语料库数据驱动学习在ESP教学中的应用探究——以物流英语词汇教学为例

许吉庆

(浙江工商大学 外国语学院，杭州 310018)

引言

ESP(English for Specific Purposes)即专门用途英语，通常是指与某种职业或专业学科相关的英语。它以韩礼德系统功能语法中的“语域”(register)为理论基础，关注学习者特定的学习目的与需求。与EGP(English for General Purpose)不同的是，ESP注重将专业与语言学习结合起来，在基础教育阶段学生接受了EGP教学并掌握了基本的语言知识和技能后，针对学生所学专业的英语实际应用情况，有目的性地培养学生的语言工作能力，具有较强的工具性与应用性。同时，随着社会的进步，国与国之间政治、经济、贸易、文化之间的往来愈来愈频繁深入，普通英语已不能满足某一特定领域内专业性往来的需求。这促使ESP自60年代末产生以来在40多年的发展过程中受到了广泛的关注。

根据Hutchinson和Waters的观点，ESP可分为科技英语(EST)、商业经济英语(EBE)和社科英语(ESS)三大类，每个分支下又可细分为学术英语(EAP)和职业英语(EOP)[1]16。物流英语是ESP商业经济英语的一种，它有助于物流企业走出国门，完善服务，提高经济效益，促进物流产业发展，已成为我国物流企业进军国际物流市场所必须掌握的技能。

一、ESP理论概述

(一)数据驱动学习

Tim Johns于20世纪90年代提出了基于语料库数据学习外语的“数据驱动学习”(data-driven learning)方法。在该模式下，学习者通过语料库观察大量真实的语言材料，对其进行恰当的筛选，分析、归纳，从而发现并总结词汇特征、语法特征、意义特征及语用特征等，解决事先提出的问题；教师在这一过程中扮演“组织者”“引导者”的角色，为学生提供学习资源，培养学生的探索精神。与以往传统的“先规则后练习”演绎式教学法不同，DDL主张归纳式的教学方法，数据是首要的，教师无法提前探知学习者将会发现什么样的学习规律，语言学习和教学过程中需要对语法的地位进行重新评估。事实上，学习者经常能够发现一些教师以及参考书尚未提及的东西。这就改变了传统的以教师和教材为中心的知识传授型教学方法，强调以学生为中心，符合建构主义和人本主义教育理念。在Johns的研究中，他让学生通过自主观察语料库索引行区分convince和persuade的区别，在这一过程中，针对persuade后带to不定式与that从句用法之间的差异，教师和学生提出了不同的观点。教师认为在主句与补语之间倘若主语不发生改变，persuade后倾向于带to不定式；学生认为带to不定式指示行动，即鼓励某人做某事，而that从句指示我们使他人信服某个事实真相，而在随后的讨论中也证实了学生的解释更有概括性[2]。

甄凤超提出，同传统的外语教学相比，数据驱动学习外语具有以下主要特征：第一，以学生的自主学习为主要的过程特征，完全以学生为中心，发挥其个性特征；第二，以真实语言为主要语言输入，DDL提供给学生海量的语言使用数据，以大量的语言事实揭示语言使用概率等一系列特征；第三，强调探索和发现的学习过程；第四，主张自下而上，归纳式的学习[3]。数据驱动学习作为一种新兴的教学方法，以其独特的优势在外语教育中发挥着越来越重要的作用。

(二)数据驱动与ESP教学

自20世纪60年代起，ESP经历了五个发展阶段：语域分析、修辞或语篇分析、目标情景分析、技巧策略分析、以学习为中心[1]9。前四个阶段侧重于描述人们用语言做什么，即语言使用，第五阶段开始重点关注语言学习。数据驱动学习强调语言的真实性，为学生建构真实的语言环境，尊重学生的自主学习能力，与ESP教学理论以学习主体为中心，满足学生需求为目标相吻合。数据驱动学习在ESP教学领域具有极高的应用性。

