SET多版本高中英语教材语篇语料库的创建.pdf

155语料库语言学 2023年 第10卷 第2期SET多版本高中英语教材语篇语料库的创建*1广州协和学校陈运良提要：SET多版本高中英语教材语篇语料库选取人教版、外研版、北师大版三种新版教材的语篇为语料，由使用该版本的国内五地教师分工联合建成。该库依托2017年版普通高中英语课程标准的设计以及教学实际需要进行了语篇来源、主题、类型及易读度4个方面的文本头部元信息标记。据此标记，本文介绍了该库的总体信息、语篇主题、语篇类型以及语篇易读度的分布情况。作为以教学使用为目的的基础教育阶段语料库，该库在提升教学效果、丰富教师理念、促进学生发展方面具有应用前景和价值。关键词：高中英语、新课标、多版本、教材语篇、语料库1引言Meunier&Gouverneur（2009：179-180）认为，有必要将学习者所使用的教材纳入语料库大家庭之内，将新型教材语料库的理念引进语言教学当中，以迎接未来语言教学的挑战。罗庆铭（2017：59-62）指出，教材语料库能够变隐性信息为显性信息、变分散信息为整体信息，同时其语料加工和标注更符合教学需要，这两方面都将有益于教学。因此，建立教材语料库是必要的、有益的。观察旧版高中英语教材语料库的使用（罗颖 1999；谢家成 2010；陈妍玲、陈杰鑫2014；陈丽勤 2016；何安平等 2017；梁红梅 2018），笔者发现仍存在两个问题：一是只能在大学局域网线上检索，中学一线教师难以实时使用；二是建库碎片化，所建微型语料库只能满足一时或一课的需求。普通高中英语课程标准（教育部 2017，以下简称“新课标”）的颁布促成了新教材的编写发行。新版高中英语教材从2019年或2020年启用至今，时间不长但问题已然显现。针对教材使用中忽视语篇或是囿于特定语篇的问题，梅德明（2021）指出，教师不应受限于单一教材，要以“用教材教”替代“教教材”，从而培养核心素养。刘道义（2021）指出，教师要提升有效整合教学资源的能力，*本文是2021年度中国外语教材研究专项课题“基于语料库的多版本高中英语新教材使用互鉴研究”（ZGWYJCYJ2021ZZ06）的阶段性成果，得到北京外国语大学中国外语教材研究中心资助。语料库语言第2期_5校CTP.indd 1552024/2/26 上午9:12156SET多版本高中英语教材语篇语料库的创建而如果有的语篇偏难或偏易，可灵活整合，从而满足学生的需求。可见教师需要根据学生发展的需要灵活使用教材，而跨版本使用教材汲取众长也可以是“用教材教”的一个做法。陶伟、古海波（2020）基于外语类CSSCI期刊载文，对20102019年我国外语教材研究进行了文献综述，未见跨版本教材使用研究。由此可见，建立新版多版本高中教材语篇语料库既可充实现有语料库，发挥建库尤其是数据收集对语言学研究的价值（McEnery&Hardie 2012：6），也将方便跨版本借鉴，从而有利于解决当前新教材使用中出现的问题，体现建库填补空白为时所用的价值（Reppen 2022：13）。2 建库目标与方案2.1 建库目标考虑到新教材的编写在新课标框架下进行，SET（Senior High English Texts的简称，同时意指多版本组成“一套”）也将遵循新课标框架进行创建。SET的建设以教学使用为基本诉求，具体包括如下方面。其一，建成体现新课标理念的人教版、外研版、北师大版三个主流版本的高中英语教材语篇语料库。新课标强调主题与语篇，这也是采集教材语料的基本依据。以此路径编制的语料库便于教师在不同版本语篇中切换，能更好地照应梅德明、刘道义所提出的灵活使用教材的问题，加深教师对新课标的理解。其二，丰富和提升语料库教学理念。语料库不仅是素材库和手段，同时也是具有自身理念的一门学科。语料库注重“观察”（杨惠中 2017），注重观察的教学活动将引发自主学习、合作学习、探究学习等学习方式，有利于践行新课标所倡导的英语学习活动观。同时语料库核心理念中的语篇类型、语境、数据驱动、频数、关键词、搭配、类联接、同现、构式、型式和语义韵等（Sinclair 1991；Biber et al.1998；Thornbury 2004；Ellis et al.2014；Hunston&Su 2017；Crosthwaite 2020；OKeeffe&McCarthy 2022）都将丰富高中教师的教学理念，并影响教学 活动。其三，促成国内多校联动开展跨地区跨版本融合。目前不同地区使用不同教材，相对独立，缺乏沟通和融合。