如语言研究型数据库那样成熟, 但可为构建华文教材数据库提供借鉴此类数据库中有代表性的有北京语言大学的对外汉语教材检索数据库, 中央民族大学的国际汉语教学国别

Size: px

Start display at page:

Download "如语言研究型数据库那样成熟, 但可为构建华文教材数据库提供借鉴此类数据库中有代表性的有北京语言大学的对外汉语教材检索数据库, 中央民族大学的国际汉语教学国别 "

光近邰
9 years ago
Views:

1 国别华文教材数据库构建意义与方法 1 盛译元华侨大学华文学院 [email protected] 摘要 : 基于数据库的语言研究方法目前已经被广泛地应用于语言研究的各个领域, 但在教材研究领域, 这种方法的使用相对滞后现有教材数据库均存在功能单一数据规范性差特色或专门性数据资源稀缺等不足构建国别华文教材数据库, 不仅能弥补国内华文教材数据库的空缺, 还有助于摸清国别华文教学现状, 加强国别华文教材编写研究, 对推动华文教育的学科建设及信息化程度均有重要意义本文从流程结构和层级分析软件元数据项处理等几个方面讨论了国别华文教材数据库的构建办法关键词 : 教材数据库 ; 华文教育 ; 华文教材 ; 数据库构建与实现 Study on the Significance and Methods of Database Building of Chinese Teaching Material for Specific Countries Sheng Yiyuan Chinses Language Culture College of Huaqiao University Abstract: Database approach has been widely used in all areas of language study, but in the field of Chinese language teaching material is still lagging behind. The few existing databases are lacking in the aspect such as single function, poor in data regulation and specification. This paper proposes the establishment and realization of " Chinese Teaching Material for Specific Countries Database" is not only to make up for the domestic vacancy in this area, is also helps to know the Chinese teaching situation in specific countries, to strengthen the Chinese textbooks written research, to promote the systematic construction and information technology disciplines of Chinese education. Key words: Chinese Teaching Material Database, Chinese Education, Chinese Teaching Material, Construction and Realization of Database 2 3 我国以语言研究为目的建立数据库或语料库的历史可以追溯到 20 世纪 80 年代近些年来, 除了语言信息处理和言语工程领域以外, 语料库方法在语言教学词典编纂现代汉语和汉语史研究等方面也得到了越来越多的应用 ( 张宝林,2010) 用于语言研究或语言教学的语料库逐渐增多, 如国家语委现代汉语语料库北京大学语言学研究中心语料库中山大学的留学生中介语语料库北京语言大学的 HSK 动态作文语料库等基于数据库的研究采用数理的方法, 可以精确地阐释语言问题, 揭示传统研究方法无法解释的语言现象受目前华文教育学科体系不完善华文教材研究比较薄弱等因素的制约, 国内华文教材数据库建设始终呈空白状态建立国别华文教材数据库可以从根本上改变这种局面另外, 将基于数据库的计量分析方法与华文教材研究相结合, 可以进一步推动华文教材的编写与研究, 并能帮助我们发现华文教学的规律, 从而促进华文教育事业的发展 1 发展现状及存在问题国内现有的教材数据库多以汉语作为第二语言的教材或汉语作为外语的教材为对象, 虽然不 1 本文得到华侨大学中央高校基本科研业务费资助项目哲学社会科学青年学者成长工程项目 ( 项目标号 :13SKGC- QG04) 支持 2 数据库 (Database) 是按照数据结构来组织存储数据的仓库数据库有很多类型, 从最简单的存储有各种数据的表格到能够进行海量数据存储的大型数据库系统都在各方面得到了广泛的应用见百度百科, 3 语料库 (corpus) 指经科学取样和加工的大规模电子文本库借助计算机分析工具, 研究者可开展相关的语言理论及应用研究百度百科, ~1~

