学论经纬

人文社会科学研究的语料库语言学路径①

许家金 北京外国语大学

1

摘 要：语料库语言学已广泛应用于传播学、文学、历史学、政治学、社会学、心理学、法学等诸多人文社科领域。本文以热点事件传播、诗歌解读、网民心愿、法律诉讼等案例，展示了语料库语言学理念在传播学、文学、心理学和法学中的应用。各人文学科都有可能跟语料库语言学结合。语料库语言学能为各学科提供真实语言素材、量化工具和方法，对人文社科现象进行概率呈现，以及对意义进行语境化刻画。这一研究路径既能促进对人文社科大数据的量化描写，也能促成一定的理论创新。

主题词：人文社会科学；数字人文；跨学科；语料库语言学

1

引子

基于电子语料库的学术研究始于20世纪40年代末。意大利人Roberto Busa（Busa，1950）利用IBM公司的技术支持，基于1100万拉丁语单词宗教文献编纂了《托马斯著述索引》（Index Thomisticus）。稍晚，美国学者Ellison（1957）利用计算机编制了英文《尼尔逊校订标准版圣经完全索引》（Nelson’s Complete Concordance of the Revised Standard Version Bible）。这两项工作开创了所谓“数字人文”（digital humanities）这一全新领域。在此之后，基于语料库的语言学研究后来居上，渐成主流。计算机产生之前，语料库语言学理念也已见于教育研究，例如，Thorndike（1921）编制的《教师词汇手册》（The Teacher’s Word Book）旨在更新教学内容和提升教学效率。

可见，语料库研究在发轫之初，便根植于经典考据、教育革新等人文社科领域。此后，语料库语言学更是广泛应用于文学、法学、传播学、心理学等诸多领域。人文学科乐于吸纳语料库语言学理念，可归结为相关学科对意义的学术追求，而话语是承载意义的关键资源。进入计算机时代以来，各领域均产生了大量电子文本，为挖掘话语意义提供了坚实基础。语料库语言学的核心要义正是强调对意义的探究，同时，语料库方法也可为意义挖掘提供丰富的手段。本文将基于具体案例，介绍语料库理念在传播学、文学、心理学以及法学中的应用。

2

传播学研究

传播学领域对话语相当倚赖。无论报刊、广播电视，还是网络和社交媒体，无不通过话语传递信息，宣扬立场。如今媒体几乎完全电子化，采集媒体话语数据十分便利。基于语料库的媒体话语研究，较多关注具体事件的建构、抽象观念的建构、个体身份建构和群体身份建构（钱毓芳，2015；许家金，2019；王淑雯、颜镇源，2022）。

开展此类研究，首先应选定某个关切点（point of concern）（Baker，2006：89）。这个关切点往往比较抽象，比如难民问题。在研究开始前，我们需要先确定难民相关话题对应的检索词。例如，可以尝试检索refugee(s)、asylum-seeker(s)、illegal immigrant(s)等。另一种办法是利用主题词法，将难民相关的英语文本与通用英语文本进行比对，从而得到与该话题显著相关的词汇，作为进一步搜索语料的检索词。我们收集语料时，媒体选择与研究目的密切相关。若要对比大报（broadsheet，在英国以The Guardian为代表）和小报（tabloid，在英国以The Sun为代表）报道的异同，需要分别从大报和小报中检索难民相关例证，进而进行对比。若要考察媒体对难民问题的态度演变（Baker，2006：90-91；Baker et al.，2013：67-75；Gabrielatos & Baker，2008），则需要收集不同时期的媒体报道，特别是在某些重要历史事件前后的报道，以探讨有关媒体对于难民的态度变化。我国学者开展类似媒体话语研究时，常会收集中国媒体的相关报道，并与西方媒体进行对比。

这里以“中西方媒体动物权益的话语建构”（熊焱，2011）的研究为例。该研究的关切点是“动物权益”（animal welfare）。研究收集了2005年至2010年间中西方主流媒体上有关中国动物权益的新闻报道，汇集成约20万英文单词的语料。语料按野生动物、陪伴动物、畜产动物、实验动物、文体娱乐工作动物分为五类。通过对相关报道的分析，该研究希望了解中西媒体是如何通过语言手段建构动物权益的；其次，研究希望了解中西媒体动物权益报道体现了什么样的立场和倾向。