针对这个现象，SET选取最常用的版本进行跨版本建库，而建库成员来自国内不同地区、分别使用这些教材。其优势在于成员在本地教材使用中能精准领会该教材的特点，接触使用中的问题，提出针对性建库建议及教学建议，继而汇总来自3个版本的不同声音，达到教学实施的有效整合，达成新课标理念的有效贯彻。语料库语言第2期_5校CTP.indd 1562024/2/26 上午9:12157陈运良2.2 建库方案2.2.1 语料来源从出版社或省级发行部购买已出版使用的普通高中英语教科书人教版（2019）、外研版（2020）及北师大版（2019）共21册，各套分别包括必修部分第一至三册、选择性必修部分第一至四册，同时购买配套的教师用书辅助教材解读。获取以上教材及教师用书的pdf电子书，利用WPS转换成Word文档。从Word文档中选取语篇，参照所购纸质教材及教师用书进行文字、版式校对。2.2.2 人员分工及程序桂诗春、梁茂成提倡语料库资源的共建与共享（桂诗春等 2010）。徐秀玲、许家金（2017）认为“统一标准，多方合作，共建共享，建研并重”是解决专门用途语料库所面临问题的有效途径。基于以上指引，笔者依托主持的2021年度“中国外语教材研究专项课题”，营造共建共享生态。课题组8名成员分别来自广州、杭州、北京、成都、西安，为建库核心成员，并形成各自团队，最终参建人员达25人。首先五地教师在统一学习建库体例后开展分工联建，于2021年12月建成初版SET；其次课题组分版本负责人合作对初版进行全面检校和补充；最后总负责人对修订版进行第三遍检查，特别做好元信息标记的标准统一，于2022年5月建成定版SET。3 文本的采集、清理与命名Reppen（2010：32）认为建库前需认真考虑如下4个问题：一是文本由什么构成，二是如何命名文件，三是各个文件包含什么信息，四是以什么格式保存文本。其基本观点是这些问题了解得越清楚，文本的采集就越精准，文本的命名就越便于解读。3.1 文本采集与清理建库团队采集教材所有书面语篇。除常规语篇外，还包括名言、谚语、调查问卷、微技能指引，还有图表、流程图等非连续性文本。如果语篇出自填空、改错、改写、排序等练习，参照教师用书答案相应调整。外研版选择性必修第一至四册附录部分含补充读物，采集时纳入对应单元；北师大版全套都设置了文学角，但不对应具体单元，仍一并采集，与各单元并列。与其他两个版本不同，北师大版教材书末专设录音脚本栏，也一并采集，归入对应单元末尾。统一用Microsoft Word进行编辑，使用半角英文输入法，设置语法错误显语料库语言第2期_5校CTP.indd 1572024/2/26 上午9:12158SET多版本高中英语教材语篇语料库的创建示，但不设置自动更正，以免将英式拼写自动改为美式拼写。原则上删除文本中用以简化阅读难度的中文注释，个别保留了用以说明中华文化的汉字例字或注释，以保证文意完整。将文本中仅有的3处“”符号改为“()”，如将“Wang Ying”（出自北师大版必修一第一单元）改为“Wang Ying(wangying*.com)”，这客观上有损电邮的格式规范，但可以避免在隐藏头部元信息时被一并隐去，造成信息缺漏。此外，文本中的破折号统一用“-”标示，以尽可能被各检索软件读取。完成word层面的校对工作后，用AntFileConverter（Anthony 2015）将文本从word文档转换为txt文档，达到较好的降噪效果。例如转换后的非英文字母符号“”（出自人教版选择性必修二第二单元）、“”（出自北师大版必修三第九单元）、“鱼”（出自北师大版必修一第三单元）就能够被AntConc（Anthony 2019）等检索软件读取。3.2 文本命名设置三个层级进行文件夹及文件命名。第一层级为总库，名为SET。第二层级为分库，名字是总库名加三个版本的拼音缩写，分别为SET-RJB（人教版）、SET-WYB（外研版）、SET-BSD（北师大版）。第三层级为分单元文件，如SET-WYBB1U1表示外研版必修一第一单元语篇，又如SET-BSDB7A表示北师大版选择性必修四附录文学角的语篇。4 文本标记4.1 标记与标注的取舍李文中（2012）准确厘清了标记与标注的区别。本库进行文本标记，但不作文本标注，具体有如下考虑。Burnard（2005：35）强调，元信息标记对语料库语言学极其重要。Kirk&Andersen（2016）也认为，标记对分析者了解语言学之外的信息尤为关键。元信息标记多寡不定，以语篇来源、主题、类型为多见（Burnard 2005；Reppen 2010；崔刚、盛永梅 2000；陈小荷 2021）。