数据库, 不仅能弥补国内华文教材数据库的空缺, 还有助于摸清国别华文教学现状, 加强国别华文教材编写研究, 对推动华文教育的学科建设及信息化程度均有重要意义本文从流程结构和层级分析软件元数据项处理等几个方面讨论了

2 如语言研究型数据库那样成熟, 但可为构建华文教材数据库提供借鉴此类数据库中有代表性的有北京语言大学的对外汉语教材检索数据库, 中央民族大学的国际汉语教学国别化教材研究库和汉办教材基地的全球汉语教材库对外汉语教材检索数据库 4 建于 1990 年, 由当时的国家对外汉语教学领导小组办公室和北京语言大学图书馆共同开发, 主要工作是收集整理报道世界各国各地区汉语教学及汉语研究的文献资料 5 主要数据收藏范围自 1864 年伦敦出版的 THE RUDIMENTS OF THE CHINESE LANGUAGE ( 汉语入门 ) 1886 年上海出版的语言自迩集到建国以来所有能收集到的对外汉语教材截止到 2006 年, 共收录教材 667 种数据库主要提供教材封面内容简介目录前言等教材基本信息, 部分教材还附有专家评语以及教材直观详细的介绍作为国内第一个真正意义上的针对汉语为非母语者所使用的汉语教材所建立的数据库, 对外汉语教材检索数据库是具有一定规模和文献保障的对外汉语教材专题数据库建立这个数据库的主要目的是收集汉语教材, 并按教材的基本信息将其分类, 方便教材使用者进行简单的查找因此收集和检索是其主要功能国际汉语教学国别化教材研究库 6 是中央民族大学国际教育学院自建的国际汉语教学数据库的一个子库该数据库利用清华同方 TPI 软件为技术支持, 以中国知网国家汉办及自主收集的汉语国际传播资料为数据资源,2011 年开始筹建,2013 年基本建成, 分学术资源教学资源和信息资源三大类, 按五级目录展开国别化教材研究库先按国别将教材进行分类, 然后从结构维度入手将教材语料按照课文语法点课后题进行切分, 再对课文语料中的字词句子语法段落等做计量处理, 旨在为国际汉语教学相关领域的教学及科研人员提供专题性的教学参考全球汉语教材库 7 由国家汉办国际汉语教材研发与培训基地开发, 主要负责大规模收集全球汉语及中华文化教材建立全球汉语教材信息展示中心以及开发多语种汉语文化辅助教材等经过几年的发展, 全球汉语教材库已收录世界各国汉语教材本其工作包括对采购到的教材进行入库处理, 对无法购买的教材信息进行采集, 以及对这些信息进行分类, 以作为前台检索和后期展示的基础可见, 教材库的收集检索功能比对外汉语教材检索数据库更进一步全球汉语教材库还具有教材开发功能对教材文本进行统计得到的多级标注 8 语料库, 生成字表 58 个, 词表 74 个, 语法统计表 46 个, 文化点统计表 23 个国家汉办以此为基础于 2014 年 4 月推出国际汉语教材编写指南 9 大型网络应用平台这个平台具有在线教材编写功能, 并为使用者提供十余种热点素材文化知识词汇注释例句等实用资源, 还可以通过对大纲和教材要素的对比实现对教材的评估建立汉语教材数据库能有效促进汉语教材的发展, 但现有教材数据库还存在以下一些不足之处 1.1 开发程度尚处于初级阶段, 数量少与国内外众多的语料库相比, 我国教材数据库的建设尚属起步阶段, 急需推进和发展稍具规模的教材数据库, 如上文提到的全球汉语教材库收录教材本, 国别化教材研究库收录美国教材 17 本, 初步处理后的记录达条, 均由某个学术单位单独组织建设也有的汉语教材数据库为个人建立, 在数据标注和处理方面针对性强, 能够将研究价值发挥到极大, 但这类专研专建数据库后期可拓展性不大, 再加上建库回报率低等原因, 在数量上很难有所突破 4 北京语言大学, 对外汉语教材检索数据库, 5 北京语言大学, 世界汉语教学交流中心信息部网站, 6 中央民族大学国际教育学院国际汉语教学数据库, 7 全球汉语教材库, 8 此为不完全统计引自时任汉办教材处处长彭增安在中央民大做所的报告 9 国家汉办, 国际汉语教材编写指南, ~2~

