留學(xué)生中介字?jǐn)?shù)據(jù)庫(kù)建設(shè)若干問(wèn)題討論

[關(guān)鍵詞] 中介字?jǐn)?shù)據(jù)庫(kù);建設(shè);語(yǔ)料屬性;標(biāo)注;功能

[摘? 要] 目前關(guān)于中介字?jǐn)?shù)據(jù)庫(kù)的建設(shè)和研究相對(duì)較少。文章以中山大學(xué)留學(xué)生全程性中介字?jǐn)?shù)據(jù)庫(kù)為例，論述了中介字?jǐn)?shù)據(jù)庫(kù)建設(shè)過(guò)程中應(yīng)該注意的幾個(gè)問(wèn)題：語(yǔ)料要真實(shí)自然，這是基本屬性;語(yǔ)料要具備連續(xù)性和全程性，將有利于縱向和漸進(jìn)性研究;中介字標(biāo)注內(nèi)容包括錯(cuò)字、似別字、別字、不規(guī)范字的標(biāo)注，并詳細(xì)討論了偏誤類型和偏誤原因的標(biāo)注方法和規(guī)范。同時(shí)，強(qiáng)調(diào)標(biāo)注要遵循科學(xué)性和漸進(jìn)性。文章還介紹了數(shù)據(jù)庫(kù)的功能和價(jià)值，并結(jié)合實(shí)踐提出了建庫(kù)過(guò)程中一些可資借鑒的方法和建議。

[中圖分類號(hào)]H195.3? [文獻(xiàn)標(biāo)識(shí)碼]A? [文章編號(hào)]1674-8174（2022）02-0086-09

近年來(lái)，漢語(yǔ)中介語(yǔ)語(yǔ)料庫(kù)的建設(shè)呈現(xiàn)繁榮局面，數(shù)量增多，語(yǔ)料庫(kù)類別也多種多樣。這些語(yǔ)料庫(kù)不但為研究者探索漢語(yǔ)的語(yǔ)言現(xiàn)象提供了更多的語(yǔ)料資源，也極大地提高了漢語(yǔ)作為第二語(yǔ)言教學(xué)研究的水平。漢字是對(duì)外漢語(yǔ)教學(xué)界公認(rèn)的重點(diǎn)和難點(diǎn)，但是關(guān)于“漢字”的專門數(shù)據(jù)庫(kù)卻很少見。數(shù)據(jù)庫(kù)和語(yǔ)料庫(kù)為語(yǔ)言現(xiàn)象測(cè)查和定量研究提供了相當(dāng)可靠而便捷的條件，大量的數(shù)據(jù)信息和語(yǔ)料使研究成果更為客觀，更具應(yīng)用價(jià)值。

目前，國(guó)內(nèi)可使用的中介字?jǐn)?shù)據(jù)庫(kù)十分有限。北京語(yǔ)言大學(xué)建有“歐美留學(xué)生錯(cuò)別字?jǐn)?shù)據(jù)庫(kù)”，但該庫(kù)至今未開放。根據(jù)戴媛媛（2007），該庫(kù)基于30多萬(wàn)字的外國(guó)學(xué)生HSK高等考試作文，收集了2000多個(gè)錯(cuò)別字字形，但數(shù)據(jù)庫(kù)國(guó)別只限于歐美學(xué)生，學(xué)生水平主要是參加HSK高等考試的學(xué)生，而且只包含錯(cuò)字和別字兩種偏誤漢字形式。

另外，臺(tái)灣師范大學(xué)建有“漢語(yǔ)學(xué)習(xí)者漢字偏誤數(shù)據(jù)資料庫(kù)”，該庫(kù)曾經(jīng)開放，但近年來(lái)關(guān)閉，由鄧守信教授創(chuàng)建于2009年。它收集了2000多個(gè)錯(cuò)字字形，并對(duì)其偏誤類型進(jìn)行了細(xì)致分類，但該數(shù)據(jù)庫(kù)收集的只是錯(cuò)字，而且整個(gè)系統(tǒng)基于繁體字，字庫(kù)收集的是單個(gè)錯(cuò)字，沒有上下文語(yǔ)料，無(wú)法查看其語(yǔ)境，并且書寫者只限英語(yǔ)母語(yǔ)者。

中山大學(xué)“留學(xué)生全程性中介字?jǐn)?shù)據(jù)庫(kù)”（下文簡(jiǎn)稱“中介字?jǐn)?shù)據(jù)庫(kù)”）自2016年開始，基于中山大學(xué)“漢字偏誤連續(xù)性書面語(yǔ)語(yǔ)料庫(kù)”（下文簡(jiǎn)稱“中介語(yǔ)文本庫(kù)”）建立?！爸薪檎Z(yǔ)文本庫(kù)”于2015年建成，包含了60多個(gè)國(guó)家留學(xué)生的初中高等水平學(xué)生日常作文語(yǔ)料，目前大概420萬(wàn)字，其重點(diǎn)標(biāo)注了漢字偏誤。利用“中介語(yǔ)文本庫(kù)”可以檢索漢字偏誤情況，也能檢索詞、短語(yǔ)、句子等語(yǔ)言成分。后來(lái)，隨著對(duì)漢字認(rèn)識(shí)的發(fā)展，進(jìn)一步完善細(xì)化了漢字偏誤標(biāo)注的內(nèi)容和項(xiàng)目，增加了似別字和不規(guī)范字的標(biāo)注，細(xì)化了錯(cuò)字和別字類型，并且增加了偏誤原因標(biāo)注。以此文本庫(kù)為基礎(chǔ)，抽取各種漢字偏誤標(biāo)注信息，統(tǒng)計(jì)頻率，人工錄入正字相關(guān)信息，建立了“中介字?jǐn)?shù)據(jù)庫(kù)”。

