摘要近年華語教學的需求量與重要性日漸增加, 為幫助漢語學習者構築現代漢字增進學習效率, 採用部件教學法, 由部件當中找出漢字表音和表意的線索, 故以形聲字與其聲符為研究對象形聲字在現代漢語通用字中佔八成, 大多是由一個表意的形符加上一個表音的聲符組成本研究強調聲符表音的線索, 以關聯式規則

Size: px

Start display at page:

Download "摘要近年華語教學的需求量與重要性日漸增加, 為幫助漢語學習者構築現代漢字增進學習效率, 採用部件教學法, 由部件當中找出漢字表音和表意的線索, 故以形聲字與其聲符為研究對象形聲字在現代漢語通用字中佔八成, 大多是由一個表意的形符加上一個表音的聲符組成本研究強調聲符表音的線索, 以關聯式規則"

琶费
7 years ago
Views:

1 主要漢字形聲字發音規則探勘與視覺化 Primary Chinese Semantic-Phonetic Compounds Pronunciation Rules Mining and Visualization 徐千惠 Chien-Hui Hsu 國立中央大學資訊工程系 Department of Computer Science and Information Engineering National Central University 蔡孟峰 Meng-Feng Tsai 國立中央大學資訊工程系 Department of Computer Science and Information Engineering National Central University 張嘉惠 Chia-Hui Chang 國立中央大學資訊工程系 Department of Computer Science and Information Engineering National Central University 廖湘美 Hsiang-Mei Liao 李淑萍 Shu-Ping Li, 國立中央大學中國文學系 Department of Chinese Literature National Central University 吳嫻 Denise H. Wu 國立中央大學認知神經科學研究所 College of Science Institute of Cognitive Neuroscience National Central University

2 摘要近年華語教學的需求量與重要性日漸增加, 為幫助漢語學習者構築現代漢字增進學習效率, 採用部件教學法, 由部件當中找出漢字表音和表意的線索, 故以形聲字與其聲符為研究對象形聲字在現代漢語通用字中佔八成, 大多是由一個表意的形符加上一個表音的聲符組成本研究強調聲符表音的線索, 以關聯式規則探勘出形聲字發音規則並進一步地找出影響形聲字發音的關鍵因素, 輔以漢語音韻學的知識, 建立漢字發音的階層架構, 進行多層次形聲字發音規則探勘, 藉此幫助漢語學習者與教學研究歸納形聲字發音的脈絡最後用視覺化的方式呈現這些規則, 並設計簡單好記的系統輔助漢字識字教學與漢字研究 Abstract The demand and the importance of Chinese teaching have increased continuously. In order to assist the Chinese learners in composing Chinese characters and increase their learning efficiency, Chinese components teaching method is adopted. The learners can find the clues to both the pronunciations and the meanings of Chinese characters from Chinese components, and semantic-phonetic compounds and their phonetic components are exactly proper to be the object. There are 80.5% semantic-phonetic compounds in the 7000 common Chinese characters, and most of them are formed with one semantic component and one phonetic component. For the purpose of emphasizing the clues to the pronunciations of Chinese characters, multiple-level association rule mining was applied to discover the hierarchical pronunciation rules of semantic-phonetic compounds. This approach found the key factors which have the strong connection with the pronunciations of semantic-phonetic compounds. With the knowledge of Chinese linguistics, we constructed the hierarchical Chinese pronunciation structure. The hierarchical pronunciation rules are the overview of the pronunciations of semantic-phonetic compounds and aid both Chinese learning and Chinese researches. Therefore, they can learn the pronunciations of Chinese characters not only in the general aspect but the specific aspect. These rules were represented in visualization and the simple and memorable system was designed to assist both the Chinese literacy teaching and Chinese researches. 關鍵詞 : 漢語識字教學, 形聲字, 聲符, 多層次關聯式規則探勘, 關聯式規則視覺化 Keywords: Chinese Teaching, Semantic-Phonetic Compounds, Phonetic Component, Multiple-level Association Rule Mining, Association Rule Mining Visualization. 一緒論漢字為一種歷史悠久的形系文字, 現今全球有五分之一的人口使用漢語做為母語, 再加上華人社會經濟文化影響力的擴大與市場開發的需要, 愈來愈多人將漢語做為第二外語來學習, 大約有 100 個國家超過 2,500 所大學教授漢語課程 [1], 成為最多人學習的東方語言, 且學習人數益形增加進一步來看, 現今海外華人人數約為五千萬人 ; 而在台灣的大陸與外籍配偶從 2002 年的二十二萬人次, 已增加到四十四萬人次, 其中外籍配偶約占十四萬六千人次, 這些華語學習者雖接觸到漢語環境, 但識字對於他們來說仍感到相當困難

外國的漢語學習者遇到最大的難處在於漢字的學習由於漢字的形不直接表音的特性, 使得漢字的發音教學深具難度漢字教學應當有別於占絕大優勢的拼音文字教學法, 若是忽略了漢字的組字特性, 學生只好靠著經驗想辦法消化所學的漢字, 喪失了漢字中表音與表意的線索, 造成漢語學習者在學習過程中更加困難重重同時, 教師要教會學生會聽會說會讀會寫漢字, 於是漢語學習者要學會一個漢字耗時且耗力 [2]

