二语书面语动态发展研究：理论、方法与工具

朱慧敏 刘艳梅

(山东财经大学 公共外语教学部， 山东 济南 250014)

1.0 引言

作为二语发展的重要组成部分，二语书面语(L2 writing,简称L2W)发展特征已引起研究者的高度兴趣。梳理已有传统二语习得理论框架下的L2W发展研究，发现虽然研究问题和研究设计各不相同，但研究路线通常为寻找L2W发展的规律性特征，探究影响L2W水平的因素(如朱慧敏、王俊菊，2013；程晓龙，2017等)。此类研究多选取有代表性样本作为研究对象，在数据分析时采用量化分析或量化与质性分析相结合的方法，通过计算群体均值得出概括性结论，增加研究的外在效度。近年来，越来越多的学者认为这种概括性结论仅能反映二语学习者群组发展特征，由于个体学习者的发展轨迹与群体不尽相同，所以平均趋势对个体学习者而言不具有效性(Larsen-Freeman,2006)。从群组均值得出的结论一方面抹杀了学习者二语发展的个体特征，另一方面导致人们认为二语学习有一个预制的固定发展顺序，每个人都要沿着相同的路径习得第二语言(Lowie & Verspoor,2015)。要揭示学习者个体L2W发展特征，需要新的理论和方法论的指导。动态系统理论(Dynamic System Theory,简称DST)及其特有的研究方法和分析工具用于二语书面语研究，可以事捷功倍地探究二语学习者个体语言发展特征。

DST强调系统的开放性、复杂性、自适应性和非线性发展，突出个体二语发展的变异性。DST由Larsen-Freeman(1997)首先应用于二语习得研究，在国外引起强烈反响，至今已产生大量的研究成果(如Larsen-Freeman,2006；Verspoor et al.,2008；Verspoor et al.,2012；Baba & Nitta,2014等)。近年来，国内将DST用于L2W发展研究以实证为主(如郑咏滟、温植胜，2013；江韦姗、王同顺，2015；郑咏滟、冯予力，2017；白丽芳、叶淑菲，2018等)。通过系统梳理，已有研究深入挖掘其背后的理论观和方法论的研究尚不多见。本文将从理论、方法和研究工具三方面系统分析L2W的动态变化，通过对比传统的L2W发展研究，探究L2W动态发展理论观、研究特点及研究方法与工具的应用。最后对现有的基于DST的L2W研究进行反思，以期为L2W教学与研究提供启示和参考。

2.0 L2W发展的动态系统理论观

2.1 自适应性

结构主义和生成语法学派认为，语言知识是词汇和语法结构的组合体。结构主义把语言视为孤立的、静止的、不受语境约束的符号系统。生成语法学派视语言的核心为语法规则，规则操纵词语，词与句的表征是静态的，不随时间的变化而变化(王涛，2010)。传统认知语言学视角下的信息加工理论视语言为一套编码系统，语言被认为是意义的承载者，意义存在于语言之中；交际过程被视为一个线性的、涉及双方的事件序列(de Bot et al.,2007)。

DST下的语言学习观从学习者视角解读二语发展，认为学习者的语言表现不依赖于先天的模块或静态的语言能力，而是学习者面对交际压力，结合特定的时间和空间语境，对语言资源进行“软装配”(soft-assemble)的过程(Larsen-Freeman，2018：83)。因此，意义不存在于静止的语言系统中，而是由学习者实时构建出来的。

DST认为学习者与环境无法分割(de Bot & Larsen-Freeman,2011)。语言发展过程中，学习者自身内在的动态系统和学习者外在的学习环境中相互作用、相互影响，使整个二语系统处于不断的变化之中。语言子系统在发展过程中相互作用(Larson-Freeman & Cameron,2008；戴运财、周琳，2016；郑咏滟、冯予力，2017)，互为因果，形成支持、竞争和条件等关系(Verspoor &van Dijk,2011:86)，体现在学习者二语发展的不同阶段。所以，二语的发展是多种环境、多种资源在不同层面、不断互动的过程中，相互协调、彼此适应，逐渐达到系统内部的重组，实现系统的改变，使二语得以发展。