“中介字?jǐn)?shù)據(jù)庫(kù)”是指留學(xué)生在習(xí)得漢字過(guò)程中書寫的漢字形式的數(shù)據(jù)庫(kù)?！爸薪樽帧笔潜狙芯刻岢龅囊粋€(gè)新概念，專指留學(xué)生書寫的漢字形式，它和“中介語(yǔ)”相對(duì)應(yīng)，是一個(gè)獨(dú)立的系統(tǒng)?！爸薪樽帧备拍畹奶岢?，表明研究視角由傳統(tǒng)漢字向外國(guó)留學(xué)生漢字書寫的轉(zhuǎn)變。這里的“中介字”除了漢字，也可以推廣到其他文字系統(tǒng)，其他語(yǔ)言文字的二語(yǔ)學(xué)習(xí)者書寫時(shí)也會(huì)有“中介字”狀態(tài)。本文以“中介字”命名，嘗試引領(lǐng)起對(duì)漢字中介狀態(tài)的系統(tǒng)研究，包括中介字形式、偏誤類型、偏誤原因等。

“中介字?jǐn)?shù)據(jù)庫(kù)”由錯(cuò)字?jǐn)?shù)據(jù)庫(kù)、別字?jǐn)?shù)據(jù)庫(kù)、似別字?jǐn)?shù)據(jù)庫(kù)、不規(guī)范字?jǐn)?shù)據(jù)庫(kù)等4個(gè)子庫(kù)組成，包含了中介字的偏誤信息、所在文本信息和對(duì)應(yīng)正字情況等。它們以“正字”為共同字段互相關(guān)聯(lián)，信息共享。截止目前，數(shù)據(jù)庫(kù)中包含了3362個(gè)正字的30665個(gè)錯(cuò)字形式，9151個(gè)別字形式，351個(gè)似別字形式，15673個(gè)不規(guī)范字形式。數(shù)據(jù)庫(kù)還有方便的檢索和統(tǒng)計(jì)功能，方便用戶查閱使用。這兩個(gè)庫(kù)都在不斷更新，自建成便面向?qū)W界公開使用。

“中介字?jǐn)?shù)據(jù)庫(kù)”屬于專項(xiàng)語(yǔ)料庫(kù)，它既有一般語(yǔ)料庫(kù)的基本屬性和特點(diǎn)，也有作為專項(xiàng)語(yǔ)料庫(kù)的特別之處。本文以“中山大學(xué)留學(xué)生全程性中介字?jǐn)?shù)據(jù)庫(kù)”為例，就中介字?jǐn)?shù)據(jù)庫(kù)建設(shè)中的若干問(wèn)題提出一些思考。

1. 語(yǔ)料屬性

1.1 語(yǔ)料的真實(shí)性和自然性

真實(shí)性和自然性是語(yǔ)料庫(kù)建設(shè)最基本的屬性。如果語(yǔ)料不真實(shí)、不自然，就失去了研究的基礎(chǔ)和價(jià)值。中介字?jǐn)?shù)據(jù)庫(kù)和一般的文本語(yǔ)料庫(kù)有所不同，中介字?jǐn)?shù)據(jù)庫(kù)是針對(duì)留學(xué)生書寫的漢字，真實(shí)性和自然性主要體現(xiàn)在以下幾個(gè)方面：

（1）保持學(xué)生書寫漢字的原貌，尤其是體現(xiàn)出錯(cuò)字的錯(cuò)誤特點(diǎn)。正字和別字能直接打出來(lái)，容易呈現(xiàn)，但錯(cuò)字要怎么呈現(xiàn)才真實(shí)？目前也有語(yǔ)料庫(kù)采用掃描錯(cuò)字，再切字的方式，但由于每個(gè)留學(xué)生寫字的大小規(guī)格不同，切出來(lái)的漢字大小不一，有的可能模糊不清。中山大學(xué)中介語(yǔ)文本庫(kù)和中介字?jǐn)?shù)據(jù)庫(kù)對(duì)錯(cuò)字采用truetype造字方式，以圖片格式保存，這樣可以使圖片大小一致。由于對(duì)錯(cuò)字的主觀認(rèn)識(shí)和造字技術(shù)水平不同，所造錯(cuò)字和原字之間難免有距離，但我們認(rèn)為只要在部件位置、筆畫關(guān)系等這些大的錯(cuò)誤特征上保持一致，體現(xiàn)出原錯(cuò)字的錯(cuò)誤之處即可，至于原字筆畫粗細(xì)、書寫風(fēng)格可以適當(dāng)忽略，因?yàn)檫@些不影響漢字偏誤特征的呈現(xiàn)。

（2）體現(xiàn)漢字書寫的各種中介形式。除了錯(cuò)字、別字，數(shù)據(jù)庫(kù)還根據(jù)大量漢字書寫實(shí)際，歸納出似別字、不規(guī)范字，盡量全面真實(shí)表現(xiàn)漢字的中介形式。這是留學(xué)生漢字書寫真實(shí)性和自然性的特別體現(xiàn)。