RUDIMENTS OF THE CHINESE LANGUAGE ( 汉语入门 ) 1886 年上海出版的语言自迩集到建国以来所有能收集到的对外汉语教材截止到 2006 年, 共收录教材 667 种数据库主要提供教材封面内容简介目录前言等教材基本信息, 部分教材

3 1.2 数据库功能单一教材数据库并不是数字化的汉语教材图书馆, 其根本功能是以文本语料为基础的计量统计分析现有教材数据库的功能多集中在对教材进行收集检索和计量这几个方面全球汉语教材库进一步将数据库方法与教材编写联系起来, 在数据库功能的拓展方面进行了有益的尝试但总的来说, 这些数据库的功能还是显得比较单一随着网络和多媒体技术的发展, 汉语试听教材数量逐渐增多, 再加上语言学习本身就是对听说读写四种技能的综合培养, 必然涉及到很多超文本的语言学习材料, 因此发展包含视频音频文本在内的多模态数据库应是未来数据库发展的趋势 1.3 规范性差, 数据共享难以实现当前教材数据库建设的另一个问题是规范性差强人意, 表现在建设者基本上是依据自己的主观认识与想法各行其是 ( 张宝林,2010), 这极大影响了教材数据的共享, 甚至可能导致数据库研究功能的丧失数据不规范的情况包括语料标注不符合科学标准和标注的差异性大这两种情况其产生的根本原因是汉语教材的基础理论性研究不够, 对于如何将数据库计量研究应用于教材研究还不甚清楚 ; 另外从技术层面看, 汉语教学领域中既懂教材编写理论又懂数据库建设的人不多, 在信息编码方式存储方式管理方式的规范性方面还需进一步加强 1.4 缺乏特色或专门教材数据库语言教材体系庞杂, 可按使用者语言水平年龄翻译语言使用地区使用课型教材类型等不同维度进行分类, 因此在建立教材数据库时也应该有针对性另外, 华文教材与汉语教材在使用对象编写原则构成要素知识体系构架等方面都存在很大差异, 十分有必要建立专门的华文教材数据库, 以便从计量层面揭示华文教材区别于一般汉语教材的特点 2 建立国别华文教材数据库的意义 2.1 有助于了解国别华文教材现状中国经济持续稳定快速的发展带了全世界范围的汉语热二十一世纪的海外华文教学和华文教育出现了一个由复苏复兴到蓬勃发展的崭新局面 ( 吴勇毅,2010), 面对新形式和新情况, 首先要对各国华文教育的现状进行总结建立国别华文教材数据库, 有利于我们有针对性地了解国别华文教材的使用情况, 并将教材因素作为评估一个国家华文教育情况的因子之一而只有充分了解各国华文教学的实际情况, 才能有针对性地制定华文教学策略, 用以指导本土化华文教师教材教学法等问题的系统研究 2.2 有助于进一步推动国别华文教材研究教材问题是华文教育的核心问题之一现有的华文教材主要都是通用型的, 不能体现国别针对性和教学对象的针对性 ( 贾益民,2012), 国别化业已成为华文教材发展的当务之急国别化语言教材是指从某一国家学习者的特点和需要出发, 以满足特定国家学习者的学习需要为目标而设计编写和制作的某一语言作为外语或第二语言教学教材 ( 吴应辉,2013) 建立国别华文教材数据库, 可以为深入研究国别华文教材提供令人信服的数据支持 2.3 有助于华文教育学科的系统化建设华文教育是一种特殊的教育现象, 作为一个学科, 需要有成熟的理论基础作为指导, 需要有区别于其他学科的研究对象, 更需要一套科学和严谨的研究方法而信息化程度是衡量华文教育学科系统性的重要指标之一国别华文教材数据库能为华文教育学科的实践提供一个数据化的平台, 以推动学科系统化进程 2.4 有助于推进海外华文教育信息处理技术的发展身处一个信息化的时代, 我们要善于利用计算机技术为研究提供便利建立国别华文教材数据库, 除了可以帮助我们了解这个国家的华文教材面貌以外, 更可大大推动华文教育学科的信息 ~3~