3 外國的漢語學習者遇到最大的難處在於漢字的學習由於漢字的形不直接表音的特性, 使得漢字的發音教學深具難度漢字教學應當有別於占絕大優勢的拼音文字教學法, 若是忽略了漢字的組字特性, 學生只好靠著經驗想辦法消化所學的漢字, 喪失了漢字中表音與表意的線索, 造成漢語學習者在學習過程中更加困難重重同時, 教師要教會學生會聽會說會讀會寫漢字, 於是漢語學習者要學會一個漢字耗時且耗力 [2] 語言學習的過程如圖一所示, 學習一種語言可分成學習其字音字形與字義三部分, 這三部分在學習者的大腦形成的印象就稱為表徵, 口語能力屬於字音表徵對應到語意表徵的過程, 文字能力則屬於字形表徵對應到字音表徵和語意表徵, 甚至是字音表徵對應到字形表徵的過程對於海外華人和外籍配偶來說, 在日常生活中已接觸到漢語對話, 自然而然有基本的口語能力, 而漢字的文字能力才是他們需要加強的部份另外對於華人學童與閱讀障礙者, 加強他們的文字能力, 更可以幫助他們將所學運用在漢語口語和閱讀當中不過, 漢字字形不直接表音的特性, 使得字形對應到字音往往需要以拼音來輔助, 相較於拼音文字系統來說, 漢字系統多了一步學習的過程, 為學習者築起一道鴻溝若能設計合適的漢字識字教學, 指引漢語學習者找回漢字表音和表意的線索, 將有助於他們跨越漢字學習的障礙, 增加其學習效率的同時亦能窺探漢字的奧秘圖一語言學習的過程反觀屬於拼音文字系統的英語, 若是英語學習者同樣具備基本的英語口語能力, 欲進一步加強其文字能力就顯得輕鬆許多這正是因為學會英語的拼音系統後, 學習者就能自然而然地邊念單字邊把它拼寫 (spell) 出來以歷史的演進來看, 漢字可以用傳統的六書理論, 將漢字分類成 : 象形形聲會意指事轉注假借六種造字方法 [3] 但是語言是有生命的東西, 現代漢字的形體早有變化, 故要以六書理論來分類現代漢字並不容易, 亦不適合教導給漢語學習者於是, 學者提出漢字部件教學的概念所謂的漢字部件, 即現代漢字字形中, 具有獨立組字能力的構字單位, 它大於或等於基本筆畫, 小於或等於整個漢字 [4], 如好字, 就是由女 + 子兩個部件所組成以漢字部件幫助漢語學習者構築現代漢字學習到部件延伸的漢字, 是為基礎且有效率的教學方法, 稱為部件教學法相關研究也發現以部件為主之教學可以提升新移民女性的漢字學習成效 [5], 尤其成人學漢字, 著重在認知轉換, 並善用其理解和歸納的能力 [6] 由此方法找出漢字表音和表意的線索, 形聲字是最能被直接觀察到此種特徵的漢字結構在 7000 個現代漢語通用字當中 [7], 形聲字佔了 80.5%, 共 5631 個形聲字 ; 又, 在前 3000 個現代漢字常用字當中, 形聲字佔了 57.4%, 共 1721 個形聲字大部分的形聲字是兩個部件組合在一起, 即一個表意的形符加一個表音的聲符若能強調由聲符表音的線索, 將能給予中文研究與教學大幅度的進展, 提供中文研究一套有系統性的研究成果, 並在漢語教學的過程中, 讓

4 學習者由學習到的生字, 增加文字解析歸納的能力並延伸學習到相同線索的漢字, 減少記憶的負擔, 進而提升漢字學習效率為了強調聲符表音的線索並找出其重要規則, 首先採用中央資工所與中文所的四位研究生與三位教授合作所建立的形聲字資料庫此形聲字資料庫是運用中研院文獻處理實驗室所建立的漢字構形資料庫 [8], 加上自創的形聲字源標記系統, 由中文所師生人工標記在這漢字構形資料庫當中, 含有注音標示的個漢字是否為形聲字其聲符為何等資訊, 並耗時兩年完成再對形聲字資料庫進行影響形聲字發音的因素分析, 在所有資料的屬性中, 找出最能影響形聲字發音的屬性, 並以此作為規則探勘的項目本研究採用注音符號與漢語拼音, 並輔以漢語音韻學的知識, 將漢字發音分成三個層次來看進而以多層次探勘形聲字發音規則, 以此幫助漢語學習者與教學研究歸納形聲字發音的情形了解漢字發音的脈絡, 並找出主要的形聲字發音規則我們發現, 雖然大部分的形聲字發音與其聲符發音相同, 但主要的形聲字發音規則也揭露不少例外的情形, 我們也將深入分析進一步地, 以視覺化的方式呈現規則, 更能幫助學習者一目了然且容易記憶發音規則, 亦可協助教學研究者加以分析比較規則的內容並設計注音符號版本與漢語拼音版本的互動式網站系統, 再輔以範例字, 擴展漢語學習者的識字量, 同時作為漢字研究上的佐證接下來的論文架構為 : 第二章介紹與此論文相關的方法與研究內容, 第三章敘述如何在影響形聲字發音的因素分析中, 找出形聲字資料庫中最具影響力的屬性 ( 一 ), 並加上漢語音韻學的知識, 建立漢字發音階層架構 ( 二 ), 以此找出多層次發音關聯規則 ( 三 ), 設計符合規則的視覺化方法 ( 四 ) 第四章呈現主要探勘的成果與網站內容, 第五章為結論與未來方向二相關研究 ( 一 ) 漢語教學研究由於漢語學習市場的擴增, 各式各樣的漢語教學法紛紛出爐, 但如何有效學習漢語由淺入深地掌握學習漢語的要領, 減少外國學習者學習漢語的挫折感, 是漢語教學的關鍵林季苗認為, 漢字的形音義間的關係和拼音文字存在著極大的差異, 故漢字教學應當有別於占絕大優勢的拼音文字教學法 [2] 林季苗提出四項漢語教學原則與在法國的漢語教學經驗, 四項教學原則之一為字本位, 強調每個字本身的意義構型與發音原則二為語文分步, 說明漢語的口語及文字教學應當適當地分開進行, 保持學生行文的順暢原則三為集中識字, 強調有系統有目的地循序漸進將漢字由淺入深教授給學生原則四是區別主動書寫字及被動認讀字, 讓學生可專心將精神與時間著重在基礎漢字或其它漢語能力上中研院李佳穎博士針對漢字識字教學, 採用聲符部件所延伸的漢字做為集中識字的方法, 並以字本位教授學童這些漢字的組字特性, 輔助中文學習者識字 [9] 另外, 李博士以大腦認知的角度, 測量學童在辨識不同特性的形聲字的識字速度, 並發現影響形聲字識字速度的特性大致上分為 : 頻率一致性和規則性所謂頻率是指一個字在日常生活中出現的次數, 一致性為同個聲符的所有形聲字之間發音相似的程度, 規則性是指形聲字與其聲符兩者之間發音相似的程度對於頻率高的漢字, 不管是否易學, 學童識字