该研究首先利用主题词分析法及搭配分析，挖掘出每类动物在中西媒体报道中的核心词语表达形式，进而找出这些核心主题词在上下文语境中的典型搭配词，再有重点地回到报道原文中获取详细语境。通过上述分析，将得到的语言特征与“道德恐慌”（moral panics）（Cohen，1972）理论框架相结合，探讨动物权益话语的媒体建构。

“道德恐慌”是新闻传播领域的经典理论。该理论将争议事件报道的一般图式分解为6个方面：元凶（object of offence）、替罪羊（scapegoat）、伸张正义者（moral entrepreneur）、后果（consequence）、整改举措（corrective action）和理想的结局（desired outcome）。通过对这6个方面的分析，我们可以较好地揭示相关报道背后的罪与罚。

该研究将语料库数据与道德恐慌理论相结合，得到有关中西媒体对动物权益话语的初步认识。首先，在五类动物中，西方媒体最关注的是野生动物和陪伴动物；中国媒体最关注的则是文体娱乐工作动物和实验动物。从报道中体现的态度来看，西方媒体的负面报道多于正面报道，中国媒体则相反。中国的英文报道又较中国的中文报道更为正面。这应该与中国英文媒体的外宣职能有关。在中国媒体的报道中，正义伸张者和整改举措更突出，西方媒体更突显元凶和替罪羊，以引发读者关注和同情。可见，中外媒体对动物权益的认知各有侧重。更进一步说，从该研究中可管窥中国媒体的和谐引导功能，以及西方媒体偏重“人咬狗是新闻”的耸人听闻式价值取向。

以上案例表明，利用语料库语言学思路和方法，我们可以关注新闻热点，采掘新闻语料，借助新闻理论，对比报道模式，探究传播策略。基于语料库的传播学研究在文献中并不少见，例如廖卫民、钱毓英（2012）和何明、廖卫民（2016）关于幸福感的平面媒体和社交媒体的传播学研究。

3

文学研究

文学的载体也主要是文本。大量文学文本的存在，构成了语料库分析的数据基础。然而，文学之本在于创造和想象，何以能通过统计分析对文学作品进行评析呢？首先，创造性是相对常态而言的特异性。某个作家或特定文本的特异性，可以与通用文本进行对照来发现。例如，我们要探究莎士比亚的文学特色，就可以将其作品与同时期其他作家的同类作品进行对比。

语料库语言学与文学研究的结合，集中体现在文体学领域，并产生了一个新的子学科——“语料库文体学”（corpus stylistics）。这一新概念产生的时间并不久，但相关理念早在20世纪50年代Firth的作品中就有专论。比如他在“Modes of Meaning”（《意义的诸多方式》）一文中，结合对诗歌、书信，及其他文学片段的分析，提出了“搭配生义”（meaning by collocation）等深刻影响语料库语言学发展的理念。此后，基于语料库对文学文本的研究不断涌现。以下以诗歌分析对语料库理念和方法的实际应用进行示例。

Louw（1993）利用语义韵这一概念尝试对菲利普·拉金（Philip Larkin）的小诗《初见》做了部分解读。该诗原文如下：

这首诗分两节。第一节描写新生的羊羔们，在阴郁的冬日，于雪中蹒跚学步，羊圈四周尽是它们的咩叫声，满是凄凉。第二节则传递了充满希望的积极信息。小羊们偎依在母羊身边，似乎在静待着春天难以言说的蓬勃生机。前一节仿佛是讲“初生入死”，后一节则谈的是“生机四伏”。Louw重点分析了全诗的最后一句“Utterly unlike the snow”。这句与起首第一句都谈及snow，形成呼应。然而，结尾这句的微妙之处在于atterly一词。

从基于语料库的词语搭配分析来看，在100万词的Crown语料库中，共出现16次utterly用法（删去一处重复例句），其中有11条例句（斜体表示）体现负面的语义色彩——语义韵：

大规模通用英语语料库中呈现出的utterly用法，反映的是英语本族语者对utterly一词的一般性认识。从诗歌读者的视角看，utterly会引发负面的联想。所以，即便该诗第二节总体阐述的是积极因素，但在结尾处，诗人拉金似乎又通过utterly这一消极触发词，辅以unlike这一转折词，以及上下文中的消极词snow，再次提醒读者，来日春光无限，此刻严寒难熬。

