Word tables derived from corpus data

语料库数据与词汇表：语言学家的工具箱（Paper 3：语言演变）

你好！欢迎来到 Paper 3 中最令人兴奋，但可能也最让人望而生畏的部分：量化数据分析！如果图表和数字不是你的强项，别担心。当我们研究源自语料库数据的词汇表（Word Tables）时，我们并不是在做数学题；我们只是在利用海量的统计证据来证明语言是如何随时间演变的。

在本章中，你将学习语言学家如何使用庞大的数字数据库（语料库）来追踪英语词汇、意义和用法的演变——这对在 Paper 3 第一部分（Section A）中取得好成绩至关重要。

什么是语料库（以及它为什么重要）？

在处理词汇表之前，你必须了解数据的来源：语料库（Corpus）。

语料库数据的定义

语料库（复数：*corpora*）是一个大型的、结构化的自然文本或语音样本集合，以电子形式存储。你可以把它想象成一个规模巨大、经过精心整理的语言使用数字图书馆。

• 规模： 语料库通常包含数亿甚至数十亿个单词。
• 目的： 它们让语言学家能够通过观察模式、频率和上下文来科学地研究语言，而不是仅仅依赖直觉。

你知道吗？英国国家语料库（BNC）是最著名的例子之一，它包含了 1 亿词的英语语料，涵盖了书面文本和口语录音。

Paper 3 中的历时视角（Diachronic Perspective）

在 Paper 3 中，我们通常查看历时语料库（diachronic corpora）——即跨越不同历史时期的文本集合（例如，将 18 世纪英语语料库与 21 世纪英语语料库进行比较）。

• 历时（Diachronic）： 研究跨越时间的语言演变（例如，追踪单词 'awful' 从“充满敬畏”到“糟糕透顶”的意义演变）。
• 共时（Synchronic）： 研究在特定时间点上的语言状态（对 Paper 3 Section A 来说重要性较低）。

关键点： 语料库提供了支持有关语言演变理论所需的原始统计证据。

解读词汇表

词汇表只是展示从语料库中得出的统计结果的一种方式。在考试中看到词汇表时，你的任务是将数字转化为有意义的语言学观察。

1. 分析词频（Word Frequency）

词频告诉你某个单词或短语在语料库中出现的频率。它通常经过标准化处理，以“每百万词的出现次数”来表示，从而使不同规模文本之间的比较变得公平。

• 高频： 表明一个单词被广泛使用，可能预示着普及化（popularisation）或词汇化（lexicalisation）（将新词标准化）。例子：如果单词 "selfie"（自拍）在 2010 年代的语料库中频率为每百万词 50 次，而在 1990 年代为 0，这就强有力地证明了它是近期才被采纳的词汇。
• 低频： 可能表明该词是古语（archaism）、专业术语，或者只是没有被广泛采纳。

记忆小贴士 (F)： Frequency（频率）= For How Often is it used?（它被使用了多少次？）

2. 分析分布与范围（Dispersion and Range）

词频告诉你单词出现“多少次”，而分布（Dispersion）或范围（Range）则告诉你它在不同类型的文本（体裁、语域、作者）中被使用了“多广”。

• 高分布： 该词在不同语域中表现一致（例如，报纸、学术论文、小说、口语）。这表明它已成为语言中主流且成熟的一部分。
• 低分布： 该词集中在一种或两种文本类型中。例子：如果像 "phoneme"（音素）这样的专业术语在学术语料库中频繁出现，但在其他地方却不见踪影，那么它的分布范围就很低，属于专门词汇。

记忆小贴士 (D)： Dispersion（分布）= Do they use it Different places?（在不同地方都用吗？）

3. 理解搭配（Collocation）：语义演变的关键

搭配（Collocation）可以说是语言演变分析中最有价值的数据。词汇表通常包含一个额外的列表，列出最常出现在焦点单词附近的单词。

什么是搭配词（Collocates）？

搭配词是指习惯上或统计学上倾向于一起出现的词。它们是一个单词的语言学“朋友”。

• 想想花生酱和果酱，或者炸鱼和薯条。 它们天生就属于彼此。
• 例子： 单词 'strong' 常与 'tea'（茶）、'opinion'（观点）和 'wind'（风）搭配。