5 速度最快 ; 而對於頻率不高的漢字, 其一致性和規則性高的漢字, 會比一致性和規則性低的漢字的學童識字速度快, 由此證明聲符教學對漢字識字的重要性另外, 研究中亦提到學童的識字量對於聲符表音概念的成形佔有重要的影響力對於這項成果, 李博士設計一個遊戲幫助學童加強聲符的概念, 透過累積分數與遊戲闖關的形式, 讓學童在高學習意願下, 無形之中增加識字量與聲符部件的概念中央大學資工所的張嘉惠教授所帶領的漢字教學研究團隊, 就是以字本位的觀念出發, 採用形聲字的組字特性找出漢字表音的線索設計合適的漢字識字教學材料幫助漢語學習者有效學習漢字是為此研究團隊的目標此團隊首先於 2010 年, 提出以最佳化部件與形聲字發音相似度部件發音機率分佈兩種方法判斷形聲字的聲符 [10] 其中部件與形聲字發音相似度可由中文專家制定或以最佳化算出, 而部件發音機率分佈的算法, 則是以 Kullback Leibler divergence 計算部件延伸的漢字的發音分佈與所有漢字發音分佈兩者的差異, 其實驗結果能預測形聲字的聲符且準確率達到 98%, 可加速研究團隊標記聲符的進度另外, 此研究團隊於 2011 年提出學習聲符部件的順序, 考量部件發音強度延伸字出現頻率與筆畫數三種因素, 用線性加總幾何平均與調和級數三種方法算出不同的部件學習順序 [11] 其中發現由幾何平均算出的部件順序中, 能學習到的延伸字較其他兩種部件順序的延伸字累積速度快, 以此做為部件教學的參考順序研究中亦提出形聲字發音規則探勘, 找出高普遍性與高正確性的規則, 例如符合聲母為ㄌ的部件, 其延伸字的發音通常與部件發音相同本研究延續研究團隊的目標, 設計合適的漢字識字教學工具, 在字形表徵與字音表徵之間找出重要的規則強化彼此的關聯, 以此提供教學研究使用, 或是讓學習者由學習到的生字, 透過查詢符合的表音線索的輔助學習工具, 增加文字解析歸納的能力並延伸學習到相同線索的漢字, 進而增加學習的效率另外, 區分符合相同規則的形聲字其頻率的高低, 讓學習者由常見的漢字基本架構漸進學習頻率較低的漢字, 進而掌握要領舉一反三, 同時提供給漢字研究關於發音規則的佐證 ( 二 ) 漢字發音表示法本研究採用注音符號與漢語拼音表達漢字的發音注音符號共有 37 個字母, 其中聲母有 21 個, 分別為ㄅㄆㄇㄈㄉㄊㄋㄌㄍㄎㄏㄐㄑㄒㄓㄔㄕㄖㄗㄘㄙ ; 介母有 3 個, 為ㄧㄨㄩ ; 與韻母 39 個, 分別為ㄧㄨㄩㄚㄛㄜㄝ帀ㄞㄟㄠ等, 其中帀代表發音為空韻 ; 聲調分為第一聲第二聲第三聲第四聲和輕聲而在漢語拼音中, 表示聲母的拼音分別為 b, p, m, f, d, t, n, l, g, k, h, j, q, x, zhi, chi, shi, ri, zi, ci, si; 介音為 yi, wu, yu; 韻母的拼音分別為 a, o, e, ê, ai, ei, ao, etc; 聲調分別以 1, 2, 3, 4, 5 代表而在漢語音韻學中, 又將聲母與韻母依照其發音特性做分類聲母的分類方法可由發音方法與發音部位來分, 發音方法是根據氣流通道受阻的狀態分成 : 塞音鼻音擦音邊音和塞擦音, 發音部位則分成 : 雙脣脣齒舌尖中舌尖前舌尖後舌面和舌根 ; 而韻母可由韻別與嘴型做分類, 其中韻別根據元音的種類可分成 : 單韻複韻聲隨韻和捲舌韻, 嘴型則分成開口齊齒合口和撮口, 如表一所示例如芳字的注音符號為ㄈㄤ, 漢語拼音為 fang, 其聲母為ㄈ /f 韻母為ㄤ /ang 聲調為第一聲, 發音方法為擦音發音部位為唇齒韻別為聲隨韻嘴型為開口

表一聲母分類表 ( 左欄 ) 與韻母分類表 ( 右欄 ) ( 三 ) 關聯式規則探勘與視覺化資料探勘被定義為從資料進行知識發掘 (Knowledge Discovery from Data) 的過程中, 以智慧的方式擷取資料樣式關聯式規則探勘出現於 1990 年代 [12], 原是用於購物籃分析, 在顧客交易資料庫中, 觀察購買項目間隱含的關係, 了解顧客的消費習慣, 例如 : 牛奶