事实上，头部元信息标记是本库体现新课标理念的最佳落脚点。本库将新课标的“主题语境内容要求表”（教育部 2017：14-15）以及“语篇类型内容要求表”（教育部 2017：17-18）作为元信息标记的核心依据。为便于跨教材互鉴时区分语篇难度，本库设置易读度标记，采用在线工具计算易读值。因此，本库的元信息标记包括语篇来源、语篇主题、语篇类型、语篇易读度4个方面。语料库语言第2期_5校CTP.indd 1582024/2/26 上午9:12159陈运良文本标注可为语料库增加挖掘价值。兰卡斯特大学各代CLAWS软件作为文本标注的重要工具广为使用（Leech 1993；李文中2012），然而随着第四代语料库检索工具的陆续出现，建库时专门的词性、用法赋码就略显多余，如兰卡斯特大学#LancsBox 6.0（Brezina et al.2021）对所导入的语料会自动添加词性（POS）、词元（lemma）等信息，让检索一步到位。基于此项考虑，本库不进行文本标注。4.2 头部元信息如前所述，本库头部元信息包括四个方面，其中语篇来源、主题、类型三项在文本采集时同时标记，语篇易读度在校对完毕后标记。4个方面信息写入角括号“”内，参考先例为中国学习者英语语料库CLEC（桂诗春、杨惠中 2003）。标记样式为“”，意为该语篇选自人教版必修一第五单元，是第五个语篇，主题为第一大主题语境“人与自我”之“语言学习的规律、方法等”子主题，类型为说明文，易读值为79.5（值越大越容易读）。新课标的“主题语境内容要求表”（教育部 2017：14-15）第一层级为主题语境，包括“人与自我”“人与社会”“人与自然”三大主题语境，本库分别标示为“I”“II”“III”；第二层级为主题群，如“人与自我”包括“生活与学习”“做人与做事”两个主题群，“人与社会”包括“社会服务与人际沟通”等4个主题群，“人与自然”包括“自然生态”等4个主题群，本库不作标示；第三层级为主题语境内容要求，或称子主题，如“人与自我”包括“个人、家庭、社区及学校生活”等9个子主题，其中第1至5个对应“生活与学习”主题群、第6至9个对应“做人与做事”主题群，本库分别用阿拉伯数字“1”至“9”进行标示，“人与社会”“人与自然”分别包括16个和7个子主题，标示方法相同。事实上，对第三层级的标示足以显示第二层级信息，所以“第一层级”加“第三层级”的标记样式（例如“I-5”）可以保证语篇主题信息被完整标记，具有自足性。依据新课标的“语篇类型内容要求表”（教育部 2017：17-18），制定8种语篇类型，具体如表1所示。需要说明的是，本库将对话、访谈、讲座、报告、演讲、讨论、辩论等语篇归入“口头类”语篇类型，对原表内容作了整合。另外，新课标将“新媒体语篇”单立为一种语篇类型，包括一般网络信息、电子邮件、手机短信、博客、知识类科普类网页等。在具体标记过程中，有时就出现语篇类型相交叠的情况，如教材显示为博客，同时又是一篇说明文。对此，本库的处理办法是优先标示为“新媒体语篇”，以体现对新课标视角的照应，也便于该项语篇的教学、研究提取。语篇易读度用“R”表示，全拼为readability。本库用在线计算器Flesch Kincaid Calculator（https:/ 1592024/2/26 上午9:12160SET多版本高中英语教材语篇语料库的创建单元第五个语篇为例，其结果如图1所示。表1 SET语料库文本头部语篇类型信息标记对照语篇类型标记代码全拼记叙文NAnarration说明文Eexposition议论文Aargumentation应用文Ppractical discourse口头类Ooral discourse新闻报道NRnews report新媒体语篇NMnew media discourse其他语篇类型Mmiscellaneous图1 人教版必修一第五单元第五个语篇在线生成易读值结果图1第二行显示，该语篇易读值是79.5，适合母语七年级读者阅读，级别为“比较容易阅读”。图1下部为分值与母语读者阅读水平预计年级的对应表，共分7个级别，该语篇处于第3级别。易读度作为元信息的第四项内容，本库将之标示为“R=79.5”。语料库语言第2期_5校CTP.indd 1602024/2/26 上午9:12161陈运良5 SET基本数据5.1 SET总体信息本库共收入目前已发行的三个版本新教材共21册，具体统计如表2所示。