2.2 不可预测性

de Bot & Larsen-Freeman(2011)借用沙堡坍塌过程说明了二语发展的不可预测性。沙滩上起初形状完好的一座沙堡，由于湿度的变化和外部环境的作用力，沙粒的粘附力下降，使得系统各部分之间的粘合力越来越弱。但是沙堡的坍塌并非一粒粒平稳完成，而是经过一段时间，沙堡突然出现部分倒塌，而其它部分可能会出乎意料地屹立很久，整个系统进入了一种新的相对稳定的形态，即吸态。即便是处于吸态状态下的沙堡，虽然表面上看具有稳定性特征，但其内部仍处于不断变化中。因为空气、温度、风力等各种因素仍在发生变化。当交互作用达到一定阈值，沙堡会再次发生质变。学习者L2W发展过程正像沙堡的变化过程，是动态的、非线性的，具有很强的不可预测性。

L2W发展过程是一个从量变到质变的非线性过程，属于非确定性的复杂适应系统。在这一复杂过程中，随着环境的互动和语言输入的增强，学习者的语言系统各指标相互联结，不断自我调整、适应和重组，呈现发展路径的无规律性和不可预测性。

2.3 个体变异性

传统二语习得理论重规律性特征，轻个体变异性特征，将二语学习的不同结果归因于学习者的个体差异或外在环境的干扰，并视这些差异为语言研究真实数据的“副产品”或“噪音”(van Dijk et al., 2011:60)。DST则认为语言变异(variability)是动态系统固有的特性(Larsen-Freeman & Cameron,2008),是个体语言发展的核心特征之一(Verspoor & Smiskova,2012)。在语言发展过程中，系统稳定是相对的，变异是必然的，在稳定之中往往隐含着诸多变异因素。变异表明学习者仍处于尝试之中，子系统仍不稳定。系统在发展过程中需要不断进行自我重组，所以变异是常态。在DST视域下，变异是系统对环境灵活适应的结果，是系统发展的源泉(van Dijk,2003:129)。没有变异，系统就处于恒定状态，难以发展。在系统或子系统从一种吸态向另一种吸态转变的过程中，变异起推动作用(de Bot et al.,2007:14)。鉴于此，语言系统发展中的变异性应视为L2W发展研究中的一个不可忽视的信息源。DST视角下的语言研究目的就是要发现何种变异能更好地促进二语发展。

3.0 L2W动态发展研究特点

3.1 关注个体语言发展趋势

传统的L2W发展研究通常通过收集大量的数据，计算均值、标准差等，用推断统计来预测群组性中介语发展趋势，考察群组受试的整体表现。因为正态分布统计假设不同的个体属于同一类型，因此能对整个群体进行归纳。这种范式只考虑群组受试的总体情况，不考虑组内受试的个体差异(蔡金亭，2015)，学习过程中的边缘变量被视为“噪音”忽略不计(Larson-Freeman & Cameron,2008:40)。

传统的群组层面的L2W发展研究仅限于在宏观上描述和解释语言习得的发展趋势，但不能很好地解释个体二语发展特征，忽视了学习者在使用二语过程中出现的不可预测的杂乱无章的个体变异现象。现代混合模型设计可以中和群体内的个体变化，将其作为随机效应纳入分析中，从而在频域内进行适当的泛化，但是在时域中，这种结果不具概括性(Lowie & Verspoor,2015)。这是因为群组发展趋势掩盖了个体的多样化发展轨迹，屏蔽了个体学习者的语言发展路径，所以所得结论难免“只见森林不见树木”。

DST认为个体差异是常态，因为学习者的个体差异和影响语言习得的多种因素的交互，学习者在产出语言过程中，会形成各具特质的语言表达(蔡金亭，2015),故个体二语学习者在时间序列里呈现出的变化特征，可以提供更多关于学习者语言发展路径的信息，因此不应该在群体均值分析中被“中和”掉。动态发展研究的方法强调在时间序列里对个体学习者进行多次观察，在多个时间点上收集资料，捕捉个体学习者的语言发展轨迹。

3.2 突出变量间的交互性

传统的二语习得研究方法受简化论(reductionism)的影响，以分离的方式研究语言产出的影响因素,然后把研究发现汇总起来,认为这样就能阐释二语整体发展情况(Larsen-Freeman,2007)。从二十世纪八十年代至二十一世纪初期，L2W研究受传统二语习得研究方法的影响，表现出分离式的研究模式。

此类研究虽然验证了某些因素在L2W中的作用，但是这种简化的、分离式的研究实则违背了L2W的真实过程，没有体现出L2W发展中各种因素如何交互作用，更没有展示出其发展变化特征，所以Larson-Freeman在接受冀小婷(2008)采访时说：“传统的二语习得研究试图简化语言和语言习得的复杂性,用还原论的方法解释复杂的语言和语言习得现象”。