6 表一聲母分類表 ( 左欄 ) 與韻母分類表 ( 右欄 ) ( 三 ) 關聯式規則探勘與視覺化資料探勘被定義為從資料進行知識發掘 (Knowledge Discovery from Data) 的過程中, 以智慧的方式擷取資料樣式關聯式規則探勘出現於 1990 年代 [12], 原是用於購物籃分析, 在顧客交易資料庫中, 觀察購買項目間隱含的關係, 了解顧客的消費習慣, 例如 : 牛奶麵包此例代表買牛奶的顧客也傾向在購買期間內選購麵包為測量這些隱含規則, 提出普遍性 (support) 和正確性 (confidence) 的測量標準, 表示如下 : D 代表交易資料庫,A B 各代表一個個體或群體的項目集 (item-set) A B 的普遍性代表在資料庫 D 中同時出現項目 A 與 B 的比例, 以機率 P( A B) 表示 A B 的正確性代表在資料庫 D 中, 如果已經出現項目 A 時, 項目 B 也同時出現的比例, 以條件機率 P ( B A) 資料筆數 A B 普遍性 ( A B) P( A B) 全部資料筆數普遍性 A B 正確性 ( A B) P( B A) 普遍性表示在進行關聯規則探勘時, 可先設定最小普遍性 (minimum support) 與最低正確性 (minimum confidence), 做為強關聯式規則的門檻關聯式規則視覺化可幫助決策者加以分析, 其相關研究有 : 散播平面圖 (scatter plot) 以圖解為基礎的視覺化 (graph-based visualization) 平行座標圖 (parallel coordinates plots) 雙層圖 (double decker plot) 以矩陣為基礎的視覺化 (matrix-based visualization)[13] 並加以分群 [14] 等 A (1) 三形聲字重要發音規則探勘與視覺化本研究幫助中文學習者加強漢字識字能力, 設計一套合適的漢字識字輔助教學系統, 幫助他們由漢字的組字特性中, 加深其聲符表音概念的形成 ; 亦提供漢字教學研究加以運用本研究分成四個階段, 首先是取得形聲字的相關資料並進行影響形聲字發音的因素

7 分析, 再來建立漢字發音的階層式架構, 找出主要的形聲字發音規則, 最後設計視覺化方法以教學網站的方式呈現 ( 一 ) 影響形聲字發音的因素分析首先, 本研究的形聲字資料是沿用國立中央大學中文所與資工所師生合作所建立的形聲字資料庫他們應用中研院文獻處理實驗室建立的漢字構形資料庫, 建立形聲字標記系統, 再由中文所四位研究生與三位教授人工標記形聲字與其聲符, 最後耗時兩年多將所有含注音標示的個漢字標記完成此形聲字資料庫共記錄了 9292 個形聲字 1431 個聲符在探勘形聲字發音規則之前, 首先分析形聲字的發音特性, 我們發現 : 有 55.5% 的形聲字的發音與其聲符的聲母韻母皆相同, 在另外 44.5% 的情況下, 有哪些屬性最可以協助我們辨別形聲字的發音? 本研究採用 Mutual Information ( 互信息 )[15] 來計算每個屬性對於形聲字聲母韻母的影響程度, 其公式內容為資訊熵減去條件熵, 如 (2) 式所示 x X I( X;Y ) H( X ) H( X Y ) Pr( x)logpr( x) Pr( y,x)logpr ( x y) (2) y Y x X 當中可能影響形聲字發音的屬性與屬性值列表於表二中, 其中聲符的韻母 = 帀代表發音為空韻舉例屬性影響形聲字發音 : 欲計算連接方式影響聲符韻母 = ㄧㄢ的形聲字發音的 Mutual Information 值, 先列出符合條件的字數如表三, 表中的 285 字表示當形聲字的聲符韻母 = ㄧㄢ且形聲字韻母 = ㄧㄢ時, 符合上下連接的形聲字有 285 個字之後將此表的資訊套入 (2) 式 : I ( X ; Y ) ( log( ) log( )) ( )log( / ) ( )log( / ) ( )log( / ) ( )log( / ) ( )log( / ) ( )log( / ) 式子中 361 代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其韻母 = ㄧㄢ的比例為 361; 代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其韻母 = 其它的比例為 97 ; 代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其韻母 = ㄧㄢ且連接方式 = 上下連接的比例為 285; 357 代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其連接方式 = 上下連接的比例為 ; 458 左右連接的比例為 52 代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其韻母 = ㄧㄢ且連接方式 = 52 ; 458 = 左右連接的比例為代表在所有符合聲符韻母 = ㄧㄢ的形聲字當中, 其連接方式 , 其它數值對照表三依此類推, 計算所得的 Mutual Information 值為 0.008, 代表屬性連接方式與聲符發音關聯性弱若是 Mutual Information 值越大代表此屬性與聲符發音關聯性越強, 而所有屬性影響形聲字聲母韻母是否與其聲符聲母韻母相同的 Mutual Information 值於圖二表示圖二橫軸是形聲字以其聲符的聲母與韻母為分類, 縱軸表示每個屬性對於不同分類的 Mutual Information 值, 其中屬性依序以所代表的顏色顯示在長條圖中由圖中可看出 : 影響形聲字的發音是否與聲符發音相同的因素在於聲符的聲母和韻母 ( 藍色與靛色的部分最長 ), 以此作為形聲字發音規則的探勘項目, 提供漢語學習者重要關鍵的形聲字發音規則