表2 SET语料库总体信息册单元语篇类符形符形符/语篇类符/形符人教版7366938,699116,001167.390.075外研版7425478,76297,320177.920.090北师大版7286098,055122,778201.610.066总计211061,84925,516336,099181.770.076表2显示，三个版本单元分配各有特点，人教版为每册5个单元另加入学预备单元共36个单元，外研版为每册6个单元共42个单元，北师大版为每册3个单元另加文学角共28个单元（本库视角）。各版本语篇数分别为人教版693篇、外研版547篇、北师大版609篇。各版本纯文本类符数为8,055至8,762不等。各版本纯文本形符数为97,320至122,778不等，合计336,099，这也是SET目前的库容。形符语篇比为167.39至201.61不等，新教材收入大量各类型短小语篇是造成语篇平均长度不高的主要原因。类符形符比（TTR）可作为语篇词汇变化度的部分参考，从这个角度看外研版的语篇词汇变化较大（比值为0.090），北师大版的语篇词汇变化较小（比值为0.066），本库收入北师大版的录音脚本，增大了其口语类语篇的占比，可能导致语篇词汇变化变小。依据头部元信息标记，进一步获取如下语篇主题、类型、难度分布情况。5.2 SET语篇主题分布本库对新课标三大主题语境的反映情况如图2所示。图2显示，人教版、外研版、北师大版各版本中，归入“人与社会”的语篇最多，依次为347篇（占50.07%）、232篇（占42.41%）、297篇（占48.77%）；归入“人与自我”的语篇次之，依次为221篇（占31.89%）、192篇（占35.10%）、226篇（占37.11%）；归入“人与自然”的语篇最少，依次为125篇（占18.04%）、123篇（占22.49%）、86篇（占14.12%）。事实上，新课标主题语境内容要求项目由多到少也以这个顺序分布，分别为“人与社会”16个、“人与自我”9个、“人与自然”7个。由此可见，SET各版本教材语篇在三大主题语境中的分布吻合新课语料库语言第2期_5校CTP.indd 1612024/2/26 上午9:12162SET多版本高中英语教材语篇语料库的创建标设计。图2 SET归入新课标三大主题语境的篇数统计5.3 SET语篇类型分布本库对新课标8个语篇类型的反映情况如图3所示。图3 SET归入新课标八种语篇类型的篇数统计图3显示三个版本有两个共同之处，一是所有8种语篇类型均有分布，二是语篇数最多的均为说明文和记叙文，其中人教版合计359篇（占51.80%），外研版合计322篇（占58.87%），北师大版合计312篇（占51.23%），占据所有语篇的一半以上。而各个版本横比又各有特别之处，人教版以说明文、新闻报道、其他语篇类型比较突出，外研版以新媒体语篇比较突出，北师大版则以记叙文、口头类比较突出（口头类的突出表现与该教材设立录音脚本栏有关）。语料库语言第2期_5校CTP.indd 1622024/2/26 上午9:12163陈运良5.4 SET语篇易读度分布以10分为一个区间获取三个版本语篇的易读度分布情况，结果如图4所示。图4 SET易读度分级篇数统计从图4可以看出，就易读度而言，人教版、北师大版的峰值在“70+级”，分别有178个语篇和175个语篇，对应图1所示母语七年级水平；外研版的峰值在“60+级”，有147个语篇，对应图1所示母语八、九年级水平。各版本的特点是，人教版难度分布最为全面，存在“0+级”语篇，同时最易读的“100级”语篇最多，共15篇；外研版曲线横比整体偏左，显示其语篇的整体难度较大；北师大版进入峰值后出现陡降，其“80+级”至“100级”语篇数量相对较少。6 应用前景笔者曾于2012年主持建成旧版多版本高中英语教材语篇语料库，用于辅助高中英语有效教学，其实际应用见于陈运良（2014），何安平等（2017），徐秀玲、许家金（2017），何安平等（2020）。新库SET参照新课标丰富了头部元信息标记，为语料库增值赋能，能更好地服务教学活动。SET具体有如下应用前景。首先，SET将为“教学加工”提供支撑。本库的语料与日常教学密切相关，本库能提供具有互文性的文本网络，适合针对性地选取内容辅助教学。具体包括：（1）通过跨版本借鉴，丰富课内教学素材，优化教学活动，做到“用教材教”。涉及的教学领域包括语音、词汇、语法、阅读、写作等方面。（2）综合各版本语篇，形成第二课堂或课后教学素材，开展分级阅读、群文阅读、主题式拓展阅读以及读后续写等教学。语料库语言第2期_5校CTP.indd 1632024/2/26 上午9:12164SET多版本高中英语教材语篇语料库的创建（3）结合各版本的图片、音频、视频等素材，建构多模态教学模式。