（3）學(xué)生用字選字真實(shí)自然。因?yàn)椤爸薪樽謹(jǐn)?shù)據(jù)庫(kù)”的信息來(lái)源于“中介語(yǔ)文本庫(kù)”，“中介語(yǔ)文本庫(kù)”來(lái)自中山大學(xué)國(guó)際漢語(yǔ)學(xué)院和中文系國(guó)際漢語(yǔ)中心留學(xué)生的日常作文，學(xué)生選詞用字時(shí)沒有考場(chǎng)的壓力，用詞造句真實(shí)自然。同時(shí)，為了防止學(xué)生在寫作中抄襲，語(yǔ)料失真，在收集語(yǔ)料之前，教師都盡量檢查學(xué)生作文，并且錄入語(yǔ)料前避免錄入教師修改過(guò)、加工過(guò)的二手語(yǔ)料，力求反映學(xué)生真實(shí)水平（張瑞朋，2012）。因此中介字?jǐn)?shù)據(jù)庫(kù)收集的中介字也具備了用字的真實(shí)自然性。

1.2 語(yǔ)料的連續(xù)性和全程性

1.2.1 連續(xù)性

連續(xù)性指學(xué)生各個(gè)學(xué)習(xí)水平等級(jí)是連續(xù)的，不是只有單個(gè)水平等級(jí)。根據(jù)張瑞朋（2012），中山大學(xué)中介語(yǔ)文本語(yǔ)料庫(kù)的語(yǔ)料收集了相同學(xué)生的初、中、高級(jí)水平的語(yǔ)料，具有連續(xù)性，來(lái)源于該語(yǔ)料庫(kù)的“中介字字庫(kù)”也因此涵蓋了相同學(xué)生不同等級(jí)水平漢字書寫的狀態(tài)，具備了“連續(xù)性”，可供縱向研究?？v向研究的作用是：

（1）對(duì)比不同國(guó)家學(xué)生的錯(cuò)字、別字等發(fā)展過(guò)程。不同國(guó)家由于書寫背景和認(rèn)知方式不同，錯(cuò)字、別字形狀類別和頻次的發(fā)展變化也不同，根據(jù)收集的連續(xù)性語(yǔ)料可以考察這一變化。（2）對(duì)比不同水平階段學(xué)生的錯(cuò)字、別字及其他中介字形式的書寫和數(shù)量，考察中介字的發(fā)展變化情況，以便為漢字教學(xué)提供啟發(fā)。（3）縱向考察同一母語(yǔ)背景學(xué)生在不同階段漢字書寫的發(fā)展變化，包括正確用字、偏誤漢字的錯(cuò)誤類型及比例變化。近年來(lái)，對(duì)外漢語(yǔ)教學(xué)界在這方面成果頗豐。如：鹿士義（2002）、江新（2004）、郝美玲（2018）等。這些研究都是通過(guò)實(shí)驗(yàn)和小規(guī)模收集漢字材料進(jìn)行。中山大學(xué)中介字?jǐn)?shù)據(jù)庫(kù)集中反映外國(guó)學(xué)生漢字書寫現(xiàn)象，將有助于漢字習(xí)得與認(rèn)知研究從一個(gè)新視角觀察并獲取大量真實(shí)的數(shù)據(jù)，深入開展研究。

1.2.2 全程性

全程性主要指漢字書寫發(fā)展經(jīng)歷形式的全面性，包括錯(cuò)字、似別字、別字、不規(guī)范字、正字幾種形式。漢字是語(yǔ)言要素之一，像中介語(yǔ)一樣，中介字也有其獨(dú)特系統(tǒng)，是一個(gè)漸進(jìn)發(fā)展的連續(xù)統(tǒng)?！板e(cuò)字”是不成形的，在連續(xù)統(tǒng)的最左端，是漢字習(xí)得的最低階段。別字比錯(cuò)字正字法意識(shí)強(qiáng)。根據(jù)大量書寫材料，我們發(fā)現(xiàn)在錯(cuò)字和別字之間還存在“似別字”。此外，還存在“不規(guī)范字”?！罢帧笔悄繕?biāo)漢字，在連續(xù)統(tǒng)的最右端，是漢字習(xí)得的目的形式。從“錯(cuò)字”到“正字”，經(jīng)歷了似別字、別字、不規(guī)范字等階段，反映了留學(xué)生習(xí)得漢字是一個(gè)逐步邁向目標(biāo)漢字的漸進(jìn)的連續(xù)統(tǒng)過(guò)程，也反映了中介字的復(fù)雜性和特殊性。

數(shù)據(jù)庫(kù)包括了各種中介字的書寫情況，尤其使處于中間階段的中介字狀態(tài)（似別字、不規(guī)范字）的界定具備一定可操作性，一定程度上反映了中介字的發(fā)展過(guò)程和習(xí)得順序，為構(gòu)建漢字習(xí)得模型，強(qiáng)化漢字習(xí)得機(jī)制提供了基礎(chǔ)，對(duì)于全面研究留學(xué)生漢字習(xí)得情況，提升漢字教學(xué)效果有重要意義。