屬性內容連接方式字的筆畫數部首的筆畫數聲符的筆畫數聲符的位置聲符的聲母聲符的韻母聲符的聲調表二可能影響形聲字發音的屬性與屬性值屬性值上下連接左右連接包圍式 0-10 畫 11-20 畫 21-30 畫 0-5 畫 6-10 畫 11-15 畫 16-20 畫 21-25 畫 0-5 畫 6-10 畫 11-15 畫 16-20 畫 21-25 畫左右上下內ㄅ, ㄆ, ㄇ, ㄈ,

8 屬性內容連接方式字的筆畫數部首的筆畫數聲符的筆畫數聲符的位置聲符的聲母聲符的韻母聲符的聲調表二可能影響形聲字發音的屬性與屬性值屬性值上下連接左右連接包圍式 0-10 畫畫畫 0-5 畫 6-10 畫畫畫畫 0-5 畫 6-10 畫畫畫畫左右上下內ㄅ, ㄆ, ㄇ, ㄈ, ㄉ, ㄊ, ㄋ, ㄌ, ㄍ, ㄎ, ㄏ, ㄐ, ㄑ, ㄒ, ㄓ, ㄔ, ㄕ, ㄖ, ㄗ, ㄘ, ㄙㄧ, ㄨ, ㄩ, ㄚ, ㄛ, ㄜ, ㄝ, 帀, ㄞ, ㄟ, ㄠ, ㄡ, ㄢ, ㄣ, ㄤ, ㄥ, ㄦ, ㄧㄚ, ㄧㄛ, ㄧㄝ, ㄧㄞ, ㄧㄠ, ㄧㄡ, ㄧㄢ, ㄧㄣ, ㄧㄤ, ㄧㄥㄨㄚ, ㄨㄛ, ㄨㄞ, ㄨㄟ, ㄨㄢ, ㄨㄣ, ㄨㄤ, ㄨㄥㄩㄝ, ㄩㄢ, ㄩㄣ, ㄩㄥ第一聲第二聲第三聲第四聲輕聲表三連接方式影響聲符韻母 = ㄧㄢ的形聲字發音字數屬性上下連接左右連接包圍式總計發音情形聲符韻 = ㄧㄢ且形聲字韻 = ㄧㄢ 285 字 52 字 24 字 361 字聲符韻 = ㄧㄢ且形聲字韻 = 其它 72 字 13 字 12 字 97 字總計 357 字 65 字 36 字 458 字圖二各個屬性影響形聲字發音的比較圖

( 二 ) 漢字發音階層架構漢字的發音教學往往需要拼音輔助, 此拼音可為注音符號漢語拼音或國際音標, 例如注音符號ㄅ, 在漢語拼音中表示成 b, 在國際音標中以 p 代表, 本研究採用注音符號與漢語拼音兩種表示漢字的發音在漢語音韻學當中, 將漢語的發音分成聲母韻母和聲調三部分, 進一步地, 不同聲母又可依照發音方法發音部位兩種方法來分類, 而不同韻母可依照韻別嘴型兩種方法進行分類

9 ( 二 ) 漢字發音階層架構漢字的發音教學往往需要拼音輔助, 此拼音可為注音符號漢語拼音或國際音標, 例如注音符號ㄅ, 在漢語拼音中表示成 b, 在國際音標中以 p 代表, 本研究採用注音符號與漢語拼音兩種表示漢字的發音在漢語音韻學當中, 將漢語的發音分成聲母韻母和聲調三部分, 進一步地, 不同聲母又可依照發音方法發音部位兩種方法來分類, 而不同韻母可依照韻別嘴型兩種方法進行分類故本研究採取在不同層次上表達漢字的發音, 參照漢語聲韻學發音分類, 定義形聲字與其聲符發音的階層式架構, 如圖三所示圖三顯示階層式架構的根結點為第四層, 代表所有漢字的發音圖中右邊分支代表形聲字的發音, 左邊分支代表其聲符的發音在第三層是發音的聲母與韻母的分類, 其中有發音方法發音部位韻別和嘴型四種分類方法, 稱為聲韻分類層 ; 在第二層記錄發音的聲母韻母, 為聲韻層 ; 在第一層則是完整的發音 ( 忽略聲調 ), 稱作發音層, 以此表示本研究在不同層次上探勘形聲字發音規則的概念表四列出由第一層到第三層的發音階層結構例子使用階層式架構的目的, 是為了幫助使用者由不同發音細微度 (granularities) 學習形聲字發音規則, 其發音細微度意指發音單位大小, 以此幫助漢語學習者歸納形聲字發音的情形, 帶領他們從宏觀或是細微的角度學習漢字發音的脈絡圖三漢字發音階層架構圖表四發音階層結構表示法 Level 1 發音層 Level 2 聲韻層 Level 3 聲韻分類層形聲字聲母韻母發音方法發音部位韻別嘴型ㄉㄧㄠ /diao( 叼 ) ㄉ /d ㄧㄠ /yao 塞音舌尖中結合韻母齊齒ㄕㄜ /she( 什 ) ㄕ /shi ㄜ /e 擦音舌尖後單韻開口聲符聲母韻母發音方法發音部位韻別嘴型ㄉㄧㄠ /diao( 刁 ) ㄉ /d ㄧㄠ /yao 塞音舌尖中結合韻母齊齒ㄕ /shi( 十 ) ㄕ /shi 擦音舌尖後單韻開口