语料库对于ESP教学的影响主要表现在专业词汇的研究和教学上。Mudraya探讨了用13本不同专业领域的基础工程学英文教材组成一个工程学专业语料库，用Wordsmiths软件生成一个包含1 260词族的“工程学专业英语词汇表”，并通过数据驱动练习帮助学生掌握这些专业词汇的用法[4]。Nelson通过自建商务英语语料库来考察商务英语专业词汇的语义关联，研究发现，这些专业词汇都有其特定语义韵[5]。国内对于ESP教学的关注始于20世纪70年代。韩金龙指出DDL符合ESP一直倡导的“问题—解决”型学习方法，能给学生留下生动直观的印象，但DDL也有一个缺点那就是所费时间较多[6]。林巧文、黄倩儿基于多元教学理念，构建了语料库数据驱动ESP词汇教学平台及其运行模式，研究表明该教学模式能够显著提高ESP学习者ESP词汇搭配和辨析能力[7]。刘萍、刘座雄进行了基于ESP语料库的学术英语词汇学习的教学实验，实验结束时的学术词汇测试结果表明：相对于传统词汇学习者而言，基于语料库的词汇学习者对目标词汇的形式、意义和用法等三方面认知的准确性更高[8]。虽然语料库为ESP词汇教学提供了新的发展契机，但目前尚无固定的教学模式。本文将在ESP视角下，尝试将计算机技术和语料库用于物流英语词汇教学，探讨数据驱动学习在特殊用途英语教学中的应用，希望能为ESP词汇教学提供一些启示。

二、数据驱动学习在物流英语词汇教学中的应用

词汇是语言学习的基础和教学的重点。物流英语词汇因其专业性强、涵盖面广给学习者造成了很大的困难[9]。许多通用英语中常见的词汇在物流英语中都有其特殊含义，例如policy，material在通用英语中是“政策”“材料”的意思，但在物流英语中它们有“保险单”“物料”的含义。传统的词汇学习将词汇与其语境割裂开来，教师单纯讲解词汇意义，缺少具体语境呈现，学生大多靠死记硬背学习词汇，并未深刻掌握词汇的含义，对于专业性较强的词汇在实际工作生活中难以运用。将数据驱动学习引入物流英语词汇教学，将有助于完善传统词汇教学的缺点，培养学生在词汇学习中的主动性和探索性。

(一)主题词目录

数据驱动在物流英语词汇学习中的首要作用是可以利用语料库建成一个专业英语词汇表。我们可以收集物流领域相关的英语文本材料，如教材、学术论文、报纸、期刊等，将其转化为可供计算机处理的电子文本，自建一个小型的物流英语语料库，应用索引软件生成物流英语词表，然后选择一个普通英语语料库为参照语料库，使用索引软件的主题词表功能制作物流英语主题词表。

主题词并不是指文本中使用频率最高的那些词汇，而是指频率显著高于或低于参照语料库中对应词频率的那些词汇。因此，主题词可能是高频词，也可能是一些低频罕见词。通过比较观察语料库与参照语料库中对应词的词频，确定两个语料库之间在词频分布方面存在哪些显著差异，可以发现某一给定文类或主题文本的词语特征[10]。因此，制作物流英语主题词表可以发现许多与物流英语领域相关的专业词汇，以及一些与文本主题密切相关的词汇，帮助学生更加准确地定位词汇学习的重难点，满足学生专业学习的需要，提高学生的学习效率。

笔者收集了Donald F.Wood编著的Internationallogistics中有关物流的英语文本，以及国外知名期刊中有关物流的文献摘要20篇，自建了一个小型的物流英语语料库(库容136317词)，然后以Brown语料库(库容100万词)为参照语料库，使用Wordsmith6.0的keywords功能制作主题词表，统计出的前15个主题词如下：

物流英语主题词表

我们可以发现主题词表专业性较强，贴近学生对专业知识学习的需求，同时也可以让学生针对自己薄弱的知识领域，自行建立专业词表，能够更具针对性地提高学生对词汇的掌握程度。