然涉及到很多超文本的语言学习材料, 因此发展包含视频音频文本在内的多模态数据库应是未来数据库发展的趋势 1.

4 化水平 3 国别华文教材数据库构建的几个问题国别华文教材数据库的具体构建要做到逻辑合理, 结构规范, 还需要符合华文教材自身特点, 更重要的是要能够满足多种研究需要涉及到的比较关键问题有以下四个 : 3.1 教材数据库构建流程建库准备预处理熟语料量化分析应用发布数据库结构设计 OCR 数据处理教材收集噪音数据清理教材数据库教材数据分析相关文档发布教材扫描文本切分标注入库教材研究者检索图 1 华文教材数据库构建流程图从流程上看, 建库准备中最重要和最首要的任务就是数据库的结构设计, 其目的主要是确定数据库的建库规则和文本录入规则完成结构设计后就可以进行教材收集扫描 OCR 处理噪声处理文本切分等实际工作经过这些处理的语料才是计算机可以识别和计量的熟语料, 这些语料按照一定的方法经过量化处理就可以为教材研究者使用 3.2 数据库层级与结构华文教材数据库可分为数据层语料层和应用层三个主要层级收集到的华文教材, 经 OCR 识别后存储于电子教材库中, 然后以一本书为单位, 进行人工元数据项的标注, 以保证每本教材有唯一的 ID, 每一条语料记录可以追根溯源找到出处数据库语料层对教材中的每一课书进行分割, 并对课文的篇章段落句子词字等进行标注, 对生词语法点练习和文化点语料进行统计语料层是数据化的教材文本集合, 如同一个语料的仓库, 每条语料就像仓库中的一个零件, 被分门别类放在货架上, 并被贴上标签在应用层, 我们将根据需要对这些语料进行不断整合和重组, 以期得到能够反映教材特点并可作为研究资料的具体数据需要注意的是, 应用层对语料的处理要区分构成要素和结构编排这两个维度, 这是由华文教材自身特点决定的一般认为, 汉语由语音词汇语法和汉字四个要素构成华文教材作为海外华人学习族裔语言的工具, 还承载着中国文化, 因此其构成中还应包括文化要素通过与相关词表进行对比, 我们可以统计出教材要素的特征此处可借鉴汉语国际教育方面比较成熟的词表大纲如汉语国际教育用音节汉字词汇等级划分 10 国际汉语教学通用课程大纲 11 等 10 中华人民共和国教育部国家语言文字工作委员会 : 汉语国际教育用音节汉字词汇等级划分, 北京 : 北京语言大学出版社, 国家汉语国际推广领导小组办公室 : 国际汉语教学通用课程大纲, 北京 : 外语教学与研究出版社,2008 ~4~

图从流程上看, 建库准备中最重要和最首要的任务就是数据库的结构设计, 其目的主要是确定数据库的建库规则和文本录入规则完成结构设计后就可以进行教材收集扫描 OCR 处理噪声处理文本切分等实际工作经过这些处理的语料才