类似的方法，除了对文学作品中的个别字句进行分析，还可用于对整个文学作品的解析。Teubert（2010：215）曾利用语料库方法对一首由软件自动生成的英文俳句进行了剖析：

abrasive heron

blares, blue jittery songbirds

stampede bouncily

在Teubert看来，这首俳句看似毫无诗意，不明所以，但若要解读这首诗歌，可以借助语料库，即大众的语言使用，来佐证我们的判断。文学作品虽是作家的创意，但也并非完全任意，其所用的语言终究还是民众的语言，否则读者便难以读懂其意。

Teubert通过谷歌分别检索了a heron is、abrasive bird（因为没有abrasive heron这一表达）、abrasive blare、bird blared、a songbird is、songbirds are、jittery and、and jittery、jittery birds、jittery about、bouncy birds、bouncing birds、bouncy songbirds、jittery bouncy/bouncing、stampeding birds、birds stampeded、blue songbirds、panic blare、fright blare。通过一步一步的索引行分析，他得出的结论是，整个俳句诗给人呈现的画面是这只苍鹭虽然秀美，惹人喜爱，但却十分聒噪，令人厌烦。它发出的巨大噪声惊起一群鸣禽四下逃窜。

这种解读看似主观，但每一步都基于大规模真实语料，又体现出某种群体性解读的特征。可以说，语料库方法给我们提供了一种全新的文学赏析视角。

4

心理学研究

心理学研究历史悠久，其学科外延也在不断拓展。尽管如今的心理学比较偏向实证科学，但其仍然较多关切人类行为特征，因此在很大程度上还是属于人文学科。本节我们讨论的“动机”（motivation）这一话题，便属于社会心理学概念。

早期的社交媒体网站43things（该网站网址为http://www.43things.com，于2005年元旦创立，在新的社交媒体不断涌现的背景下，于2015年元旦关闭）允许用户在网站上写下自己的心愿，或者说希望达成的人生目标。我们可以将这些心愿和目标理解为心理学上的“动机”。该网站会实时汇总网民的热门心愿，并将网民心愿按照频数排序呈现（见表1），即支持率。这些数据十分类似语料库研究中的主题词表或搭配词表。而心愿单和词频表在本质上都是人们语言使用的结果。

表 1 网民心愿表（前20项）

上述心愿内容是该网站2010年4月16日的部分汇总数据。这些心愿由数百万注册用户提供。为更好地将网民心愿概念化，实现从数据采集和量化描述到理论阐释的提升，我们采用了心理学家马斯洛的层次需要（hierarchy of human needs）理论框架对上述数据加以分析。我们按生理需求（physiological needs）、安全需求（safety needs）、归属与爱的需求（belonging and love needs）、尊重需求（esteem needs）和自我实现需求（self-actualization needs）五类网民心愿进行了标注（见表2）。

表 2 网民动机类型统计

标注归类后可知，尊重需求占比过半（56%），是2010年前后英语世界网民的头等需求。归属与爱的需求排位第二，是安全需求的近两倍，是生理需求的三倍。自我实现需求，属于高阶需求，是一种非必要型需求，频数不高合乎情理。值得注意的是，在这项数百万人的调查中，有三万多人提及了所谓的“无求需求”，频数甚至超过生理需求。无求需求的实例包括go on a road trip with no predetermined destination（没有任何目的地上路，说走就走的旅行）、take more pictures（多拍点儿照片）等。此类需求表述在马斯洛的理论框架里并未体现，然而，无求需求并非可有可无。在人类需求体系中加入无求需求，整个理论架构似乎才更为完整。上面例子中所提到的相关无求需求，是无明确动机的行为，是幸福人生的重要组成部分。