（4）强化跨地区跨版本教学沟通与互鉴，提升所在地区教材版本的使用效果。其次，SET将促进教师发展。教师在调用语料的同时会将语料库技术与理念融入教学设计和课堂实施中。何安平指出，未来教师将从“语料库产品（如教材）”的“消费者”转变为“合作研发者”“实践反思者”和“教师自我发展的行动者”（桂诗春等 2010）。最后，SET将促进学生成长。针对如何加强语料库语言学在外语教学中应用的问题，杨惠中指出，语料库提供“数据驱动学习”，教师可以开发针对性微库，让学生直接接触复杂的语言现象，利用检索软件单独或合作探索英语的用法，展开观察、分析、对比、综合、归纳活动，从而掌握地道的英语、发展英语语感（桂诗春等 2010）。SET将在以“数据驱动学习”为模式的科技化智能化校园中成为促进学生成长的有效力量。7 结语在基于新课标的新教材推出之际建立其语料库可谓适逢其时。以新课标为依托，参照其主题语境、语篇类型框架对教材文本进行元信息标记，这是SET创建的一个特色之处。“跨版本”实现“一标多本”语境下的扩容与互补，“跨地区”提高建库效率、拓宽分享借鉴平台，“跨版本”与“跨地区”相结合的做法是SET创建的另一个特色之处。“跨”的目的在于“融”，将别地经验融会贯通、将别版本的语篇为我所用、将语料库理念融入教学活动，将能收到更好的教学效果。“融”的发展方向是“创”，交叉和融合激发灵感带来创新，这既将体现在教的方面，也将体现在学的方面，将能更好地发展学生的学科核心素养。当然，SET的库容相对各类大型语料库仍然很小，仍然有扩大空间。不同版本语料内容仍有不完全匹配的地方，比如北师大版收入了录音脚本，其他两个版本因为教材上没有录音脚本就缺失这一部分语料。此外，文本标记的细项归类也可能存在主观判断的偏误。这些方面有待进一步的完善和提升。参考文献ANTHONY L.AntFileConverter 120 CP/OL.2015.http:/ L.AntConc 3.5.8 CP/OL.2019.http:/ D,CONRAD S,REPPEN R.Corpus linguistics:investigating language structure and use M.New York:Cambridge University Press,1998.语料库语言第2期_5校CTP.indd 1642024/2/26 上午9:12165陈运良BREZINA V,WEILL-TESSIER P,MCENERY A.#LancsBox v.6.x.CP/OL.2021.http:/corpora.lancs.ac.uk/lancsbox.BURNARD L.Metadata for corpus work C/WYNNE M.Developing linguistic corpora:a guide to good practice.Oxford:Oxbow Books for the Arts and Humanities Data Service,2005:30-46.CROSTHWAITE P.Data-driven learning for the next generation M.New York:Routledge,2020.ELLIS N,ODONNELL M,ROMER U.The Processing of verb-argument constructions is sensitive to form,function,frequency,contingency and prototypicality J.Cognitive Linguistics,2014,25(1):55-98.HUNSTON S,SU H.Patterns,constructions,and local grammar:a case study of“evaluation”J.Applied Linguistics,2017,40(4):567-593.KIRK J,ANDERSEN G.Compilation,transcription,markup and annotation of spoken corpora J.International Journal of Corpus Linguistics,2016,21(3):291-298.LEECH G.Corpus annotation schemes J.Literary and