5 图 2 美国高校汉语教材数据库的层级 3.3 统计分析软件在教材数据实际处理过程中, 需用到数据管理和词汇标注两种软件前者用来进行底层数据的存储和处理考虑到华文教材数据库对数据存储管理处理等方面的要求并不复杂, 可使用 Microsoft 关系型数据库 Access 作为管理软件这种数据库由若干张依照关系模型而设计的数据二维表组成, 存储数据具有冗余性小和共享性大的特点, 有利于后期拓展和数据的整合共享对教材文本语料进行标注处理可利用 ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System) 12 ICTCLAS 由中国科学院计算技术研究所研制, 功能主要包括中文分词词性标注和未登录词识别等, 分词正确率高达 97.58%(973 专家组评测 )( 刘群,2008), 完全可以满足对教材文本的分词要求 3.4 元数据项的处理教材作为课程设计的一种物质产品, 除了提供语言文本信息以外, 还附着大量超语言文本结构信息以及教材作为一种出版物的产品信息这类结构信息和产品信息就是教材的元数据元数据项的确定和规范是教材数据资源共享的前提和保证国别华文教材语料的元数据可参考图书馆界普遍使用的中文文献著录原则标准 13 中文文献著录原则是由国家颁布的对各类型文献进行客观著录的原则与方法, 其编目包括 12 参见计算所汉语词法分析系统 ICTCLAS 介绍 13 CALIS 联机合作编目中心, ~5~

为管理软件这种数据库由若干张依照关系模型而设计的数据二维表组成, 存储数据具有冗余性小和共享性大的特点, 有利于后期拓展和数据的整合共享对教材文本语料进行标注处理可利用 ICTCLAS(Institute of Computing

6 题名与责任说明项版本项文献特殊细节项出版发行项载体形态项丛编项附注项标准编号与获得方式项等 8 个项目, 下含 33 个子项, 基本上可以对各种中文文献进行编目以连续出版物为例 : 表 1 中文文献著录原则连续出版物编目说明著录项目说明题名与责任说明项分辑副刊或集刊等连续出版物题名为正题名 ; 责任者一般为团体责任者包括地区版本, 如郊县版华东地区版 ; 特殊对象版本项版本, 如经理版医师版等 ; 特殊板式或外形, 如盲文版大字印刷版等 ; 文本版本, 如蒙文版等卷期年月或其它标识项连续出版物的第一卷期出版年月, 及本条资源的卷期出版年月出版发行项出版物出版地出版者编者出版日期以及印刷信息等载体形态项尺寸等丛编项连续出版物正题名责任说明等附注项常用出版频率 : 日刊周刊半月刊等标准号与获得方式项著录 ISSN 号连续出版物与教材, 尤其是系列教材之间有很多共性国别华文教材元数据项目的分类, 可在借鉴这种方法的基础上进行适当改进, 使其更符合华文教材特点如教材的版本项应区分教材的翻译语种和使用国家, 还要区分繁简体 ; 卷期年月或其他标示项应反映系列教材的总册数及册序 ; 载体形态项应包括教材尺寸版面颜色有无插图等信息在综合考虑国别华文教材的特点, 并对比中文文献著录原则分类方式的基础上, 我们认为华文教材元数据项应包含以下 7 个大类,28 个小类 : 表 2 国别华文教材数据库元数据类型子项目序序号项目类型项目名称号 1 教材中文名称 1 教材题名与责任说明 2 教材外文名称 3 录入者 4 教材面向国家或地区 5 教材难度等级 2 版本 6 适用对象 7 翻译语言 8 中 / 外方编写机构 9 中 / 外方出版社 3 出版发行 12 重印年份 13 印刷次数 10 编写者 11 出版年份 ~6~

文本版本, 如蒙文版等卷期年月或其它标识项连续出版物的第一卷期出版年月, 及本条资源的卷期出版年月出版发行项出版物出版地出版者编者出版日期以及印刷信息等载体形态项尺寸等丛编项连续出版物正题名责任说明等附注项