基于上述实证数据分析，我们可以对当前网络时代英语世界人类需求概念进行重新表述。以下我们尝试以手掌图来展现人类需求（图1）。

图 1 新动机模型

图1以手掌及五指关系将各需求类型加以整合。其中掌心占据整个手掌过半面积，处于核心地位，根据本研究中的量化关系，将尊重需求对应于掌心。在相对位置关系上，其他五项需求都依托于尊重需求，或者是在尊重需求的基础上延伸而来。归属与爱的需求，在频数上位居第二，可见其重要性，因此赋予其大拇指的地位。归属与爱的需求属于人际型需求，其他需求基本属于个人驱动型需求。恰好大拇指的位置也可以同其他几项需求的位置区分开来。安全需求是在尊重需求和归属与爱的需求之外，频数最高的需求，因此赋予其中指位置。自我实现需求是一种类似“诗和远方”的需求。食指常用来指明方向，因此将食指与自我实现需求加以匹配。无求需求与无名指对应。无名指看似不重要，但人们会将婚戒等珍贵物件佩戴其上。足见无求需求不但不是可有可无的，有时也可以说是举足轻重的。最后，在当今时代，英语世界网民已不把温饱这类生理需求太过看重，因此在我们新的需求模型中将生理需求置于小拇指上。

以上，我们围绕心理学概念“需求/动机”，结合网民产出的需求表述频率数据，对经典的层次需求理论进行了更新。可见，频率数据完全可以用于对心理学概念的实证分析，甚至还可以在某种程度上对既有理论加以完善和修正。

5

法学研究

在法律精神的确立过程中，语言是关键媒介。在案情陈述、案件侦办、争端解决等方面，语言学家都可以有所作为。随着语料库语言学理论和方法的演进，在很多司法实践中，出现了相当数量的语料库辅助办案实例。Coulthard（1993）较早倡导将语料库方法运用于司法实践。以下我们将对其进行介绍。

司法实践中较常见的语料库应用案例是对证词或遗嘱等文书真实性的判定。基于语料库的判定方法主要是对于用词和语言特点的分析，而不是笔迹鉴别或声纹识别。通常来说除了可疑文本外，还需要用到一定的参照语料库。

Coulthard（1993：88）谈及一个对于嫌犯口供的鉴定案。其中化名Derek Bentley的19岁青年被控枪杀警察，40年前被处以绞刑。事实上，该警察为Bentley的伙伴Chris Craig所杀。Bentley是个文盲，且智力水平低下。审判时Bentley称该口供由警方协助完成，但警方予以否认，强调该口供是实录转写。Coulthard参与了该口供的鉴定，旨在为Bentley洗冤。

通过将嫌犯口供与参照语料库进行对比，Couthard指出其中then这一单词的用法存在两点异乎寻常之处（表3）：

表 3 常人与警察使用then情况的对照

首先，据称是Bentley口供实录的文本中明显多用then这个单词——582个单词的口供全文共使用10次then。而在随机考察过的其他口供中，then的使用频率显然没有如此之高。在Coulthard用作参照的三份证人证词（共930词）中，只出现一次then；而在三份警察文书（共2270词，作者中的两位直接参与了Bentley案）中，出现29次then。这大致指向一个事实，即Bentley口供由警察代写。此外，Coulthard在分析过程中还借助通用英语口语语料库验证得出，大约每500词才会出现一次then。

另外一个不寻常之处是then的使用位置。例如口供中有如下表述：Chris then jumped over and I followed以及Chris then climbed up the drainpipe to the roof and I followed。这种位于主语之后的then在582词的口供中出现了9次。然而经大型语料库验证，then位于主语之前的频次应远高于其位于主语之后，then I频次是I then的10倍。但在三名警察的文书材料中，每119词中就会出现一次I then。Coulthard认为，就then的使用位置来看，Bentley的口供跟警察文书有较高的相似性。

语料库语言学在法学中的另一应用是对法律条文的解读（statutory interpretation）。在英美法系司法实践中有所谓“日常语义传统”（ordinary meaning doctrine）（Slocum，2015）。美国最高法院的相关文件（Slocum，2015：2）提到：“宪法的制订意在使普通选民易于理解，因而，所用字词力求传达规范及日常含义，力避专业性用法。”此外，美国司法中还经常涉及“平义规则”（plain meaning rule）。这条规则指出，国会所立之法本已明晰无歧，不必再诉诸额外证据。这一规则的核心理念是“以本为本”（textualism）或“尊崇原文”（originalism）（Mouritsen，2017）。除联邦和州政府法律条文外，合同、遗嘱等法律文书的拟定和解读也适用上述规则。然而，在司法诉讼中，出于对各自利益的考量，不同主体对法律条款的不同解读始终存在，因此，引入外部资源解读词义，不可避免。长久以来，查阅《牛津英语词典》（Oxford English Dictionary）等权威工具书是最常见的做法。然而，词典释义通常不能将词语的最常用义项呈现出来，而语料库方法能很好地揭示出词语的日常用法。

