Paper 3 語言分析：解讀 N-Gram 圖表
嘿，未來的語言學家！歡迎來到語言分析中最令人振奮、且以數據為導向的領域之一。在 Paper 3 的第一部分（語言演變）中，你不僅需要分析歷史文獻，還需要解讀能證明這些演變真實存在的硬數據。這就是 N-gram 圖表 發揮作用的地方！
本章將讓你掌握解讀這些語言學圖表的技巧。別擔心「N-gram」聽起來很複雜——它其實只是一種計算詞彙出現頻率的精妙方式，用來觀察語言在數百年來的變化。這項技能對於達成 AO4（理解研究方法）和 AO5（分析數據）的要求至關重要。
什麼是語料庫數據？為什麼我們需要它？
數位圖書館：語言語料庫
要研究語言如何隨時間演變（這稱為歷時語言學 Diachronic Linguistics），我們需要大量可靠的文本，不能僅僅依靠幾封信件或詩歌。
-
關鍵術語：語料庫 (Corpus，複數為 Corpora)
語料庫是一個龐大且結構化的數位文本集合（書面或口語），旨在代表某種特定語言或變體（例如美式英語或 18 世紀的醫學文獻）。
- 類比：將語料庫想像成世界上最大的數位圖書館，並按日期和體裁完美分類。電腦無須翻閱書頁，就能瞬間計算出特定單字或短語出現的次數。
用於產生這些圖表最著名的語料庫是 Google Books Corpus，其中包含了自 1500 年至今出版的數十億個掃描詞彙。
剖析 N-Gram
'N-gram' 這個術語指的是在語料庫文本中出現的「N」個項目的序列（通常是單字或字母）。
- N = 數字。這個數字告訴你正在計算的序列包含多少個單字。
-
1-gram (Unigram，一元語法)：單個詞。
例子："bicycle"（腳踏車）, "internet"（互聯網）, "thou"（你，古英語） -
2-gram (Bigram，二元語法)：兩個詞的序列。
例子："shall not"（將不）, "social media"（社交媒體）, "I am"（我是） -
3-gram (Trigram，三元語法)：三個詞的序列。
例子："at the end"（最後）, "if you like"（如果你喜歡）
快速回顧： N-gram 是我們計算的目標，而語料庫則是我們進行計算的龐大素材來源。
解讀 N-Gram 圖表：語言變化的視覺化
N-gram 圖表（或檢視器）獲取語料庫中的原始計數數據，並將其繪製成圖表。這能讓我們觀察到頻率（單字或短語使用的頻繁程度）隨時間的變化。
理解圖表軸線
N-gram 圖表通常構造為顯示隨時間的變化：
-
X 軸（橫軸）：時間/年份
此軸通常從較早的日期（例如 1700 年）延伸至現代（例如 2000 年），顯示你正在分析的歷史時期。
-
Y 軸（縱軸）：頻率或百分比
這是最關鍵的軸。它顯示了 N-gram 的相對頻率。頻率通常表示為該年度出版的所有詞彙的百分比。這一點很重要，因為它標準化了數據——它考慮到了 1950 年出版的書籍遠多於 1750 年的事實。
關鍵點： 線條的斜率代表了演變的故事。陡峭的上升代表快速普及；平穩的下降則代表趨於過時。
Paper 3 分析 N-Gram 圖表的技巧
當考試中出現 N-gram 圖表時，你的任務不僅僅是描述線條，而是要分析它們並將其與語言學概念連結（AO5）。
1. 識別關鍵趨勢（基礎）
-
上升的線條：代表使用率或普及度增加。這通常暗示詞彙習得 (Lexical Acquisition)（詞彙進入語言）或意義的詞義擴大 (Broadening)。
例子："technology"（科技）的使用率在 1940 年後急劇上升。 -
下降的線條：代表使用率降低，可能導致詞彙流失 (Lexical Loss) 或變得過時 (Archaism)。
例子："whilst" 的使用率隨著 "while" 的增加而下降。 - 平坦的線條：代表使用穩定，通常是基礎語法或常見詞彙（例如 "the" 或 "water"）。