10 ( 三 ) 主要的形聲字多層次發音規則探勘經過形聲字發音特性的分析, 採用漢字發音階層架構與多層次關聯式規則探勘 (Multi-Level Association Rules Mining), 找出主要的形聲字發音規則本研究採用 Apriori 演算法 [12], 對形聲字發音資料庫進行探勘, 分別在三個發音階層結構上, 找出聲符的發音影響形聲字發音的隱含規則第一層以發音為單位, 其 1- 項目集為所有注音符號的組合 ; 第二層將注音符號分成聲母韻母, 其 1- 項目集如表五所示, 其中形聲字韻母 = 帀聲符的韻母 = 帀代表發音為空韻 ; 第三層將聲母韻母進一步分類, 可依照發音方法發音部位韻別與嘴型做分類分別在此三層掃描一次資料庫後得到 1- 項目集的普遍性, 其中大於最小普遍性為頻繁 1- 項目集 ; 再由頻繁 1- 項目集兩兩組合得到 2- 項目集, 進行掃描後, 大於最小普遍性為頻繁 2- 項目集, 依此類推, 直到無法產生頻繁項目集為止根據上述發掘的頻繁項目集, 推導出符合最小普遍性與最小正確性的強關聯規則, 例如最小普遍性為 0.1 最小正確性為 0.7 本研究由專家學者設定最小普遍性與最小正確性, 以找出聲符對形聲字發音的各種影響層面, 作為漢字識字教學之用由於本研究存在許多不同類型的項目集, 有些規則出現次數所佔比例小, 故在實驗中將最小普遍性設低 ; 另外為了分析形聲字轉音的情形, 也將最小正確性設小本研究預期學習者在具備基礎聲符閱讀能力下, 利用聲符的發音特性推測出形聲字生字的發音, 這正是聲符表音的因果關係, 故篩選規則的條件為 : 形聲字的聲符發音形聲字發音舉例如 : 聲符韻母 = ㄧㄠ形聲字韻母 = ㄧㄠ, 普遍性 =2.2%, 正確性 =78% 其含義為 : 在 9292 個形聲字中, 符合形聲字的聲符韻母是發音ㄧㄠ的條件下, 有 78% 形聲字的韻母也是發音ㄧㄠ, 字數佔 2.2% 篩選好的規則便稱為主要的形聲字發音規則表五形聲字與其聲符第二層 1- 項目集形聲字聲母 { ㄅ, ㄆ, ㄇ, ㄈ, ㄉ, ㄊ, ㄋ, ㄌ, ㄍ, ㄎ, ㄏ, ㄐ, ㄑ, ㄒ, ㄓ, ㄔ, ㄕ, ㄖ, ㄗ, ㄘ, ㄙ } 形聲字韻母 { ㄧ, ㄨ, ㄩ, ㄚ, ㄛ, ㄜ, ㄝ, 帀, ㄞ, ㄟ, ㄠ, ㄡ, ㄢ, ㄣ, ㄤ, ㄥ, ㄦ, ㄧㄚ, ㄧㄛ, ㄧㄝ, ㄧㄞ, ㄧㄠ, ㄧㄡ, ㄧㄢ, ㄧㄣ, ㄧㄤ, ㄧㄥㄨㄚ, ㄨㄛ, ㄨㄞ, ㄨㄟ, ㄨㄢ, ㄨㄣ, ㄨㄤ, ㄨㄥㄩㄝ, ㄩㄢ, ㄩㄣ, ㄩㄥ } 聲符的聲母 { ㄅ, ㄆ, ㄇ, ㄈ, ㄉ, ㄊ, ㄋ, ㄌ, ㄍ, ㄎ, ㄏ, ㄐ, ㄑ, ㄒ, ㄓ, ㄔ, ㄕ, ㄖ, ㄗ, ㄘ, ㄙ } 聲符的韻母 { ㄧ, ㄨ, ㄩ, ㄚ, ㄛ, ㄜ, ㄝ, 帀, ㄞ, ㄟ, ㄠ, ㄡ, ㄢ, ㄣ, ㄤ, ㄥ, ㄦ, ㄧㄚ, ㄧㄛ, ㄧㄝ, ㄧㄞ, ㄧㄠ, ㄧㄡ, ㄧㄢ, ㄧㄣ, ㄧㄤ, ㄧㄥㄨㄚ, ㄨㄛ, ㄨㄞ, ㄨㄟ, ㄨㄢ, ㄨㄣ, ㄨㄤ, ㄨㄥㄩㄝ, ㄩㄢ, ㄩㄣ, ㄩㄥ } ( 四 ) 主要的形聲字發音規則視覺化本研究採用以矩陣為基礎的視覺化方法, 呈現主要的形聲字發音規則, 藉以提供學習者一個簡單明瞭的方式學習發音規則如圖四所示, 圖中縱軸為規則的左邊, 橫軸代表規則的右邊, 每一點代表一條規則, 其大小表示普遍性顏色代表正確性, 其中普遍性是以相對大小進行比較例如座標 (3, 2) 的點代表聲符發音方法 = 擦音形聲字發音方法 = 塞音的規則, 其普遍性較少正確性約為 0.1 圖四是在第三層發音階層中, 關於聲