基于DST的研究视语言发展为一个包含无数个子系统的动态系统，研究子系统之间的交互，发现由此涌现出的新的语言行为模式(de Bot & Larsen-Freeman,2011)。Spoelman & Verspoor(2010)通过个案研究了L2W的准确性和复杂性，发现词汇复杂性和句法复杂性，词汇复杂性和名词短语复杂性之间存在相互支持关系，而名词短语复杂性和句子复杂性之间存在相互竞争关系。郑咏滟(2018)跟踪研究了2名高水平二语学习者，发现他们单词构式、短语构式、句子构式发展路径各不相同，构式之间存在复杂的交互模式。

3.3 凸显动态发展中的变异性

传统L2W的研究大多是基于某一个时间点上的群组数据或同一时间点上不同水平学习者群组横断面数据。这类研究带有典型的共时性特征，所获取的数据从本质上来讲反映的都是语言学习者语言使用的结果，并不能真实反映语言学习者二语发展的过程。如果语言的发展是一个非线性的、复杂的动态过程，子系统在各个层次和时间维度上不断变化、交互作用，那么横断面研究的结论可能就依据不足。DST主张将L2W发展视为一个立足于时间序列的过程来研究(Lowie & Verspoor,2015)。

DST视角下的L2W发展研究在方法上主张使用纵向个案法、时间序列法和微变化法跟踪记载一段时间内语言变化的完整过程。因为发展过程中的稳定性周围存在变异性，语言发展的潜力就在于这种周围相对稳定的变异性(Larsen-Freeman & Cameron,2012:56)。Verspoor等(2008)利用DST的方法分析了1名高级二语学习者3年内18次学术写作中的词汇和句法复杂性，发现了个体内的变异发展情况，很好地揭示了L2W发展过程中的跳跃、突变、甚至倒退的非线性发展过程。 Baba & Nitta(2014)对2名母语为日语的英语学习者进行了为期30周的观察，要求受试每周写一篇作文，考察学习者写作流利性发展过程，同样发现2位学习者L2W发展轨迹不同。可见，变异性是L2W动态发展研究不可或缺的一部分，研究个体学习者L2W发展过程中的变异性，可以发现变异发生的时间和方式及不同子系统间的交互发展模式。

4.0 L2W发展研究方法与工具

4.1 原始数据提取方法与工具

L2W发展研究聚焦于词汇复杂性和句法复杂性。 词汇复杂性分析器(Lexical Complexity Analyzer)(Lu,2010,2012)适用于较高水平的二语学习者语料分析，在线使用方便且操作简单，该软件的信度和效度较高，已被相关二语写作研究验证(如Lu & Ai，2015；郑咏滟、冯予力，2017等)。此外，V_Size软件可以用于测量学习者产出词汇量，软件生成直观的词汇量数值，有助于了解学习者产出词汇量的变化(Meara,2005)。

目前较常用的句法复杂性分析软件系L2SCA(L2 Syntactic Complexity Analyzer)(Lu,2010,2011;Lu & Ai,2015)和Coh-Metrix。Lu(2010)在总结前人研究成果的基础上，研发了这款专门用于分析二语学习者句法复杂性的软件。L2SCA包含14项指标，测量句法复杂性的五个维度：单位长度、句子复杂性、从属性、并列性和结构维度。Lu(2011)使用L2SCA对WECCL语料库中一至三年级英语专业学习者书面语的句法复杂性发展特点进行了研究，验证了L2SCA分析器的信度和效度。Coh-Metrix在线文本分析软件主要是用来分析句子连贯性，部分可用于分析句法复杂性，是为一语研究设计的，对句法维度不能全面概括。此外，Coh-Metrix对拼写、词汇或语法错误敏感，学习者的原始语料需要手动进行相关加工处理才能使用(郑咏滟，2018)。借助以上词汇和句法分析软件，能为L2W实证研究提供较高信度和效度的原始数据。

4.2 发展变异研究方法与工具

DST视域下的个体L2W分析手段利用“可视化”工具(van Dijk et al.,2011:62)，对时间序列的数据进行分析，能客观呈现学习者语言发展变异的过程。可以通过绘制趋势线法、移动最大-最小值极值图、纬度线值图、再抽样技术和蒙特卡罗模拟来实现。移动最大-最小值极值图通过带宽来呈现学习者语言发展变异的程度。例如，以3次测量为一个移动窗口，计算最大值和最小值，以示发展过程中的带宽变化情况。带宽越大，变异越大，说明学习者的语言处于重组阶段，语言系统具有不稳定性；带宽变小，变异性越小，说明学习者语言系统暂时趋于稳定，进入“吸态”。