Linguistic Computing,1993,8(4):275-281.MCENERY T,HARDIE A.Corpus linguistics:method,theory and practice M.Cambridge:Cambridge University Press,2012.MEUNIER F,GOUVERNEUR C.New types of corpora for new educational challenges:collecting,annotating and exploiting a corpus of textbook material C/AIJMER K.Corpora and language teaching.Amsterdam:John Benjamins,2009:179-201.OKEEFFE A,MCCARTHY M.The Routledge handbook of corpus linguistics C.Oxon:Routledge,2022.REPPEN R.Building a corpus:what are key considerations?C/OKEEFFE A,MCCARTHY M.The Routledge handbook of corpus linguistics.Oxon:Routledge,2010:31-37.REPPEN R.Building a corpus:what are key considerations?C/OKEEFFE A,MCCARTHY M.The Routledge handbook of corpus linguistics.Oxon:Routledge,2022:13-20.SINCLAIR J.Corpus,concordance,collocation M.Oxford:Oxford University Press,1991.THORNBURY S.Natural grammar M.Oxford:Oxford University Press,2004.陈丽勤.广西基础教育英语教学语料库建设研究J.基础外语教育，2016（1）：18-23.陈小荷.留学生汉语语料库杂谈J.语料库语言学，2021（1）：1-4.陈妍玲，陈杰鑫.基于语料库的积木式英语课堂教学效果研究J.教学研究，2014（5）：48-54.语料库语言第2期_5校CTP.indd 1652024/2/26 上午9:12166SET多版本高中英语教材语篇语料库的创建陈运良.广东高考英语语篇中的高阶词及其在教材语篇中的反映J.中小学外语教学，2014（2）：5-9.崔刚，盛永梅.语料库中语料的标注J.清华大学学报（哲学社会科学版），2000（1）：89-94.桂诗春，冯志伟，杨惠中，等.语料库语言学与中国外语教学J.现代外语，2010（4）：419-426.桂诗春，杨惠中.中国学习者英语语料库M.上海：上海外语教育出版社，2003.何安平，梁红梅，唐洁仪.语料库辅助英语教学入门M.北京：外语教学与研究出版社，2017.何安平，许家金，张春青.语料库辅助中学英语教学案例选编M.北京：外语教学与研究出版社，2020.教育部.普通高中英语课程标准M.北京：人民教育出版社，2017.李文中.语料库标记与标注：以中国英语语料库为例J.外语教学与研究，2012（3）：336-345.梁红梅.共选理论视角下中学英语教材中短语教学的设计特征J.基础外语教育，2018（6）：27-36.刘道义.高中英语新课标实施中的问题和挑战J.英语学习，2021（1）：15-22.罗庆铭.教材语料库的建构与应用以新加坡小学华文教材为例M.北京：中国社会科学出版社，2017.罗颖.利用语料库分析中学英语课堂提问技巧J.国外外语教学，1999（4）：26-31.梅德明.高中英语新课标实施过程中的问题：缕析与建议J.英语学习，2021（1）：4-14.陶伟，古海波.我国外语教材研究综述（20102019）J.浙江外国语学院学报，2020（3）：77-82.谢家成.中学英语教材词汇语料库分析J.外语教学理论与实践，2010（1）：55-61.徐秀玲，许家金.我国外语教学中的语料库应用40年J.中国外语教育，2017（4）：62-68.杨惠中.叩鸣录：杨惠中先生答客问J.语料库语言学，2017（2）：1-22.通信地址：510160 广东省广州市 广州协和学校语料库语言第2期_5校CTP.indd 1662024/2/26 上午9:12