11 母發音方法發音關聯規則的視覺化, 可看出形聲字的聲符發音方法大多數和形聲字的發音方法相同透過規則的視覺化, 學習者一眼就可看出規則涵蓋的範圍與其重要程度, 漢字研究者亦可加以分析比較, 不但能深入了解發音規則, 亦可概觀整體聲符發音影響形聲字發音的情形, 完整呈現形聲字發音的脈絡易於記憶發音規則圖四規則視覺化 -Level3 發音方法四主要貢獻成果本研究在 9292 個形聲字資料庫中, 將最小正確性設為 0.1, 最小普遍性設為 0.001, 探勘出強關聯規則, 並且揭露形聲字發音與其聲符發音不同的轉音規則篩選規則的條件為 : 在同個發音階層上的形聲字的聲符發音形聲字發音, 所得的規則稱為主要的形聲字發音規則表六列出在第一層到第三層發音結構上探勘出的主要形聲字發音規則數量, 並將探勘產生的部分強關聯規則於表七表八中呈現, 表八中 ID=1 的聲母 = 空, 其意思為無聲母舉例表七中 ID=1 如下 : 聲符聲母 = 舌面字聲母 = 舌面, 普遍性 =15%, 正確性 =75% 其含義為 : 在 9292 個形聲字中, 符合形聲字的聲符聲母的發音部位為舌面的條件下, 有 75% 形聲字聲母的發音部位也是舌面, 共佔 15% 我們可看出 : 表八的發音關聯規則, 其前八項顯示形聲字的發音部位與其聲符有相同的發音部位, 共可正確推測約 79% 的形聲字, 再加上轉音規則的部分, 共可將推測正確度提高到 82% 在第三層的發音關聯規則中, 皆可以少數幾條規則揭露大部分形聲字發音的脈絡, 由此幫助中文學習者概觀形聲字與其聲符的發音特性, 提供他們簡單好記的發音規則另外, 在這些主要的形聲字發音規則中, 雖然大部分的形聲字發音與其聲符發音相同, 但也有不少規則揭露例外的情形, 稱為轉音規則, 這些規則幫助學習者增加推測形聲字發音的正確性故進一步探討在三層當中的轉音規則, 第二層前五項轉音規則如表九所示進一步地, 本研究實作一個網站呈現規則的視覺化, 以此作為形聲字識字教學輔助系統如圖五圖六所示, 藉由互動的方式, 使用者可依照有興趣的項目, 在發音階層圖中點選規則分類的方框, 例如點選舌尖前, 網站便呈現符合舌尖前分類的規則視覺化

12 圖使用者也能進而使用下拉式選單查詢符合規則的形聲字, 例如選擇聲符 = ㄗ形聲字 = ㄘ, 結果呈現符合的形聲字與其聲符發音, 共 13 個常用形聲字與 37 個非常用形聲字另外亦提供英文版的網站系統, 將注音符號以漢語拼音的方式呈現給學習者如此一來, 漢語學習者透過視覺化的方式, 能輕鬆記憶發音關聯式規則, 並在操作識字教學輔助系統的同時, 增加學習經驗與識字量, 減少學習負擔而此系統亦可輔助漢字研究, 提供重要的發音規則予以參考與應用表六在不同層級上的發音規則數層級主要發音規則數 Level 1 發音層 275 Level 2 聲韻層 99 Level 3 聲韻分類層 34 表七主要形聲字聲母發音部位發音規則 Level 3- 發音部位 ID 聲符聲母則字聲母普遍性 (%) 正確性 (%) 舉例 ( 聲符 : 字 ) 1 舌面舌面齊 ( ㄑㄧ 2): 擠 ( ㄐㄧ 3) 2 舌尖中舌尖中屯 ( ㄊㄨㄣ 2): 頓 ( ㄉㄨㄣ 4) 3 零聲母零聲母于 ( ㄩ 2): 宇 ( ㄩ 3) 4 舌尖後舌尖後專 ( ㄓㄨㄢ 1): 傳 ( ㄓㄨㄢ 4) 5 雙脣雙脣八 ( ㄅㄚ 1): 趴 ( ㄆㄚ 1) 6 舌根舌根鬼 ( ㄍㄨㄟ 3): 塊 ( ㄎㄨㄞ 4) 7 舌尖前舌尖前 5 77 卒 ( ㄗㄨ 2): 翠 ( ㄘㄨㄟ 4) 8 脣齒脣齒 3 73 凡 ( ㄈㄢ 2): 帆 ( ㄈㄢ 2) 9 舌尖後舌尖中 2 16 丑 ( ㄔㄡ 3): 妞 ( ㄋㄧㄡ 1) 10 脣齒雙脣 1 26 分 ( ㄈㄣ 1): 扮 ( ㄅㄢ 4) 表八前五主要形聲字聲母發音規則 ( 依普遍性排 ) Level 2- 聲母 ID 聲符聲母則字聲母普遍性 (%) 正確性 (%) 舉例 ( 聲符 : 字 ) 1 空空憂 ( ㄧㄡ 1): 優 ( ㄧㄡ 1) 2 ㄌㄌ 6 93 良 ( ㄌㄧㄤ 2): 浪 ( ㄌㄤ 4) 3 ㄐㄐ 5 56 吉 ( ㄐㄧ 2): 結 ( ㄐㄧㄝ 2) 4 ㄒㄒ 4 65 星 ( ㄒㄧㄥ 1): 醒 ( ㄒㄧㄥ 3) 5 ㄓㄓ 4 54 者 ( ㄓㄜ 3): 煮 ( ㄓㄨ 3)

13 表九前五主要形聲字聲母轉音規則 ( 依普遍性排 ) Level 2- 聲母 ID 聲符聲母則字聲母普遍性 (%) 正確性 (%) 舉例 ( 聲符 : 字 ) 1 ㄅㄆ 2 33 巴 ( ㄅㄚ 1): 爬 ( ㄆㄚ 2) 2 ㄑㄐ 1 23 齊 ( ㄑㄧ 2): 擠 ( ㄐㄧ 3) 3 ㄍㄏ 1 17 骨 ( ㄍㄨ 3): 滑 ( ㄏㄨㄚ 2) 4 ㄐㄑ 1 13 君 ( ㄐㄩㄣ 1): 裙 ( ㄑㄩㄣ 2) 5 ㄍㄎ 1 15 鬼 ( ㄍㄨㄟ 3): 塊 ( ㄎㄨㄞ 4) 圖五注音符號版網站視覺化 - 漢字發音階層圖