(二)词汇意义及用法辨析

语料库数据驱动的一大优势是能为学习者提供真实的学习语境。所谓的“语境中的关键词”(KWIC)，指的是我们所得到的索引行中间都有一个共同的词(即检索词，或称节点nude)。在这些索引行中，每一行检索词都位于中间，前后各有若干词，即检索词的语境[9]。学习者在词汇学习中，可以通过大量观察和分析节点词前后的语境，更加准确地把握节点词在物流英语中的特定含义及固定用法，围绕节点词进行探索式学习，也可以在语境中比较一些意义相近难以辨析的词汇，自主归纳语言现象，加强对词汇的理解与记忆。

索引行的分析是一个对假设进行验证的过程。所以，学生们需要预先提出问题，带着问题去观察索引行中词语的用法，并尝试去寻找更多的例证，反复修改完善自己的结论。我们以cargo和commodity为例，尝试引导学生在自建的物流英语语料库中发现这两者的区别。经过观察可以发现，cargo在库容为136 317词的语料库中出现了469次，commodity出现了38次，在表示货物的含义时cargo在物流英语中比commodity要常用。对索引行进行排序，使得索引行中的型式凸显出来。对这些型式进行总结可以发现cargo+noun的结构非常常见，对这些名词进行分类，大致可以得到以下两类：

(1)表示货物运输载体，如shipment，shippers，ships，vessel，airport，airline，aircraft，plane，container，carrier，transport，transportation；

(2)表示货物运输事项，如insurance，preference，rate，capacity，movement，moving，move。

同时对commodity索引行的型式进行归纳得到commodity+noun的结构，这些名词包括classification，description，markets，traders，prices。据此可以判断在物流英语中cargo代表的货物一般是由船或飞机装载的货物，而commodity所代表的货物用法较为宽泛，指广义上的货物总称。

有些检索得到的索引行很明显不是我们所需要的结果，所以在引导学生对索引行进行分析前，教师也需要对索引行进行必要的编辑，帮助学生更快更准确地从索引行中归纳所需信息。

(三)词汇搭配学习

除了专业术语外，固定搭配也是物流英语词汇的一大特点。这些固定搭配数量众多且专业性强，学习者往往容易对其望文生义，如negotiating bank并不是协商银行的含义，而是议付行。我们可以将语料库数据驱动应用于词汇搭配的学习。英国著名语言学家Firth在20世纪50年代提出了搭配(collocation)的概念，指出了解一个词需要通过其结伴的词。也就是说，一个词与其搭配词之间的含义是相互影响的，搭配并不是某个词单方面的行为。因此，在研究词汇搭配时，光分析节点词的索引行从而得出其搭配词是不够的。我们至少应该从两个词语各自的出现频数和共现频数两方面来考察搭配的强度[11]。所以，将语料库用于物流英语的词汇搭配时，需要用到互信息(MI)、Z-score、log-likelihood等方法测量搭配强度。

以distribution为例，在自建的物流英语语料库中观察其搭配词，使用Wordsmith6.0的log-likelihood计算其搭配强度，可以得到distribution channel，distribution center，distribution pattern，distribution facility，distribution system，international distribution，food distribution，parcel distribution等搭配词汇。教师可以让学生重点观察这些搭配词所在的索引行，在真实的语境中查看这些固定搭配的用法，提高词汇使用的准确性。教师也可以对这些索引行进行筛选编排，设计相应的词汇搭配练习，在课后帮助学生巩固记忆。

结束语

本文以物流英语词汇教学为例，尝试探究了语料库数据驱动学习在特殊用途英语教学中的应用。教师可以根据学生课程需求自建相应的ESP语料库，引导学生自发地关注目标词汇，通过数据分类归纳促进对词汇知识的理解与吸收。值得注意的是，无论是主题词表的建立，还是词汇用法辨析、词汇搭配学习都不是一个孤立的过程，而是一个统一的连续体，每个阶段的学习都会涉及对下一个阶段的初步探索。学习者在完成这些词汇学习任务的同时，其自身的学习主动性与学习能力也将得到有效的提升。当然，数据驱动学习在ESP词汇教学中的应用远不止这三方面，类联接、语义倾向、语义韵等有关词汇的深入学习值得进一步探究。