基于社会网络分析的中国英语学习者一语二语词汇网络结构比较

摘 要：社会网络分析作为一种将“关系”量化的研究方法，目前已应用于心理学、社会学和统计学等领域，其相应的研究软件如Ucinet等也得到了较为广泛的使用。本文将社会网络分析的方法引入中国英语学习者二语词汇网络的研究中，通过网络分析的方法，将二语学习者的心理词汇网络进行可视化处理，并与一语网络进行比较与分析。研究发现，二语词汇网络相较一语网络结构松散、节点单一，即使学习者的二语水平已达到较高水平，其词汇网络结构仍与一语网络有所差异。

关键词：社会网络分析；语义流利度测试；词汇网络

一、引言

社会网络分析（Social Network Analysis）作为一门对社会关系进行量化分析的艺术和技术，发展于人类学、心理学、社会学及统计学等领域，主要强调的不是网络中每个“点”的特性，而是社会网络中的“关系”。在社会网络构图中，“点”即是各个看似分散的节点（node），用来表示社会实体，而节点中的连线（link）则用以表示关系，将不同节点之间的联系用连线的方式展示出来便可以达到可视化的目的。这种网络化的分析手段可以用于各种研究关系的领域，在语言学领域，早有学者提出词汇网络（lexical network）这一概念。这一隐喻也启发了这一领域的学者们对一语二语心理词库的构建进行深入的研究。一些学者更加关注一语二语者心理词库的内容，通过词联想（word association）或语义流利度测试（semantic frequency task）等任务探究二语心理词库与本族语者的不同。一些学者则更加关注如何借助可视化工具等构建展示心理词库，通过描述不同指标来进一步探析心理词库的构成。

社会网络分析将关系放在研究的核心位置，通过量化的方式展示节点间的联系。基于此，本文采用语义流利度测试，对比中国英语学习者一语、二语词汇网络23kejEn4SHxpDlZyu2gfJg==的结构差异，以期对未来研究有所启示。

二、研究设计

（一）受试

本研究的受试者包括33人，24名女性，9名男性，平均年龄为22.9岁。受试者均已大学毕业至少半年左右，10人现已参加工作，17人正在读研，4人处于研究生考试备考状态。受试者本科期间所学专业如下表1所示，大部分受试者为工学类专业，如电气工程、计算机等，文学类专业均为英语专业学生。所有受试者均已接受10年以上的学校英语教育且均已通过大学英语四级考试，英语专业学生则均已通过英语专业四级考试。

（二）数据收集

本研究主要通过语义流利度测试进行语料的收集，该测试指受试者需要在规定时间内，给出尽可能多的属于某一特定范畴的词语（如动物或职业等）。受限于时间、空间等各方面因素，本研究无法使受试者在同一时间段与同一地点完成测试，而是采用了线上调查问卷的方式。该调查问卷共包含三道题。第一题用以帮助受试者了解如何进行问卷的填写，所采用的刺激词为最近的热点话题，以激发受试者的兴趣。第二题要求受试者用中文回答，所采用的刺激词为“水果”，这一刺激词的选择主要根据Borodkin等的研究确定，并提前询问了部分受试者，最终将原研究采用的“水果和蔬菜”换为“水果”。第三题要求受试者用英文回答，所采用的刺激词为英文“fruits”。由于线上问卷难以控制受试者回答的环境、时长等，为了保证受试者有耐心答完全部问卷，该问卷仅对受试者的回答数量做了要求，并未要求受试者在限定的时间内给出尽可能多的回答。除此之外，第二题和第三题均让受试者写“水果”这一范畴下的词语，原本应该使两个测试间隔至少1个小时，由于各方面条件受限，笔者在设计问卷的时候在两题中间穿插了一个与刺激词无关的小漫画，以帮助受试者切换状态来回答之后的英语题目。

（三）数据分析

本研究共收到33份问卷，得到的数据统一输入在Excel表格中以便进行后续数据整理，整理步骤如下：

1.剔除无效数据。部分受试者在回答英文题目的时候全部填写与刺激词完全没关系的词语，如when、where、how；部分受试者仅填写了刺激词的中文翻译，即“水果”。作者对这部分问卷的中英文回答都进行了剔除，共5份无效问卷，剩余28份有效问卷。

2.中文回答中，将部分错别字或同义词进行了规范。如一位受试者给出了“砂糖橘”这一反应，另一位受试者给出了“砂糖桔”，本研究将“砂糖橘”作为正确形式进行了统一。另外，对于“甜”和“很甜”两个反应，也统一归为形容词“甜”。

3.英文回答中，将部分填写为句子或短语的词语进行了规范。针对短语，对核心名词进行了保留，如一位受试给出的反应为“Vitamin rich”，此处保留了名词“Vitamin”；针对句子，则对核心的动词或形容词进行了保留，如一位受试给出的反应为“I like”，此处保留了动词“like”。

