計。作者認為，指令碼讓研究者掌控方法選擇，不依賴某個檢索軟體的設定或開發者，能處理更多種輸入和輸出格式，而且 R 是免費的開源軟體。其中一節概述全書及學習輔助：簡短的「思考停頓」（Think Breaks）、附答案的練習框、進一步建議框，以及配套網站和討論組。

第2章：四種核心語料庫方法（The Four Central Corpus-Linguistic Methods）

這是一個簡短的概念性章節，先定義語料庫並區分語料庫的種類，然後介紹作者認為大部分語料庫工作可歸結為的四種方法：頻率表、離散度資訊、詞彙共現（搭配）以及（詞彙—）語法共現（索引行）。

第3章：R 入門（An Introduction to R）

這是篇幅最長的準備章節，從零開始教授 R：資料結構、函式與引數；向量；因子；資料框；列表；包含條件表示式和迴圈的基本程式設計；以及程式設計規則。相當大的篇幅用於字元和字串處理（含正規表示式與不含正規表示式兩種），隨後是 Unicode 和 XML、檔案和目錄操作，以及編寫自定義函式。

第4章：基本統計概念與檢驗（Some Basic Statistical Notions and Tests）

一個有意寫得簡短的章節，介紹統計思維：變數及其作用、假設的提出與操作化、資料分析與顯著性檢驗。內容按因變數型別（分類或數值）以及所涉及的自變數來組織，最後是結果的報告。

第5章：在語料庫語言學中使用 R：案例研究（Using R in Corpus Linguistics: Case Studies）

這是本書的主體章節，也是本版新增的內容，收錄三十多個案例研究，分為四組：離散度；頻率、頻率表與關鍵詞；共現資料（搭配、類聯接、搭配構式）；以及其他應用。例子包括字元和詞的 n 元組、關鍵詞、分裂不定式、must 之後的動詞搭配詞、《哈姆雷特》與《麥克白》的類符—形符比、詞彙頻率概況以及 CHAT 習得語料檔案。

第6章：下一步 . . .（Next Steps . . .）

一個非常簡短的結尾，指出值得進一步探索的 R 包。之後是附錄和索引。

核心概念

第1–2章：理由與方法

• 指令碼化分析：用選擇可見、可復現的程式取代現成的檢索軟體。
• 語料庫、頻率表、離散度、搭配、索引行：四種核心方法的詞彙。

第3章：R

• 向量、因子、資料框和列表：全書使用的資料結構。
• 正規表示式：文本中搜索和替換的工具。
• Unicode 與 XML 處理：處理編碼文本和帶標註的語料庫。
• 自定義函式：把分析打包以便在第5章重複使用。

第4章：統計

• 假設與顯著性檢驗：提出並操作化一個問題，檢驗結果是否值得注意。
• 因變數與自變數：所介紹的檢驗的組織原則。

第5章：案例研究

• 搭配、類聯接與搭配構式：詞彙和語法共現分析。
• 類符—形符比與詞彙頻率概況：應用中使用的詞彙度量。

評析

優點

• 以動手為設計原則。 全書通過小型應用和較大的案例研究來教學，配有思考停頓和帶答案的練習框；出版社指出配套網站提供約7,000行帶註釋的程式碼和大部分資料集。
• 無需程式設計或數學基礎。 第1章明確說只預設基本的語料庫語言學知識。
• 案例研究章節。 新增的第5章用 BNC、COCA、COHA 等語料庫展示技術如何應用於真實的語料庫問題。
• 坦率說明難度。 導言提醒讀者，這本書不能躺在床上輕鬆讀完，必須在電腦前逐步練習。

侷限

• 不是綜述。 作者說明本書不試圖綜述語料庫語言學，因此語料庫設計和理論問題需要另讀他書。
• 統計部分簡短。 作者稱第4章很短；需要統計建模的讀者要另讀專門的書，作者指向自己為語言學者所寫的統計學著作。
• 依賴 R 和配套程式碼檔案。 許多解釋在配套程式碼中，書中指令碼以作者的檔案組織和資料為前提。

在課程中的定位

這是語料庫方向中偏重程式設計的一本。麥肯納裡與哈迪的 Corpus Linguistics: Method, Theory and Practice 講解語料庫的建立、標註和分析，並把該領域置於學術爭論之中；喬莫伊與克勞福德的 Doing Corpus Linguistics 是利用公開語料庫的循序漸進的首門課程。伯德、克萊因與洛珀的 Natural Language Processing with Python 以及朱拉夫斯基與馬丁的 Speech and Language Processing 是計算語言學教材，葛拉斯等人的 Language and Computers 則是不涉及技術細節的語言技術入門。

建議在學完語料庫語言學的第一門課、熟悉四種方法之後再讀格里斯，目的是自己動手實現它們。對想用 R 而不是 Python 的語言學者來說，它是伯德、克萊因與洛珀之外的自然選擇。

如何使用本書

本書適合已修過語料庫入門課的語言學研究生和研究者。不需要程式設計經驗，但需要一臺裝有 R 和配套檔案的電腦。

閱讀安排：

• 核心： 先讀第2章瞭解術語，然後完整地讀第3章並執行每個例子；做練習框並對照答案。
• 接著： 手頭有自己的資料要檢驗時讀第4章。
• 應用： 第5章，挑選與你的專案最接近的案例，然後改寫程式碼；關於頻率和共現的幾組最為通用。
• 選讀： 第3章的 Unicode 和 XML 部分，等到遇到這類語料庫時再讀；第6章留待以後參考。