利用搭配词识别语义转移（Semantic Shift）

如果一个词的意义发生了改变（语义转移），它的搭配词也会随时间而变化。

• 场景： 在 19 世纪的语料库中，'gay' 的搭配词可能包括 'party'（派对）、'mood'（情绪）或 'dress'（着装）（原意为“快乐的”或“明亮的”）。
• 变化： 在 21 世纪的语料库中，'gay' 的搭配词将压倒性地包括 'rights'（权利）、'community'（群体）或 'marriage'（婚姻）（反映了其现代关于性取向的含义）。

分析这种搭配词的变化，为语义窄化（narrowing）、语义贬损（pejoration）或语义提升（amelioration）提供了确凿的证据。

记忆小贴士 (C)： Collocation（搭配）= Changing Context（改变的语境），从而带来 Changing Connotations（改变的内涵）。

将语料库数据应用于语言演变（考试重点）

在 Paper 3 中，你将利用词汇表和 n-gram 图表数据来支持你对原始散文文本的分析，以及你对语言演变理论的掌握。

分步分析过程

第一步：情境化数据

首先，确定表格中代表的时间段（例如，1700-1800 年 vs 2000-2020 年）。语言演变必须以历时视角进行分析。

第二步：注意显著的词频变化（词汇演变）

寻找频率上的剧增或剧减。

• 增加： 像 'digital'（数字的）这类词在 1980 年代到 2000 年代间的频率激增，表明技术变革对词汇表的影响。该词正在经历功能转移（functional shift）（它现在不仅用作名词，还可能用作形容词）。
• 减少： 像 'hark'（听，古语）这类正式问候语的减少，暗示了古语化（archaisms），以及由于社会习俗改变而导致的词汇逐渐流失（例如，功能理论 Functional Theory）。

第三步：分析搭配变化（语义演变）

这是你获得最高分的地方。关注随附的词表（搭配词）。

• 例子： 如果 'cool' 的搭配词从 'water' 和 'breeze'（字面温度）转移到 'style' 和 'attitude'（抽象赞许），你看到的就是该词的语义提升和语义扩大（broadening）。
• 关键术语： 使用精确的术语，如语义窄化、语义贬损、语义提升或隐喻性引申（metaphorical extension）来解释变化是如何发生的，并以搭配数据作为支撑。

第四步：综合理论发现 (AO4)

将统计证据与更广泛的语言学概念联系起来。

• 如果出现了一个新的、高频词（如 'vlog'），你可以将其与文化传播理论（Cultural Transmission Theory）联系起来——技术驱动了对新标签的需求；或者与词汇空缺理论（The Theory of Lexical Gaps）联系起来——新概念需要新的语言位置。
• 如果一个旧词衰落，你可以将其与标准化过程（导致古语化）或随机波动理论（Random Fluctuation Theory）联系起来（如果变化看起来是随意的）。

避免常见错误

• 错误 1：将原始数字视为绝对值。 请永远记住频率是相对于语料库规模的。使用标准化数字（例如，“每百万词”）。
• 错误 2：陈述显而易见的事实。 不要只说“这个词变得更频繁了”。你必须解释“为什么”（社会背景、技术、体裁转换）以及这意味着什么（例如，“这显示了为应对大众媒体而产生的词汇扩大”）。
• 错误 3：混淆搭配与同义词。 搭配词是与目标词“一起出现”的词；它们不一定与目标词“意思相同”（同义词有时在语料库数据中是分开列出的）。重点关注伙伴关系，而不是替换关系。

关键点： 词汇表是你的量化证据。它们证明了某种感知到的变化（例如一个词变得更常用）是否在统计上是可验证的，使你能够超越猜测，进入自信的分析。