Word tables derived from corpus data

語料庫數據與詞彙表：語言學家的工具箱（Paper 3：語言演變）

哈囉！歡迎來到 Paper 3 最令人興奮，同時也可能讓人感到手足無措的部分：分析量化數據！如果圖表和數字不是你的強項，請別擔心。當我們研讀由語料庫（Corpus）生成的詞彙表時，我們並不是在做數學題；我們只是在運用海量的統計證據，來證明語言是如何隨時間演變的。

本章將帶你了解語言學家如何利用大型數位資料庫（語料庫）來追蹤英語詞彙、意義及用法的演變——這對於在 Paper 3 第一部分（Section A）取得佳績至關重要。

什麼是語料庫（以及為什麼它很重要）？

在處理表格之前，你必須先了解數據的來源：語料庫（Corpus）。

語料庫數據的定義

語料庫（複數：*corpora*）是一個大型且結構化的自然文本或口語樣本集合，並以電子方式儲存。你可以把它想像成一座龐大且整理得一絲不苟的數位語言圖書館。

• 規模：語料庫通常包含數億，有時甚至數十億個單字。
• 目的：它們讓語言學家能透過觀察規律、頻率和語境，而非僅僅依賴直覺，來科學地研究語言。

你知道嗎？「英國國家語料庫」（BNC）是最著名的例子之一，它包含了一億個單字的英式英語，涵蓋了書面語和口語文本。

Paper 3 中的歷時觀點（Diachronic Perspective）

在 Paper 3 中，我們通常會查看歷時語料庫（diachronic corpora），即涵蓋不同歷史時期的文本集合（例如：將 18 世紀的英語語料庫與 21 世紀的英語語料庫進行比較）。

• 歷時（Diachronic）：跨越時間的研究語言（例如：追蹤 'awful' 這個詞從「充滿敬畏」（full of awe）演變成「糟糕」（terrible）的過程）。
• 共時（Synchronic）：在特定時間點研究語言（這對 Paper 3 Section A 的關聯性較小）。

重點摘要：語料庫提供了支持語言演變理論所需的原始統計證據。

解讀詞彙表

詞彙表只是呈現從語料庫得出的統計結果的一種方式。當你在考試中看到詞彙表時，你的任務就是將這些數字轉化為有意義的語言學觀察。

1. 分析詞彙頻率（Frequency）

頻率告訴你一個特定的詞或短語在語料庫中出現的次數。這通常會進行標準化處理，以顯示「每百萬字中的使用次數」，讓不同規模的文本間能進行公平比較。

• 高頻（High Frequency）：顯示該詞被廣泛使用，可能標誌著大眾化（popularisation）或詞彙化（lexicalisation，即將新詞轉為標準用法）。例子：如果「selfie」（自拍）在 2010 年代的語料庫中頻率為每百萬字 50 次，但在 1990 年代為 0，這就是它近期被採納的強有力證據。
• 低頻（Low Frequency）：可能意味著該詞已過時（archaism）、屬於專業術語，或是尚未被廣泛接受。

記憶小撇步（F）：頻率（Frequency）= For How Often is it used?（它多久被使用一次？）

2. 分析離散度與範圍（Dispersion and Range）

雖然頻率告訴你一個詞「出現了多少次」，但離散度（Dispersion）或範圍（Range）告訴你它在不同類型的文本（語體、寄存、作者）中「分布得多廣」。

• 高離散度：該詞在不同的語體（如報紙、學術論文、小說、日常對話）中一致出現。這顯示它是語言中主流且根深蒂固的一部分。
• 低離散度：該詞集中在一兩種文本類型中。例子：如果像「phoneme」（音素）這樣的專業術語在學術語料庫中很常見，但在其他地方卻不見蹤影，則說明它具有低離散度，仍屬於專門詞彙。

記憶小撇步（D）：離散度（Dispersion）= Do they use it Different places?（他們會在不同場合使用它嗎？）

3. 理解搭配（Collocation）：語義演變的關鍵

搭配（Collocation）可以說是語言演變分析中最有價值的數據。詞彙表通常會包含一個列表，列出最常出現在焦點詞彙附近的單詞。

什麼是搭配詞（Collocates）？

搭配詞是習慣上或統計上傾向於一起出現的詞。它們是詞彙的語言「好朋友」。

• 想像花生醬和果醬，或炸魚和薯條。 它們就是屬於一對的。
• 例子：單字 'strong' 常與 'tea'（茶）、'opinion'（觀點）和 'wind'（風）搭配。