2. 語(yǔ)料標(biāo)注

語(yǔ)料標(biāo)注是“語(yǔ)料深加工的重要環(huán)節(jié)，也是一個(gè)語(yǔ)料庫(kù)建設(shè)水平的重要標(biāo)志”（ 劉連元，1996）。這說(shuō)明語(yǔ)料標(biāo)注的內(nèi)容與質(zhì)量決定了一個(gè)語(yǔ)料庫(kù)的功能與使用價(jià)值。對(duì)于一般語(yǔ)料庫(kù)中詞語(yǔ)、短語(yǔ)級(jí)別的標(biāo)注，學(xué)界討論很多。關(guān)于漢字標(biāo)注，目前探討比較詳細(xì)的是張寶林（2019：69-87）。這本書對(duì)中介語(yǔ)語(yǔ)料庫(kù)中字、詞、短語(yǔ)等各級(jí)語(yǔ)言單位標(biāo)注規(guī)范的確定有很大貢獻(xiàn)，但這本書的漢字標(biāo)注規(guī)范主要是“為‘通用型’（語(yǔ)料庫(kù)）服務(wù)的，而不是服務(wù)于漢字的專項(xiàng)研究”（張寶林，2019：72）。不同類型的語(yǔ)料庫(kù)標(biāo)注深度和標(biāo)注項(xiàng)目不同。同樣是漢字標(biāo)注，通用型語(yǔ)料庫(kù)“只是從整體角度指出了漢字偏誤類型，在各類別下不再分細(xì)類”（張寶林，2019：72）。專門的漢字?jǐn)?shù)據(jù)庫(kù)則需要對(duì)各類偏誤漢字進(jìn)行盡可能細(xì)致的研究，標(biāo)注方式和內(nèi)容也不同于通用型語(yǔ)料庫(kù)。中山大學(xué)留學(xué)生全程性數(shù)據(jù)庫(kù)是專門的漢字?jǐn)?shù)據(jù)庫(kù)，在漢字偏誤標(biāo)注方面也更細(xì)致、更全面。在建設(shè)數(shù)據(jù)庫(kù)過(guò)程中，我們遇到了一些問(wèn)題，也總結(jié)了一些經(jīng)驗(yàn)，下面嘗試討論歸納。

2.1 標(biāo)注項(xiàng)目和規(guī)范

中介字的偏誤和母語(yǔ)者的寫字偏誤不能完全等同。母語(yǔ)者的寫字偏誤主要是錯(cuò)字和別字，但中介字的偏誤有其特殊性和復(fù)雜性。漢語(yǔ)二語(yǔ)學(xué)習(xí)者和母語(yǔ)學(xué)習(xí)者有不同的文字背景和漢字習(xí)得機(jī)制，在書寫漢字時(shí)除了錯(cuò)字、別字，還有其他中介字形式。本文提出了“似別字”“不規(guī)范字”這些中間狀態(tài)。 因此，本文的中介字標(biāo)注涉及錯(cuò)字、似別字、別字、不規(guī)范字幾種形式。在標(biāo)注中，我們盡量給錯(cuò)字、似別字、別字和不規(guī)范字各自設(shè)立互相區(qū)別、不交叉不重疊的類別，使其具有一定可操作性。

錯(cuò)字偏誤原因包括形似、形旁相近、聲旁相近、基本漢字書寫未掌握、母語(yǔ)影響、上下文影響、受合成詞影響等7種。其中上下文影響（張瑞朋，2015）和受合成詞影響是數(shù)據(jù)庫(kù)吸取的偏誤原因的新因素。

別字標(biāo)注包括正字、別字、偏誤原因。偏誤原因包括音同音近、形近、義近、音形皆近、音義皆近、形義皆近、音形義皆近、音形義無(wú)關(guān)、上下文影響、雙字詞內(nèi)部混用等10種。

似別字標(biāo)注包括正字、似別字。似別字是本研究提出的一個(gè)新概念，它是錯(cuò)字和別字之間的一種中間狀態(tài)。錯(cuò)字是由于學(xué)生沒有掌握漢字形體，從而寫成了漢字中不存在的字;別字是書寫正確但使用不對(duì)的字;似別字則是學(xué)生沒有掌握漢字形體，不會(huì)書寫，但誤打誤撞而寫成了漢字中存在的字。因?yàn)樗_實(shí)在漢字中存在，所以不能算“錯(cuò)字”;但它又不是因?yàn)槭褂缅e(cuò)誤而導(dǎo)致，學(xué)生頭腦中并沒有這個(gè)字，所以不能算“別字”。

似別字不同于別字，在教學(xué)中要區(qū)別對(duì)待。別字和正字在音、形、義上可能相關(guān)，似別字和正字一般只有字形相關(guān)。別字在學(xué)生的心理詞典中是單獨(dú)儲(chǔ)存的，學(xué)生書寫別字，往往是因?yàn)閷?duì)正字和別字兩個(gè)字的整體混淆。似別字則大多是因?yàn)楣P畫或部件出錯(cuò)，誤打誤撞寫成了漢字中存在的字，它在學(xué)生的心理詞典中沒有清晰獨(dú)立的單獨(dú)儲(chǔ)存位置。因此，在教學(xué)中似別字和別字要采用不同的糾錯(cuò)方法。對(duì)于別字，學(xué)生一般學(xué)過(guò)，教師可以從音、形、義幾方面和正字做整體對(duì)比，使別字和正字在學(xué)生心理詞典中牢固儲(chǔ)存。對(duì)于似別字，具體分兩種情況：一是似別字和正字使用頻率相差較大，可以確定學(xué)生沒有學(xué)過(guò)，比如，愛—*爰，西—*酉，仇—*仉。教師在教學(xué)中可以重點(diǎn)指出書寫錯(cuò)誤之處，不用全面比對(duì)兩個(gè)漢字。還有一種情況是，似別字使用頻率和正字相當(dāng)，學(xué)生可能學(xué)過(guò)也可能沒學(xué)過(guò)，要靠教師根據(jù)實(shí)際情況判斷。比如：平—*采、人—*入。在實(shí)際教學(xué)中，對(duì)于學(xué)生學(xué)過(guò)的漢字，教師可以像“別字”一樣處理，從音、形、義幾個(gè)方面整體對(duì)比，幫助學(xué)生識(shí)記漢字。對(duì)于學(xué)生沒學(xué)過(guò)的，則像第一種情況，強(qiáng)調(diào)其錯(cuò)誤之處即可。數(shù)據(jù)庫(kù)中把有似別字可能的漢字都標(biāo)注出來(lái)，用戶在教學(xué)和學(xué)習(xí)時(shí)要注意分辨。似別字現(xiàn)象在數(shù)據(jù)庫(kù)中并不少見，應(yīng)該引起注意。