据Coulthard（1993：92）记述，Sinclair在1991年曾采用语料库方法为某律师事务所出具了对visa一词常用义的语言学分析。该事务所希望Sinclair的COBUILD课题组能提供普通民众对visa一词的理解，以用于法庭质证。其背景是某留学生入境英国时，已取得英国签证，但被拒绝入境，移民官员指出该留学生还需“入境许可”（对应英文为leave to enter，这里的leave是许可之意，即免签国国民的落地签）方可入境。该留学生于是诉诸法律，希望获准入境英国。Sinclair基于3000万词的语料库，检索了visa和visas的用法，得到日常语言中visa的含义：visa即入境许可。持有visa即可入境，而无需额外的“入境许可”。因为visa的常用搭配词为grant、issue、apply等。该留学生有可能是被冤枉了。当然，语料库的分析结果只是日常语义。英国出入境部门对于该案件或许有其他方面的考虑，这不在我们的讨论范围内。

在美国，借助语料库解读法律条文日常语义的案例更多。Cunningham & Filmore（1995：1163）介绍了他们如何通过大规模真实语料，解读法律条文“use a fifirearm”的通常含义。文中介绍了三个拥枪涉毒（use a fifirearm in relation to drug traffiffifficking）案件（史密斯案、罗宾逊案、贝雷案）。在三个案件中，涉毒嫌犯被捕时，在车上都被起获枪支，但枪支并未用作凶器。比如在史密斯案中，嫌犯以MAC-10机枪与毒贩交换了2盎司毒品。对史密斯的量刑是：贩毒刑期之外，因涉枪还要额外处以最低5年、最高30年徒刑，且不得假释和减刑。

Cunningham＆Filmore通过新闻、法律条文和通用英语几类语料库分析了use a firearm/gun/short gun/riflfle/pistol/weapon等短语中use的含义并发现，use后接枪械的短语基本都表达致人伤害的含义。由此推论，控枪法案原文中use a fifirearm的日常语义应为持枪行凶，而史密斯只是以枪换毒品，并未行凶，不属于use a fifirearm的范畴。而在罗宾逊和贝雷案中，嫌犯只是在车后备厢中藏有枪械，在毒品交易中并未用枪。以语料库的分析结论来看，三人涉毒虽属实，但涉枪一项并不违法，不应追加量刑。

Mouritsen（2017：77-78）提到，2011年7月，犹他州最高法院的法官Thomas Lee作为庭审法官，将语料库语言学用于In re Baby E. Z.婴儿收养案的司法判决中。在该案件中，婴儿生母通过犹他州法院放弃其抚养权，同意由弗吉尼亚州的一对夫妇收养。孩子的生父得知后在弗吉尼亚州法院提起监护权（custody）诉讼。不过几日，收养一方于犹他州法院提起收养诉讼。孩子生父很快也介入该收养诉讼，并援引“防范父母绑架法案”（Parental Kidnapping Prevention Act）。该法案指出：“在他州诉讼尚未结案前，本州不得就监护权或探视权诉讼做出裁决。”（A court of a State shall not exercise jurisdiction in any proceeding for a custody or visitation determination commenced during the pendency of a proceeding in a court of another State.）收养一方认为：（1）“防范父母绑架法案”只适用于离婚案件中的监护权诉讼，不适用收养案件中的监护权诉讼；（2）孩子生父在初审法院并未提及“防范父母绑架法案”，即可视为他已放弃相应诉求。5位法官一致同意这里的第二条，但对于监护权诉讼只适用于离婚案件有分歧。基于多数法官的意见，法庭驳回了收养一方的第一条请求。法官Thomas Lee对此作了复议，得出相反结论。他基于美国当代英语语料库，检索custody（监护权）并考察其典型搭配词发现，语料库中有129处divorce（离婚）与custody共同出现，只有13处与adoption（收养）共同出现。可见，一般而言，监护权常出现在离婚案件语境中。