利用搭配詞識別語義轉移（Semantic Shift）

如果一個詞的含義發生了改變（語義轉移），它的搭配詞也會隨時間而改變。

• 情境：在 19 世紀的語料庫中，'gay' 的搭配詞可能包括 'party'、'mood' 或 'dress'（指「快樂」或「明亮」）。
• 改變：在 21 世紀的語料庫中，'gay' 的搭配詞壓倒性地包含像 'rights'（權利）、'community'（社群）或 'marriage'（婚姻）這類詞（反映了其現代關於性傾向的意義）。

分析搭配詞的這種轉變，為意義收窄（narrowing）、貶義化（pejoration）或褒義化（amelioration）提供了不容置疑的證據。

記憶小撇步（C）：搭配（Collocation）= Changing Context（改變的語境，從而導致 Changing Connotations，即改變的內涵）。

將語料庫數據應用於語言演變（考試重點）

在 Paper 3 中，你將利用詞彙表和 n-gram 圖表數據來支持你對主要散文文本的分析，並結合你對語言演變理論的認知。

逐步分析流程

第一步：將數據語境化（Contextualise）

首先，確認表格所代表的時間跨度（例如：1700-1800 年對比 2000-2020 年）。語言演變必須以歷時（diachronically）的角度進行分析。

第二步：注意顯著的頻率轉移（詞彙變化）

尋找頻率上的劇烈增減。

• 增加：像 'digital'（數位）一詞在 1980 年代到 2000 年代之間的急劇上升，顯示了技術變革對詞庫的影響。該詞正在經歷功能轉移（functional shift）（它現在可能被用作形容詞，而不僅僅是名詞）。
• 減少：像 'hark' 這種正式問候語的衰退，暗示了過時詞彙（archaisms）的出現，以及因社會規範改變而導致的詞彙流失（例如：語言演變的功能理論）。

第三步：分析搭配詞的轉移（語義變化）

這是你拿高分的關鍵。重點關注附帶的詞彙列表（搭配詞）。

• 例子：如果 'cool' 一詞的搭配詞從 'water' 和 'breeze'（字面上的溫度）轉移到 'style' 和 'attitude'（抽象的讚賞），你所看到的就是該詞的褒義化（amelioration）和意義擴張（broadening）。
• 關鍵術語：運用精確的術語，如語義收窄（semantic narrowing）、貶義化（pejoration）、褒義化（amelioration）或隱喻延伸（metaphorical extension）來解釋變化的「方式」，並輔以搭配詞數據證明。

第四步：結合理論綜合分析（AO4）

將統計證據連結到更廣泛的語言學概念。

• 如果出現了一個新的高頻詞（如 'vlog'），你可以將其與文化傳播理論（Cultural Transmission Theory）連結——科技推動了對新標籤的需求；或是詞彙空缺理論（Theory of Lexical Gaps）——新的概念需要新的語言位置。
• 如果一個舊詞衰退，你可以將其連結到標準化過程（導致過時），或是如果變化看起來很隨機，則連結到隨機波動理論（Random Fluctuation Theory）。

應避免的常見錯誤

• 錯誤 1：將原始數據視為絕對。請記住頻率是相對於語料庫規模的。務必使用標準化數據（例如：「每百萬字」）。
• 錯誤 2：陳述過於明顯的事實。不要只說「這個詞變頻繁了」。你必須解釋「為什麼」（社會背景、技術、語體轉換）以及這「意味著什麼」（例如：「這顯示了回應大眾傳媒的詞彙擴張」）。
• 錯誤 3：將搭配（Collocation）與同義詞（Synonymy）混淆。搭配詞是與目標詞「一起出現」的詞；它們不一定是與目標詞「意思相同」的詞（語料庫數據中有時會單獨列出同義詞）。專注於它們的夥伴關係，而非替代關係。

重點摘要：詞彙表是你的量化證據。它們證明了感知的變化（例如一個詞變得更常見）是否在統計上可驗證，使你能夠超越猜測，進行自信的分析。