不規(guī)范字標(biāo)注包括正字、不規(guī)范字。根據(jù)現(xiàn)行語(yǔ)言文字規(guī)范，不規(guī)范字包括錯(cuò)字、別字、繁體字、異體字、舊字形。錯(cuò)字屬于書寫不規(guī)范字，其余屬于使用不規(guī)范字。這是一種廣義的不規(guī)范字。北京語(yǔ)言大學(xué)“全球漢語(yǔ)中介語(yǔ)語(yǔ)料庫(kù)”和“HSK動(dòng)態(tài)作文語(yǔ)料庫(kù)”都對(duì)廣義的不規(guī)范字進(jìn)行了標(biāo)注。本文說(shuō)的不規(guī)范字是狹義的，專指書寫不規(guī)范字。漢語(yǔ)二語(yǔ)學(xué)習(xí)者的漢字書寫形式復(fù)雜多樣，書寫不規(guī)范除了“錯(cuò)字”，還有一些中間狀態(tài)。如果對(duì)其總結(jié)分類，加強(qiáng)引導(dǎo)，學(xué)生會(huì)逐步走向規(guī)范，更好地書寫漢字。

這里需要說(shuō)明的是受宋體印刷體影響的不規(guī)范字。根據(jù)施春宏（2020：135），宋體以手寫楷書為基礎(chǔ)發(fā)展而來(lái)，在發(fā)展過(guò)程中，又吸收了篆書和隸書的某些特征，因此有些字的印刷體和手寫體在字形上存在分歧。目前大部分教材使用印刷字體，有的初學(xué)者在學(xué)寫漢字時(shí)，會(huì)模仿宋體字形抄寫，導(dǎo)致寫出的漢字字形呆板僵硬，甚至筆畫出現(xiàn)錯(cuò)誤。因此，在漢語(yǔ)教學(xué)中，特別是面對(duì)初級(jí)漢語(yǔ)學(xué)習(xí)者，在電腦屏幕或印刷資料上呈現(xiàn)的印刷字體，更適合采用與手寫字體接近的楷體，以利于學(xué)習(xí)者模仿。同時(shí)，教師要了解哪些漢字的宋體和手寫體不同，在學(xué)生出現(xiàn)此類不規(guī)范字時(shí)，以便及時(shí)指出原因，幫助改正。

在設(shè)定上述類別時(shí)，我們注重幾個(gè)問(wèn)題：一是每個(gè)類別的語(yǔ)言現(xiàn)象要足量，如果不足量，標(biāo)注出來(lái)也沒有多少實(shí)用價(jià)值。二是不同中介字形式內(nèi)部類別之間要界限明確，互相區(qū)分。比如：錯(cuò)字幾個(gè)類別之間，不規(guī)范字幾個(gè)類別之間要容易區(qū)分。三是不同中介字形式之間要區(qū)別開來(lái)，要有切實(shí)可判斷的標(biāo)準(zhǔn)，尤其是錯(cuò)字和不規(guī)范字之間的區(qū)分會(huì)有模糊地帶，規(guī)范設(shè)置要盡量明確。特別是錯(cuò)字的部件錯(cuò)位、筆畫錯(cuò)位和不規(guī)范字的部件位置不規(guī)范、筆畫位置不規(guī)范之間的區(qū)分，達(dá)到什么程度算是不規(guī)范，達(dá)到什么程度算錯(cuò)，數(shù)據(jù)庫(kù)有較明確劃分和規(guī)范。比如，對(duì)于部件錯(cuò)位和部件位置不規(guī)范的區(qū)分，目前主要以是否導(dǎo)致漢字本身結(jié)構(gòu)關(guān)系改變?yōu)闇?zhǔn)。

2.2 標(biāo)注方法和格式

關(guān)于語(yǔ)料標(biāo)注方法，張寶林（2013）分為“只標(biāo)不改”和“既標(biāo)且改”。這兩種方法的區(qū)別主要是是否涉及漢字偏誤，是否有利于分詞進(jìn)行?！爸粯?biāo)不改”是只標(biāo)注出錯(cuò)誤，但不改正，較適用于詞及以上級(jí)別語(yǔ)言成分?！凹葮?biāo)且改”是要把錯(cuò)誤的語(yǔ)言成分改正過(guò)來(lái)，這種方法更適合于中介漢字的標(biāo)注。把正確漢字寫出來(lái)，可以提高分詞的正確率，同時(shí)方便偏誤漢字和正確漢字之間的對(duì)比以及頻率統(tǒng)計(jì)。具體標(biāo)注格式示例如下：

似別字：<爰>SBZ【愛】（<>中是似別字，“SBZ”表示似別字，黑括號(hào)中是正字。）

別字：得意<揚(yáng)>BZ【洋，偏誤原因：音同音近】（<>中是別字，“BZ”表示別字，黑括號(hào)中是依次是正確漢字、偏誤原因）

2.3 偏誤類型和原因的標(biāo)注

上述中介字項(xiàng)目的標(biāo)注內(nèi)容大都包括正確字、偏誤類型、偏誤原因。其中偏誤類型和偏誤原因是標(biāo)注過(guò)程中較難判斷和爭(zhēng)議較多的。如果存在多個(gè)偏誤類型或偏誤原因，是單標(biāo)還是多標(biāo)？判斷順序是怎樣的？對(duì)于詞匯、短語(yǔ)、句子、篇章類的偏誤，大多語(yǔ)料庫(kù)采用“從大到小，一錯(cuò)一標(biāo)”，認(rèn)為語(yǔ)料標(biāo)注應(yīng)盡量簡(jiǎn)化，不宜過(guò)于復(fù)雜，“一錯(cuò)多標(biāo)”只能有限使用（張寶林，2013）。漢字偏誤標(biāo)注是否也是這樣？這要根據(jù)漢字實(shí)際情況來(lái)決定。