根据以上步骤，最终得到包含所有受试者反应的中英文各一个词表。将词表作为Excel表格中左侧的第一列，一行一词；表格的第一行代表每个受试者，一列一位，当该受试者给出了词表中的某一个反应，对应的表格则标为1，即两节点间有关系，未给出此反应的表格则标为0，即两节点间没有关系，由此能够得到“词表”和“受试者”对应的二模矩阵。但如此分析只能得出受试者和反应词的关系，需要将该二模矩阵转化为体现反应词和反应词间关系的一模矩阵。因此，将该表放入Ucinet软件进行转化，得到词与词对应的一模矩阵，转化结果可直接进行可视化。

三、结果与讨论

可视化结果如图1和图2所示。图1为中文结果，图2为英文结果。为了方便查看，不同类别的反应词语已通过颜色和形状进行区别，由于“水果”这一范畴使受试者联想到的下义词较多，因此这些词单独成为一类并用红色和圆形标注。其他反应词主要根据词性区分，如名词由绿色上三角代表，形容词用黄色方块代表，动词用紫色下三角代表。通过这种方式，能够直观地对一语和二语的词汇网络图进行表面的描述。

首先，两个网络图的共同点是“水果”的下义词都占据了较多的位置，并且每个网络都有一个例外，这个例外给出的三个联想到的词汇没有与其他人的产生任何交集。两个网络的不同点较多，首先，二语反应词汇网络中有动词类的词汇，但一语网络中没有。而且就图片来看，二语网络词汇之间中没有一语网络中那么复杂，显得相对较为松散，即便是处于中心位置的词语与其他词的联系也是有限的。但反观一语网络，处于网络中心的词语与其他词语的联系更为密集，连线较多。对这些特性的进一步研究还需要借助其他指标如网络密度、中心度等来进行判断，相应的数据如表2所示。

由表2能够看出，一语的网络密度大于二语，网络关联度较为相近，平均最短路径则均小于二语。这说明，一语的网络紧密度高于二语，节点间的联系更为密切，并且由于平均最短路径小，其网络连通性也较好。网络关联度能够反应网络节点间彼此联络的程度，本研究中一语二语网络的关联度较为相近，两个网络中的任意两点间都有差不多数量的途径，说明两个网络的凝聚力较为相近。

如此，便可对一语和二语网络进行宏观上的描述。若要细化至对网络微观节点的描述则要借助点度中心度和中间中心度，相关数据如表3、表4所示，由于全部词表包含的词语较多，此处只选取了降序数值的前三位。点度中心度指与某一节点直接相连的其他节点的个数。对于一语二语来说，前三位的反应词均是水果这一范畴的下义词，其中“苹果”均是连接节点数最多的，二语的点度中心度比一语的还大，且这一反应的点度中心度远大于处于第二位的“banana”。笔者认为这主要因为“apple”是中国学生学习英语最先学到的一批属于水果范畴的单词，流传甚广的“An apple a day keeps a doctor away”等谚语也在不断加深英语学习者对这一单词的印象。当然，这也体现出受试者二语词汇的匮乏，大多数人都只能想到“apple”。一语网络中“苹果”这一反应虽然也多，但前三位的点度中心度都较为相近，大大冲淡了某个反应的核心位置。

中间中心度代表着某节点控制其他节点联系的能力，中间中心度越大，表示该节点在网络中的位置越核心。一语二语有所不同的是，一语的核心反应词不仅有名词，还有形容词用来形容受试者对水果的感受；但二语中仍然仅有三个不同类别的水果，且苹果依然处于核心位置，再次体现出“apple”这一反应词在受试者的二语词库中无可撼动的位置。

四、结语

本文采用了语义流利度测试并借助Ucinet软件将受试者的反应词进行了可视化处理，结果显示受试者的一语网络联系更加密切且连通性较好，核心位置的词语在词性上也较为多样；二语网络内节点的联系和连通性都相对较差，并且核心词语较为单一，反映出即便受试者的二语水平已处于中高等水平，但与其母语水平仍有所差距。

参考文献：

[1]Namei S. Bilingual lexical development： a Persian-Swedish word association study[J]. International Journal of Applied Linguistics， 2004（3）： 363-388.

[2]Wilks C， Meara P. Untangling word webs： graph theory and the notion of density in second language word association networks[J]. Second Language Research， 2002（4）：303-324.

[3]Wolter B. Assessing proficiency through word associations： is there still hope？[J]. system， 2002（3）：315-329.

[4]刘军.社会网络分析导论[M].北京：社会科学文献出版社，2004.

[5]刘军.关系：一种新的分析单位[J].社会，2005：188-202.

[6]马绍奇，焦璨，张敏强.社会网络分析在心理研究中的应用[J].心理科学进展，2011（5）： 755-764.

[7]平亮，宗利永.基于社会网络中心性分析的微博信息传播研究：以Sina微博为例[J].图书情报知识，2010（6）：92-97.

[8]徐伟，陈光辉，曾玉，张文新.关系研究的新取向：社会网络分析[J].心理科学，2011（2）：499-504.

[9]朱庆华，李亮.社会网络分析法及其在情报学中的应用[J].情报理论与实践，2018（2）：179-183.

作者简介：马宇晗，苏州大学外国语学院。