图1以学习者A四个学期内完成的12次议论文为例，测量句子复杂度指标每个T单位中的从属子句数量(DC/T)为例，描绘了最大-最小值极值图，最大-最小值间带宽由小(1-3次)变大(6-9次)，最终趋于平稳(10-12次)，反映了DC/T变异的发展过程，表明学习者的二语在7-9次之间系统处于重组，呈现出较大的变异性，经过系统重组最后趋于相对稳定。

图1 学习者A句法复杂性指标DC/T移动最大值-最小值极值图

鉴于该方法为数据可视化方法，难以准确判断趋势线呈现的显著变化是否有统计学意义，还需用定量分析的方法检验该变化趋势。采用再抽样技术，使用Excel中的加载项Poptools中的Monte Carlo Analysis对原始数据进行上千次随机抽样模拟，计算所观察数据中偶然波动的概率，当概率P<0.05，则说明不是偶然发生的随机波动。反之，则表明变异是由随机波动引起的，不具有可靠性。

移动最大-最小值极值图反映了学习者语言发展过程中的变异范围，变点分析器(Change-Point Analyser)(https://variation.com/product/change-point-analyzer/)则可以呈现学习者语言发生突变的具体时间点，将学习者在时间序列中有显著变化的发展过程进行分段(Taylor,2000)。

图2仍以学习者A的DC/T的作文数据为例，显示A在12次写作过程中，DC/T指标发生了一次突变，将这段学习过程分为两段。表1 进一步表明，具体发生变化的时间点为第5和第7次之间(由0.45227升至0.94658)。发生变化具有92%的置信度。变点分析器每次变化附有一个置信区间来定位变化发生的时间点，置信度设置为95%或90%。对学习者第5次和第7次作文收集时间周围事件进行调查，可以帮助研究者找出变化发生的原因。

图2 累积和(CUSUM)图显示句法复杂性指标DC/T分段显著变化

表1 学习者A句法复杂度指标DC/T变点分析显著性变化表

4.3 子系统交互发展研究方法与工具

DST强调子系统间的交互发展，移动相关系数图可以描绘子系统间的支持、竞争和波动等发展模式，从而揭示学习者语言发展的内在动态机制。下面以学习者A句法复杂性指标——平均T单位长度(MLT)和词汇复杂性指标——词汇密度(LD)的发展关系为例，说明子系统间的交互性。为使数据能在同一维度呈现，首先对MLT和LD数据进行标准化处理，使其数值介于0-1之间，然后以5次为一个移动窗口，借助Excel描绘移动相关系数图。图3表明学习者A在四个学期的议论文写作中MLT和LD的交互发展经历了三个阶段，前期支持，中期波动，后期出现明显的竞争趋势。虽然学习者A的1-12次作文中LD与MLT的Spearman相关系数分析显示r=0.717,p<0.05,证实了子系统间指标与指标间的显著相关性，但是Spearman相关系数分析只能检验学习者A的1-12次作文中不同指标的平均值之间的相关性，而移动相关系数分析法能使时间序列数据的不同指标间的动态交互发展模式可视化。

图3 LD与MLT移动相关系数图

4.4 构建L2W发展动态增长模型

上述各种变异和交互分析可以展示语言发展过程，及不同变量如何随着时间推移相互影响等重要信息，但还不足以确认观测值发展趋势和证实理论假设。根据Lowie等人(2011)，动态模拟二语发展过程，可以验证理论假设。衡量模拟结果的标准，一是观察模型曲线与观测数据曲线的吻合度；二是计算模型与观察数据间的平方差和(sum of square differences)，该值越小，模型结果越接近观察数据(江韦姗、王同顺，2015)。

下面以学习者A在四个学期12次议论文写作中的句法复杂性指标从属子句比率(DC/C)为例，构建数学动态增长模型。计算机建模的过程可分为三个步骤：首先，使用Excel中的Loess局部加权回归，对原始数据进行平滑处理，对三个参数Init_(初始值), Rate_(增长率)和Carcap_(最大承载力)(Verspoor, et al., 2011)进行初始设置，再使用Excel中的规划求解功能，求出上述三个参数的最优解，然后描绘出DC/C的动态增长模型(图4)。调整后的模型与观察数据趋势基本吻合，模型与观察数据间平方差和计算结果较小，表明模型与实际数据拟合性良好，从而进一步确认了观测趋势，验证了理论假设。同时三个参数的最优解能为外语教学提供有意义的参考。