2.3.1 偏誤類型的標(biāo)注

下面談?wù)剺?biāo)注過(guò)程中遇到的兩類問(wèn)題。

（1）一個(gè)錯(cuò)字存在多個(gè)偏誤類型

這里的多個(gè)偏誤又可分為：多個(gè)不同層級(jí)偏誤和多個(gè)同一層級(jí)偏誤。下面分別論述。

（2）對(duì)同一偏誤現(xiàn)象存在不同理解

因?yàn)闃?biāo)注由人做，就帶有人為的主觀認(rèn)識(shí)活動(dòng)。在漢字標(biāo)注中存在對(duì)某一偏誤現(xiàn)象有不同理解的情況。比如：“被”寫為“”，可以看作“礻”遺漏了“丶”，也可看作是“衤”被“礻”誤代。如果書寫者不熟悉“礻”這個(gè)部件， 書寫時(shí)因?yàn)檫z漏 “丶” 而恰巧寫成 “礻”，則應(yīng)標(biāo)注筆畫遺漏;如果書寫者熟悉這兩個(gè)部件，因混淆部件而發(fā)生錯(cuò)誤，則應(yīng)標(biāo)注部件誤代。這其中涉及到書寫者的心理活動(dòng)，但大規(guī)模數(shù)據(jù)庫(kù)標(biāo)注不可能對(duì)漢字書寫者進(jìn)行一一心理活動(dòng)調(diào)查，即使調(diào)查能夠進(jìn)行，書寫者有時(shí)也說(shuō)不清自己為什么這樣寫。這種涉及對(duì)漢字偏誤現(xiàn)象的不同理解時(shí)，采取全標(biāo)，把可能的信息全部提供給用戶，由用戶進(jìn)一步取舍判斷。

綜上所述，和詞匯、短語(yǔ)、句子等語(yǔ)言單位不同，漢字由不同構(gòu)件組成，可能不同構(gòu)件存在多個(gè)偏誤，也可能對(duì)同一偏誤現(xiàn)象存在不同理解，兩種情況都可采取全標(biāo)。這說(shuō)明漢字偏誤標(biāo)注類型適合“一錯(cuò)多標(biāo)”。這樣處理可以發(fā)現(xiàn)不同的偏誤類型，這對(duì)于全面、準(zhǔn)確地認(rèn)識(shí)漢字偏誤非常重要。

2.3.2 偏誤原因的標(biāo)注

偏誤原因的標(biāo)注主要是針對(duì)錯(cuò)字和別字。偏誤原因可以分為外部因素和漢字內(nèi)部因素兩方面。錯(cuò)字偏誤原因包括3種外部因素：受上下文影響、受母語(yǔ)文字影響、受原合成詞影響;4種漢字內(nèi)部因素：形似、形旁相近、聲旁相近、基本漢字書寫未掌握等。別字偏誤原因包括2種外部因素：受上下文影響、原合成詞內(nèi)部混用;8種漢字內(nèi)部因素：音同音近、形近、義近、音形皆近、音義皆近、形義皆近、音形義皆近、音形義無(wú)關(guān)。

在實(shí)際標(biāo)注過(guò)程中，我們先從外部因素考察，再?gòu)臐h字內(nèi)部特點(diǎn)考察。比如，在標(biāo)注別字偏誤原因時(shí)，先看是否存在受上下文影響或合成詞內(nèi)部混用這些外部因素;如果沒有，再根據(jù)別字和正字之間音形義的關(guān)系來(lái)判斷。如果明顯同時(shí)存在多方面偏誤原因，可以全標(biāo)。比如：批評(píng)—批*抨，從外部因素看，別字“抨”受上下文影響;從別字和正字關(guān)系看，是音形義皆近，兩種偏誤原因可以全標(biāo)。

值得一提的是，數(shù)據(jù)庫(kù)還標(biāo)注了一種可能的新的偏誤原因：受原合成詞影響。有的錯(cuò)字和別字形成可能跟原合成詞語(yǔ)境有關(guān)。比如：“婚禮”寫成“*結(jié)禮”，跟“結(jié)婚”這個(gè)合成詞語(yǔ)境有關(guān)，學(xué)生可能沒有分清“結(jié)”和“婚”?！叭秉c(diǎn)”寫成“缺*”，“”的書寫可能跟“點(diǎn)心”這個(gè)詞有關(guān)，學(xué)生把兩個(gè)漢字雜糅導(dǎo)致出錯(cuò)。這種偏誤原因的具體論證參看張瑞朋（2021）。數(shù)據(jù)庫(kù)把有這種傾向的偏誤因素標(biāo)注出來(lái)，方便用戶調(diào)查研究。

可以看出，偏誤原因的形成有多方面原因，偏誤原因的標(biāo)注又和標(biāo)注者的理論認(rèn)識(shí)水平有關(guān)。這里的標(biāo)注也只提供一種可能性，供用戶參考。