此外，语料库方法还应用于有效法律交际的相关研究。法律文本乃至法律交流，给普通人的印象往往是艰深晦涩。在法律语言与日常语言之间似乎总有一条鸿沟。这一问题如不处理好，对法律交际的效果，包括法律的公正性都会带来影响。Heffer（2005）关注的就是陪审团审判中存在的交流问题。在庭审中存在专业和通俗两种明显不同的话语类型。前者比较程序化，缺少情感，后者以叙述性为特色，情绪化较突出。前者以法官和辩护律师为代表，后者主要体现为原告、被告和证人，某种程度上陪审团也属于后者。陪审团通常都是非法律人士，在庭审中他们往往被法律人士的话语所左右，处于弱势地位，并不能起到优化庭审的效果。而以辩护律师为代表的法律人士，利用他们的专业知识以及强势的语言手段左右着庭审的进程，很多时候还会产生对受害人的二次伤害（re-victimization，同上：215）。Heffer（同上：59）收集了229次完整的庭审实录。Heffer根据庭审中的人物角色，对他们的会话特点（如不同的插话策略）、体裁风格（如原告、被告、证人的话语特点表现为典型的叙事型，而法官和律师的话语特点表现为规范化和程式化）都进行了量化统计和对比。例如，Heffer对比了法庭质证阶段的动词使用情况。语料对比表明，在反询问环节辩护律师（I）使用I suggest的频次是COBUILD语料库的290倍，使用I put to you的频次是COBUILD语料库的500倍（表4）。而且，Heffffer还对suggest的建议用法和断言用法分别作了统计（表5）。

表 4 庭审与通用语料库中suggest 和 put （to）与 I 搭配的情况（ibid. ：139）

表 5 庭审与通用语料库中 suggest 的言语行为对比分析（ibid. ：140）

可见庭审会话中，suggest的用法完全是断言表达，与日常用法迥异。以下反询问环节的话语实例较有代表性。Let me try again. I am suggesting that you knew perfectly well that King in October began to name Jacobs as one of his attackers. Do you follow what I am putting to you?（本文作者自译：我确信你完全了解10月份的时候，King开始指认Jacobs是攻击他的人之一。我这么说你应该明白了吧？）

Heffer的结论是，suggest和put to是两个可供选择的近义表达，辩护律师在反询问环节用suggest一词的目的在于提示陪审团，10月份时出现了新的情况。而对证人则采用简明直接的put用法，以示威慑和恐吓，让陪审团在此情境下不采信证人证言。

通过细致系统的定量定性分析，Heffer认为在庭审话语交流中，法官和律师占据明显主导地位，陪审团处于弱势，这会影响到案件的公正判决。因此，有必要对陪审员进行适当庭审流程和话语特点的培训。法律人士也应适当迁就陪审员，以达成有效法律交流，架起法律和百姓之间的话语桥梁。

6

结语

本文以传播学、文学、心理学和法学为例，展示了语料库语言学在相关人文社会科学领域的应用。事实上，除了热点事件的传播方式、诗歌的细微解读、网民心愿的概括、法律诉讼的语言学支持之外，语料库语言学理念还广泛应用于历史学、政治学、社会学、生态语言学（Poole，2022）等很多领域。限于篇幅在此无法一一介绍。在如今学科交融的大背景下，我们已很难将各个学科截然分开。理论上，各人文学科都有可能跟语料库语言学相结合。其核心是对人文社科大数据的量化描述，同时也有可能催生一定的理论创新。语料库语言学能为各学科提供的是真实语言素材、量化工具和方法，能够对人文社科现象和事实进行概率呈现，以及对意义进行语境化刻画，这使得语料库语言学路径有可能发挥其“元理论”价值（许家金，2014）。

作者简介：

许家金，北京外国语大学中国外语与教育研究中心/人工智能与人类语言重点实验室教授、博士生导师。研究方向：语料库语言学、话语研究、二语习得、语言对比与翻译。E-mail：xujiajin@bfsu.edu.cn。

---END---

本文来源：高教社外语、语言科学

转自：“英语写作教学与研究”微信公众号

如有侵权，请联系本站删除！