资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,语料库在外语教学研究中的应用研修班,8.1-8.3,8.1,上午,一、基本概念,真正的研究要用语料库来验证结果,Ts Text (readable), Type,类符,Token,形符 （语料库容量）,Cs concordance,索引,collocation (,词汇层面的搭配,), colligation (,类联接,), context,（一）梁茂成,二、为什么要研究语料库语言学,1,）使语言学研究更具科学性,2,）可验证，不是玩具,3,）大数据，更具说服力,4,）,enables you to look at a lot of language at once,（二）李文中,Brown-Raw,语料库范例,Span,跨距 （,KWIC,，一般左,5,右,5,）,检索,排序,(sort),，以,necessarily,为例，观,察得出结论：经常与,not,连用。,Why concordancing?,上下看强形式搭配，左右看综合分析用法。,基本概念,type,（独特词形），,token,，,KW,/,SW,/,Node word,span (,一个,span,可视作一个,mini text),collocates (,观察从,collocationcolligationsemantic meaning),cotext, context, co-occurrence(,同现,),，,recurrence(,复现,),8.1,上午,Words cluster as people do,e.g. Search: no attempt,用法,Regex:,bnobsbattempts?(ed/ing)b,观察,collocation and co-occurrence,作业：,hair:,单数与复数的隐喻,body metaphor,（三）许家金,PowerConc,设计原则,most powerful,least effort,doing more with less,8.1,上午,基本操作,N-gram list,：,n,词词表,Hits,：相当于,Token,概念,Items,：相当于,Type,概念,Size,：包括单词、符号、数字,Filter mode,：过滤掉不需要的,: data,min10,即过滤掉频率,各自特点，观察与参照（,5,倍）比较,-,主题词）,Log-likelihood,（对数似然值）,3.84,sig. P0.05,，存在显著性差异,5.,解释结果,6.,讨论,具体操作,1,）准备语料：,把语料放入两个文件夹,spokendata, writtendata,2,）赋码：,用,treetagger,赋码,3,）改文件名,Powerconc,无法打开,.pos,文件，所以要用,PowerGREP,批量改文件名。,选择文件夹,右键“,search with PowerGREP”search type“rename files” search,”(S+.txt).pos,” replacement “,$1,”rename,凡是正则表达式中有的符号，需要在之前加,（,escape,），使得,后 的符号不具备正则表达式的符号含义。,4,）转码：,1,）,action type: collect,2,）勾选,dot matches newlines,3,）,search (A.*?z),4,）,collect $1,5,）,encode file naming style: 936,5,）生成词码表进行“主题词”对比,（,written & spoken,两个词码表）,PowerConc,Data type: POS,count,保存,1,）,written,语料库词码生成保存，删去前,4,行,2,）,spoken,语料库生成词码，,keyness,，,count,保存两个语料库的对比,词码表,a,。,3,） 用,Excel,打开,词码表,a,4,）把,word, freq1, freq 2,三栏拷贝到,LL.xls,进行计算，观察,log-likelihood,和,sig.,结果,5,）用,PowerConc,检索显著性差异的词码，进行讨论分析。,（四） 梁茂成,rec.11,词与多词单位,多词单位提取方法,案例分析：学习者书面语中的词块分析,作业回顾,被动语态,1,）,EditPadPro,S+_VBS?s(S+_RS+s)*S+_VSNs,2),拷贝到,PowerGrep,检索,If,非真实条件句,bif_S+s(|S+_w+s)would_S+,词与词块,词在传统语言学中的地位,意义单位和短语学的兴起,案例分析,案例分析,案例分析,案例分析：学习者书面语中的词块分析,高分作文（,30,）的词块提取出来,低分作文（,90,）中用了多少高分作文中的词块,即用,30,篇作为尺子来衡量,90,篇,Hits,相当于形符,Item,相当于类符,Result,拷贝到,Excel,，重新拷贝粘贴到,excel,新文档，“选择性粘贴,转置,”，获得竖列数据。,PowerConc,加载,90,篇,Concordance:batch search,搜出索引行右下角,Stats.,出现下面结果，保存为,result.txt.,Editpadpro,打开,result.txt,，把不需要的部分删除，保存。拷贝到,Excel,。,excel,文档拷贝粘贴到,excel,新文档，“选择性粘贴,转置,”，获得竖列数据。,从,120,篇作文中,(excel,文档,),按照分数高低取后,90,篇作文，拷贝到刚才的的,excel,文档，确保一一对应，然后用,SPSS,做分数与词串使用频率的相关性分析。,分数与频率的相关性分析,（一） 许家金,光盘内容提示,图书和文献资料,可利用的网络资源,老师联系方式,iResearch,咨询交流平台,8.3,下午,资源,语料库：库,+,一套工具,1,）,Generalcorpora,一般在,100,万以上,2,）,Crown_CLOB,与,Torch,可以对比研究：,时间相近，采集样本方式一致，都包含,15,个领域。,3,）,视频，,subtitles,可以下载，多语种,（,620,多万字词）,4,） 新浪爱问可下载到各种电子书资源,5,）, Corpus,许家金，英美人汉语作文语料库， 用户名密码：,test,，,test,可做：,1,）,Frequent list,2,）,Keywordlist,3,）,Concordence(query),使用方法在光盘中有说明文档,平行语料文件起名,软件支持：,HLM,.ZH.,txt,（简体中文）,HLM,.EN.,txt,CQPweb,平台使用见光盘,New query,Thin (,随机抽样，如,100),Frequency breakdown,Distribution,Sort,Collocations,Download,Categorise (,自己编码分类，如,LIT,MET,，可出分类报告,),Save current set of hits,联系方式,xujiajin,（二）学员展示,学员,1,张武江 建专用语料库,一、建设目的：,满足专业英语需求,为自主学习提供平台,进行平行检索，翻译教学,二、专用英汉平行语料库建设概况,三、建库的框架体系：,目的，规模，范围，语料类型（书,面文本转写），取样方法（全文输入），,标注方法（北外软件）,四、创建步骤：,1.,选择语料：两本教材,2.,语料处理：由英汉两个句级对齐文本组成，分别命名为“通,信,.EN.txt”,和”通信,.CH.txt”,3.,使用,PowerGrep,为检索软件，用文本处理器进行文本整理。,3.,对齐，软件：,BFSUAligner,自动对齐,+,人工调整，塔多思,4.,分词：,treetagger,和,MyTxtSegTag,对语料进行分词。,5.,利用,PowerConc,进行检索,学员,2,王原森,研究问题：,Interactive Features in Public Speech (,Discourse analysis),Data,来源：,Ted,视频,+,字幕网站,工具,：,WordSmith,，,WordPilot2000,Written Texts,3,姜峰,词块研究,Data collection,：,British Academic Written English Corpus(BAWE),4.,刘芳,梁：,每个软件对单词的计算稍有差异，一次研究用同一个软件,五 沈娟,六 徐晓慧,基于语料库的科技英语新词的翻译研究,1,2,3,4,六 潘宏远,七 穆志刚,
展开阅读全文