2.4 標(biāo)注的科學(xué)性和漸進(jìn)性

語(yǔ)料標(biāo)注的科學(xué)性也關(guān)系到語(yǔ)言學(xué)界對(duì)某個(gè)項(xiàng)目的理解是否清楚，是否基本統(tǒng)一。如果理解很不一致，則很難標(biāo)注。具體對(duì)策是：先標(biāo)注成熟項(xiàng)目;逐步增加標(biāo)注項(xiàng)目;標(biāo)注項(xiàng)目確定后，可設(shè)計(jì)標(biāo)注規(guī)范和便于檢索的表達(dá)法，進(jìn)而制作輔助標(biāo)注的工具軟件，以提高標(biāo)注的準(zhǔn)確性和效率。也就是說(shuō)，語(yǔ)料庫(kù)的標(biāo)注應(yīng)該是漸進(jìn)的，是隨著學(xué)術(shù)的發(fā)展以及建庫(kù)者思想的深化而逐步細(xì)化、深入發(fā)展的，而不是一勞永逸，一成不變的。

比如，語(yǔ)料庫(kù)標(biāo)注項(xiàng)目的變化。原先中介語(yǔ)語(yǔ)料中有字詞語(yǔ)法偏誤標(biāo)注，后來(lái)集中力量建設(shè)漢字偏誤標(biāo)注的文本語(yǔ)料庫(kù)，再到現(xiàn)在構(gòu)建專門的中介字?jǐn)?shù)據(jù)庫(kù)。語(yǔ)料庫(kù)系統(tǒng)三個(gè)入口、三個(gè)版本，既體現(xiàn)了語(yǔ)料庫(kù)的不同目的和適用性，也體現(xiàn)了建庫(kù)者和標(biāo)注者對(duì)漢字偏誤的認(rèn)識(shí)深化。

又比如：對(duì)中介字標(biāo)注項(xiàng)目和內(nèi)容的變化。在建庫(kù)初期，當(dāng)時(shí)學(xué)界對(duì)于留學(xué)生別字和錯(cuò)字研究成果較少，為了避免分類過(guò)細(xì)導(dǎo)致誤判，我們把錯(cuò)字和別字統(tǒng)一標(biāo)為CBZ。后來(lái)隨著研究進(jìn)展，把錯(cuò)字和別字分開標(biāo)注。到今天，數(shù)據(jù)庫(kù)對(duì)錯(cuò)字和別字類別都進(jìn)行了細(xì)化，設(shè)計(jì)了詳細(xì)的標(biāo)注規(guī)范，增加了偏誤原因的標(biāo)注，吸收了最新偏誤原因成果;并且增加了似別字和不規(guī)范字的標(biāo)注。首次提出了“似別字”的概念，并對(duì)其進(jìn)行界定標(biāo)注，還對(duì)不規(guī)范字進(jìn)行細(xì)致分類并且標(biāo)注。這里包含了學(xué)術(shù)界的新成果和進(jìn)展，也體現(xiàn)了建庫(kù)者不斷深化發(fā)展的學(xué)術(shù)觀念。當(dāng)然，這些界定和標(biāo)注也會(huì)隨著將來(lái)學(xué)術(shù)水平的發(fā)展而變化。

這里需要提出的是，語(yǔ)料標(biāo)注在很大程度上是標(biāo)注者對(duì)書寫者客觀書寫材料的主觀判斷。當(dāng)書寫者的客觀書寫材料可以從多方面解釋，而又無(wú)法從書寫者本人求證時(shí)，容許幾種可能性都標(biāo)出來(lái)也是一種科學(xué)性的表現(xiàn)。比如，前文對(duì)偏誤類型和偏誤原因的多項(xiàng)標(biāo)注，提供了多種可能，也就離事實(shí)真相更近一步。

任何語(yǔ)料庫(kù)的加工和標(biāo)注都體現(xiàn)了當(dāng)時(shí)的學(xué)術(shù)理論背景、建庫(kù)者的觀念和認(rèn)識(shí)，任何人都不可能制定出超出時(shí)代和本人學(xué)養(yǎng)的所謂全面的標(biāo)注項(xiàng)目，沒有絕對(duì)全面和正確的標(biāo)注項(xiàng)目。

3. 數(shù)據(jù)庫(kù)建設(shè)框架和用戶功能

3.1 建設(shè)框架

中介字?jǐn)?shù)據(jù)庫(kù)的中介字字段內(nèi)容來(lái)自已建成的中介語(yǔ)文本庫(kù)。數(shù)據(jù)庫(kù)基本框架如下圖：

從圖1可看出，錯(cuò)字、似別字、別字、不規(guī)范字四個(gè)子庫(kù)都包括了正字信息（“正字”、“形聲字、“結(jié)構(gòu)”字段）、中介字信息（“頻次”、“類型”、“偏誤原因”字段）、中介字上下文信息（“上下文”字段）和書寫者信息（“母語(yǔ)”、“水平等級(jí)”字段）。這些信息既有利于了解中介字本身情況，又可看到中介字的上下文語(yǔ)境，同時(shí)也有利于了解書寫者情況，可供多角度研究漢字。

3.2 用戶功能

根據(jù)上述框架，在數(shù)據(jù)庫(kù)首頁(yè)相應(yīng)包括錯(cuò)字?jǐn)?shù)據(jù)庫(kù)、別字?jǐn)?shù)據(jù)庫(kù)、似別字?jǐn)?shù)據(jù)庫(kù)、不規(guī)范數(shù)據(jù)庫(kù)、語(yǔ)料庫(kù)、統(tǒng)計(jì)等幾個(gè)選項(xiàng)卡。點(diǎn)擊可進(jìn)入各個(gè)子庫(kù)。首頁(yè)如圖2所示：