14 圖六注音符號版網站視覺化 - 規則視覺化五結論與未來方向本研究結論可分三個部份, 首先由影響形聲字發音的因素分析中, 分析出最能影響形聲字發音的屬性就是聲符的發音, 以此作為規則探勘的項目, 幫助使用者更容易判斷形聲字的發音, 並大幅減少探勘後的規則數目第二部分為輔以漢語音韻學的知識, 將漢字發音分成三個層次來看, 建立漢字發音階層架構, 進行多層次發音關聯規則探勘, 篩選規則找出主要的形聲字發音規則, 由此輔助漢語學習者與漢字研究歸納形聲字發音的情形了解漢字發音的脈絡再來第三部分為設計視覺化的方法來呈現規則, 使用者可一目了然規則的涵蓋範圍與其重要程度易於學習發音規則, 並將此以互動式的網站系統呈現, 利於使用者選擇有興趣的規則分類, 再輔以常用字與非常用字, 讓漢語學習者增加學習經驗與識字量期望能由本研究具體提供的漢字形音關係與組字特性, 幫助學習者有系統的方式學習, 減少學習負擔並增加識字能力, 亦協助漢字研究有更進一步的發展在未來, 本研究將會延續研究團隊的計畫, 將研究成果與漢字單元教材結合, 由單元課程中學到的生字, 延伸學習發音規則與相對應的形聲字, 並進行實地教學施策而學習者需了解有關聲韻分類的發音方法發音部位韻別和嘴型, 對於這項要求是否會造成學習者的負擔, 希望能在未來實際教學中得到回饋並改進此系統亦可以其他拼音法呈現漢字的發音, 期望能幫助更多外國學習者加強他們的識字能力另外, 對於簡體字中的形聲字發音, 是否依然與聲符發音存在著緊密的關聯, 可在未來研究中進一步探討未來仍朝向發揮漢語數位學習的優點, 協助漢語學習者奠定好漢語基礎能力, 並同時以生動易懂的方式呈現, 不但可增加學習者的學習效率亦能引起他們的學習興趣

15 參考文獻 [1] 張良民, 全球華語學習熱潮與僑教發展, 研習資訊,2006 年,23:2,9-15 頁 [2] 林季苗, 漢語教學四大原則與法國經驗, 華語文教學研究,2011 年 8 月,8:2, 頁, [3] 段玉裁說文解字注, 十一版, 黎明文化事業股份有限公司, 台北, 民國八十三年七月 [4] 費錦昌, 現代漢字部件探究, 語言文字應用, 語文出版社,1996 年, 第 2 期總第 18 期, 頁 [5] 辜玉旻柯華葳高嘉慧, 識字教學法與口語詞彙能力對新移民女性中文識字學習之影響, 中央大學學習與教學研究所碩士論文,2010 年 [6] 高柏園郭經華胡映雪, 華語文作為第二語言之字詞教學模式與學習歴程研究, 年 [7] 國家語言文字工作委員會, 現代漢語通用字表, 中華人民共和國新聞出版總署, 中國大陸,1988 年 [8] 中研院文獻處理實驗室, 漢字構形資料庫, [Online]. Available: [9] Lee, C.-Y., Tsai, J.-L., Su, E. C.-I., Tzeng, O. J.-L., & Hung, D. L., Consistency, regularity and frequency effects in naming Chinese characters, Language and Linguistics, 6(1), pp , [10] 張嘉惠李淑瑩林書彥黃嘉毅陳志銘, 以最佳化及機率分佈判斷漢字聲符之研究,ROCLING, 2010 [11] 張嘉惠林書彥, 聲符部件排序與形聲字發音規則探勘,ROCLING, 2011 [12] Jiawei H. and Micheline K., Data Mining: Concepts and Techniques, 2nd ed., Morgan Kaufmann Publishers, March [13] Michael Hahsler and Sudheer Chelluboina, Visualizing association rules in hierarchical groups, In Computing Science and Statistics, Vol. 42, 42nd Symposium on the Interface: Statistical, Machine Learning and Visualization Algorithms (Interface 2011), the Interface Foundation of North America, June [14] Gupta, G., Strehl, A., and Ghosh, J., Distance Based Clustering of Association Rules, in Intelligent Engineering Systems through Artificial Neural Networks (Proceedings of ANNIE 1999), 1999, pp [15] Wikipedia, Mutual information, available at: Mutual_information/ (accessed March 2013), 2013.

為愛拒毒（國小中低年級）

為愛拒毒（國小中低年級）教育部 103 年紫錐花運動寒假反毒學習單國小中年級版為ㄨㄟ愛ㄞ拒ㄐㄩ毒ㄨㄑㄧ親ㄣ愛ㄞ的ㄠ到ㄞ來ㄌ的ㄜ家ㄐㄧㄤㄚ長ㄓ與ㄩ同ㄊㄨㄥ學ㄩㄝ : ㄢ寒ㄏㄧ假ㄐㄚㄧ即ㄐㄧ將ㄐㄤ來ㄌㄞㄧ臨ㄌㄣㄞ在ㄗㄨ同ㄊㄥ學ㄩㄝㄢ滿ㄇㄧㄧ心ㄣ期ㄑㄢ盼ㄆㄧ假ㄐㄚㄧ期ㄑㄜ同ㄨ入ㄖ的ㄟㄜ危ㄨㄧ險ㄢ時ㄕㄧ機ㄐㄊㄨㄥㄝ時ㄕ也ㄧㄜ可ㄎㄥ能ㄋ是ㄕㄨ毒ㄧ品ㄆㄣ勢ㄕ