2. 分析競爭與替代
圖表通常會比較兩個或多個功能相同的詞彙。這種分析揭示了詞彙替換 (Lexical Replacement)。
-
交叉點：仔細觀察兩條線交叉的位置。該點標誌著一個詞彙正式變得比另一個詞彙更常用的時間點。
例子："radio" 的線條可能在 1930 年代左右與 "wireless" 的線條交叉，顯示較新的詞彙在詞彙競爭中獲勝。 - 分歧：如果兩個詞起初使用率接近，隨後一個急劇上升而另一個下降，則顯示它們的意義可能已分歧 (Diverged)，或者其中一個正在取代另一個。
3. 情境化異常情況（尋找「原因」）
如果你看到突然的劇烈波動（尖峰或谷底），你必須將這些語言數據與現實世界的社會、政治或技術背景相連結（AO4）。
-
突然的尖峰：通常由重大歷史事件引起。
例子：1914 年至 1918 年間 "trench warfare"（壕溝戰）的使用率出現巨大尖峰。 -
突然的習得：新發明或新概念迫使新詞彙產生。
例子："internet" 或 "email" 在 1990 年左右從零使用率開始並迅速上升。
💡 需避免的常見錯誤
- 錯誤 1：混淆計數與頻率。 你必須記住 Y 軸顯示的是相對頻率（該詞與當年所有其他詞彙相比的常見程度），而不是出現的絕對次數。這能避免因出版書籍數量波動而導致的結果偏差。
- 錯誤 2：忽略日期。 在分析中務必提及具體的時間區段（例如：「該詞在 1880 年至 1910 年間使用率達到高峰，隨後開始急劇下降」）。
- 錯誤 3：僅僅描述線條。 考官希望看到的是分析。不要只說「線條往上走」。要說「'astronaut'（太空人）在 1960 年後的使用率顯著上升，反映了在全球『太空競賽』背景下推動的詞彙習得。」
圖表呈現的現實語言演變概念
N-gram 圖表是 Paper 3 中你所學的許多語言演變核心概念的絕佳視覺證據。
A. 語義演變（意義偏移）
圖表可以顯示與詞義變化相關的頻率偏移。
-
詞義褒義化 vs. 貶義化：如果一個詞的頻率急劇下降，可能是因為貶義化 (Pejoration)（該詞獲得了負面含義），導致使用者尋求替代詞。
你知道嗎？由於語義偏移，'gay' 一詞在 1960 年後的使用頻率和情境發生了戲劇性的變化。 - 詞義縮小 vs. 擴大：如果一個詞的使用率在幾個世紀內緩慢而穩定地上升，可能是由於詞義擴大 (Broadening)（其意義涵蓋了更多概念）。如果一個詞急劇衰退，可能已經詞義縮小 (Narrowed) 到一個非常具體、狹窄的情境中。
B. 語法與拼寫演變
N-gram 不僅適用於單字，也非常適合識別語法結構變化或拼寫演變。
- 正字法（拼寫）：比較 "colour" 與 "color"（如果搜尋 "the colour" 與 "the color"，它們就是 Bigram）可以顯示正字法如何在地理上有所不同，以及這些差異何時定型。
- 語法/句法：分析 "hath" 與 "has" 的使用情況，揭示了早期現代英語時期舊詞尾變化形式的逐漸衰退，以及邁向現代句法的過程。
C. 詞彙競爭
圖表清晰地展示了同義詞或替代短語之間的競爭，這通常會導致一個詞彙成為主流。
例子：比較短語 "cannot help but" 和 "can't help but" 的圖表，顯示了隨著時間推移，書面英語變得越來越口語化或非正式，因為縮寫且更具對話感的版本出現了頻率上升。
N-Gram 分析快速檢查清單
- 正在追蹤哪一個特定的 N-gram（詞彙/短語）？
- 圖表涵蓋的時間段是什麼？
- 總體趨勢是什麼（上升/下降/平坦）？
- 是否存在顯示詞彙替換的交叉點？（兩個競爭的詞彙是什麼？）
- 是否有突然的尖峰或谷底（異常情況）？（什麼歷史背景解釋了它？）
- 這張圖表說明了哪種具體的語言演變概念（例如：詞彙流失、褒義化、詞彙習得）？
如果你能回答這六個問題，你已經成功解讀了數據，並準備好將其綜合運用到你的 Paper 3 文章中！