7 14 开本 15 印张 4 载体形态 16 字数 17 版面设计颜色 18 版面设计插图 19 全套总册数 / 册序 20 有无教师用书 5 丛编 21 有无练习用书 22 有无教材光盘 23 有无其他配套教辅 24 有无网络同步教材 6 标注号 25 ISBN 26 定价 7 附注 27 出版社社址网址电话邮箱 28 其他这种分类方法基本能够较全面地描述一本华文教材, 同时与中文文献著录原则基本保持一致, 更有益于数据资源的后期拓展整合和共享 4 余论综上所述, 我们认为, 以数据库作为教材研究的辅助手段, 采用定量的方法, 可以为教材的构成要素和结构编排研究提供佐证, 帮助我们进一步了解国别华文教材的特点, 提炼教材编写与研究的基本理论和方法希望本文所讨论的华文教材数据库具体实现方法能够为有志进行华文教材研究的同仁提供一些有益的借鉴参考文献 [1] CALIS 联机合作编目中心. [2] 百度百科. [3] 北京语言大学. 对外汉语教材检索数据库, [4] 北京语言大学. 世界汉语教学交流中心信息部网站, [5] 傅爱平. 语料库研究与应用综述, [6] 国家汉办. 国际汉语教材编写指南, [7] 国家汉语国际推广领导小组办公室. 国际汉语教学通用课程大纲. 北京 : 外语教学与研究出版社,2008. [8] 韩立栋. MARC 与 DC 元数据格式研究. 现代情报,2004(8): [9] 何婷婷. 语料库研究 [ 博士学位论文 ]. 华中师范大学,2003. [10] 贾益民. 华文教育概论. 广州 : 暨南大学出版社,2012:11. [11] 刘群. 汉英机器翻译若干关键技术研究. 北京 : 清华大学出版社,2008:57. [12] 全球汉语教材库 [13] 吴勇毅. 新时期海外华文教育面临的形势及主要变化. 浙江师范大学学报 ( 哲学社会科学版 ),2010(2): [14] 张宝林. 汉语中介于语语料库建设的现状与对策. 语言文字应用,2010(3): [15] 中华人民共和国教育部国家语言文字工作委员会. 汉语国际教育用音节汉字词汇等级划分. 北京 : 北京语言大学出版社,2010. [16] 中央民族大学国际教育学院国际汉语教学数据库, ~7~

段, 采用定量的方法, 可以为教材的构成要素和结构编排研究提供佐证, 帮助我们进一步了解国别华文教材的特点, 提炼教材编写与研究的基本理论和方法希望本文所讨论的华文教材数据库具体实现方法能够为有志进行华文教材研究

致谢本人自 2008 年 6 月从上海外国语大学毕业之后, 于 2010 年 3 月再次进入上外, 非常有幸成为汉语国际教育专业的研究生回顾三年以来的学习和生活, 顿时感觉这段时间也

致谢本人自 2008 年 6 月从上海外国语大学毕业之后, 于 2010 年 3 月再次进入上外, 非常有幸成为汉语国际教育专业的研究生回顾三年以来的学习和生活, 顿时感觉这段时间也精英汉语和新实用汉语课本的对比研究 The Comparative Study of Jing Ying Chinese and The New Practical Chinese Textbook 专业 : 届别 : 姓名 : 导师 : 汉语国际教育 2013 届王泉玲杨金华 1 致谢本人自 2008 年 6 月从上海外

如 语 言 研 究 型 数 据 库 那 样 成 熟, 但 可 为 构 建 华 文 教 材 数 据 库 提 供 借 鉴 此 类 数 据 库 中 有 代 表 性 的 有 北 京 语 言 大 学 的 对 外 汉 语 教 材 检 索 数 据 库, 中 央 民 族 大 学 的 国 际 汉 语 教 学 国 别

如语言研究型数据库那样成熟, 但可为构建华文教材数据库提供借鉴此类数据库中有代表性的有北京语言大学的对外汉语教材检索数据库, 中央民族大学的国际汉语教学国别