图4 DC/C 动态增长模型

5.0 L2W发展研究反思

DST视角下的L2W发展研究注重个体内的发展变异性，为了解真实复杂的L2W发展过程打开了一扇新的窗口。反思当前研究能为未来的L2W发展研究提供新视角。

第一，DST视角下的L2W研究，聚焦书面语复杂性、准确性和流利性特征的动态发展，揭示L2W发展的个体发展轨迹。目前已有研究因操作化定义不同，导致研究结果没有可比性。 复杂性、准确性和流利性被视为衡量语言水平的测量指标的三个维度，但是针对每个维度的操作化定义在不同研究中各不相同。以目前研究最多的复杂性为例，有的聚焦句法复杂性，有的研究词汇的复杂性，有的两者兼顾；在句法复杂性的研究中，测量指标从1个到14个不等(如Lu,2010,2011；郑咏滟，2015；郑咏滟、冯予力，2017；郑咏滟，2018)，究竟哪些指标更能准确地捕捉学习者的语言发展还需要学界进一步达成共识。

第二，现有的基于DST的L2W发展研究突出系统内子系统交互的研究尚不多见，尤其是国内该领域的研究成果更少，通过检索外语类CSSCI来源期刊仅发现郑咏滟、冯予力(2017)、郑咏滟(2018)和白丽芳、叶淑菲(2018)做了子系统的交互研究。大部分研究局限于L2W特征的一个维度，有必要将多维度，如句法复杂性和词汇复杂性，结合起来考察。在研究语言复杂性的同时，结合准确性和流利性能更全面地洞悉二语发展的轨迹。除了强调系统内部子系统间的交互，DST还指出二语发展系统本身也与外部环境相互适应、相互协调，以实现系统的重组，目前针对语言发展系统与外部环境交互的研究尚不多见。

第三，国内关于DST在L2W发展方面的研究，还只局限于成人二语。如何在DST视角下研究儿童汉语作为第一语言在复杂性、准确性、流利性特征上的发展同样是非常有意义的课题。目前研究中只有吴继峰(2016a,2016b,2017)研究了母语为英语的汉语学习者的词汇丰富性、句法复杂性、语言复杂性和准确性的发展特征。在复杂性、准确性、流利性框架下，以DST为视角研究汉语母语学习者书面语发展轨迹的研究尚且不多。

6.0 结语与启示

近年来，DST在L2W研究中的广泛应用，为该领域研究和发展带来全新的视角。它改变了长期以来基于线性因果关系的研究范式，以多因素的动态交互理念，探究L2W不同子系统在不同时间段的动态发展，更加适合L2W的历时研究。DST强调语言发展是个体使用语言的行为，是认知、心理以及外部环境因素相互作用的结果, 而语言变异正是在诸多因素的合力作用下，在不同的时间过程中所表现出的发展和系统的适应性(王涛，2010)。DST特有的研究方法并不刻意研究语言不同层面之间的区别，而是着重分析这些层面在不同时间段的状态及其交互性，从而发现怎样的变异可能会导致语言的发展。变异的数量和类型决定语言发展的轨迹，DST的研究方法和分析工具能比较直观地发现语言发展的轨迹。总之，DST应用于L2W发展研究实现了从静态到动态、从群体到个体、从分离到交互、从线性到非线性、从规则到变异的研究范式。

动态系统观的L2W发展研究能对外语教学与研究提供有益的启示。在教学层面，教师应了解二语学习不是简单的机械操练的复制过程，同一位教师、同样的教学法并不一定带来同样的教学效果，教与学之间并非简单的线性因果关系，而是在多种因素相互作用、相互影响的过程中推进语言的发展。另外，DST下的语言学习研究有助于教师更好地了解个体学习者的二语发展过程，从而实行因材施教，促进语言学习发展。 在语言研究层面，考察L2W发展群体趋势之余，采用DST特有的研究手段和分析工具，进一步关注个体学习者的语言发展变异情况，绘制个体学习者L2W的发展轨迹，可以实现宏观与微观、定量与定性、群体与个体、独立与交互等多方法、多维度、多视角相结合的研究模式，使研究结论更具说服力和普适性。