可以看出，用戶不僅可以檢索數(shù)據(jù)庫(kù)，查看原文，還可以對(duì)于數(shù)據(jù)庫(kù)中的錯(cuò)誤信息“上報(bào)修改建議”，數(shù)據(jù)庫(kù)由指定專業(yè)人員審核后修改。因此，數(shù)據(jù)庫(kù)不光在應(yīng)用方面對(duì)外開放，在建設(shè)修改方面也吸納用戶建議。下面重點(diǎn)介紹檢索功能和統(tǒng)計(jì)功能。

3.2.1 檢索功能

用戶可以點(diǎn)擊進(jìn)入各個(gè)子庫(kù)中詳細(xì)檢索。比如：錯(cuò)字?jǐn)?shù)據(jù)庫(kù)檢索界面如圖3。

如圖3所示，用戶可以根據(jù)正字、偏誤原因、錯(cuò)字類型、錯(cuò)誤部件、正字結(jié)構(gòu)、造字法、筆畫數(shù)等相關(guān)信息分別檢索。在上圖“偏誤原因”“所有錯(cuò)字類型”“所有結(jié)構(gòu)”“所有造字法”下拉框中都羅列了相應(yīng)全部信息。用戶根據(jù)自己需要輸入或選擇相關(guān)信息即可獲得大量數(shù)據(jù)。比如，如果用戶想調(diào)查“部件錯(cuò)位”類錯(cuò)誤，只需選擇相關(guān)類型，便可窮盡統(tǒng)計(jì)所有部件錯(cuò)位的錯(cuò)字?jǐn)?shù)量，并可查看書寫者的信息、偏誤字所在上下文、對(duì)應(yīng)正字等信息，根據(jù)研究需要再分類分析。如果用戶想調(diào)查因“受母語(yǔ)文字影響”而出錯(cuò)的漢字，在偏誤原因中選擇后，即可檢索到全部此類偏誤漢字信息。

需要指出的是，因數(shù)據(jù)庫(kù)中的錯(cuò)字是圖片，目前不能支持圖片檢索，在以后的語(yǔ)料庫(kù)建設(shè)中我們將引進(jìn)林民等（2009）的“漢字字形處理技術(shù)及字形分析工具軟件”。使用者只要具有圖形認(rèn)知能力就可以使用該工具描畫輸入各種漢字（包括錯(cuò)字、異體字、拼合字等），并且直接輸入錯(cuò)字或錯(cuò)誤部件就可以進(jìn)行檢索，還可對(duì)某些錯(cuò)誤部件統(tǒng)計(jì)分析，并能利用計(jì)算機(jī)進(jìn)行字形比對(duì)分析。

點(diǎn)擊圖3頁(yè)面的“語(yǔ)料庫(kù)”，就會(huì)進(jìn)入“中介語(yǔ)文本庫(kù)”，并可以進(jìn)行各種字詞、短語(yǔ)、句子等語(yǔ)言成分的檢索，詳見張瑞朋（2012）。

別字字庫(kù)提供了偏誤原因、別字、正字等搜索項(xiàng)目。似別字、不規(guī)范字?jǐn)?shù)據(jù)庫(kù)也分別根據(jù)其標(biāo)注項(xiàng)目提供了相關(guān)搜索功能。檢索方法類似錯(cuò)字?jǐn)?shù)據(jù)庫(kù)，因篇幅限制，不再贅述。

3.2.2“統(tǒng)計(jì)”功能

上圖3中的“統(tǒng)計(jì)”功能匯總了各數(shù)據(jù)庫(kù)信息，可以統(tǒng)計(jì)每個(gè)漢字的錯(cuò)字、似別字、別字、不規(guī)范字各種形式的總頻次和總使用量，并自動(dòng)計(jì)算所占比例。界面如下圖：

如果點(diǎn)擊漢字后面的“分布”和“數(shù)據(jù)”，可看到四種偏誤形式在“母語(yǔ)”“性別”“水平等級(jí)”中的具體分布和數(shù)據(jù)。如：點(diǎn)擊“我”后的“看分布”，會(huì)統(tǒng)計(jì)出“我”在不同性別、母語(yǔ)、水平等級(jí)中的偏誤形式分布情況。點(diǎn)擊“看數(shù)據(jù)”，可看到“我”的詳細(xì)使用情況。這對(duì)研究每個(gè)漢字的正確使用和偏誤情況非常便利。王駿（2011）曾說(shuō)，漢字教學(xué)和研究要取得實(shí)質(zhì)突破，需要窮盡性研究每個(gè)漢字的書寫和具體使用特點(diǎn)。本數(shù)據(jù)庫(kù)的建設(shè)為該任務(wù)的完成提供了可能。

“統(tǒng)計(jì)”功能還為漢字大綱的制定和教材編寫提供了數(shù)據(jù)依據(jù)。想知道哪些漢字出錯(cuò)率高、別字頻率高，可以根據(jù)前面序號(hào)排序篩選。序號(hào)靠前，偏誤率高;序號(hào)靠后，偏誤率低。大綱制定和教材選字以此為依據(jù)，可以提高編排科學(xué)性。

4. 余論

建立一個(gè)包括各個(gè)水平等級(jí)的錯(cuò)字、似別字、別字、不規(guī)范字、正字的中介字?jǐn)?shù)據(jù)庫(kù)，既可對(duì)留學(xué)生漢字書寫狀況進(jìn)行橫斷面研究，也可對(duì)漢字書寫進(jìn)行縱向和漸進(jìn)性研究。數(shù)據(jù)庫(kù)涵蓋多種母語(yǔ)背景，可以研究不同母語(yǔ)背景學(xué)生的漢字輸出及偏誤情況，并做對(duì)比研究，為國(guó)別化漢字研究和漢字教學(xué)提供數(shù)據(jù)支持。

一切研究最終都要服務(wù)于教學(xué)才能體現(xiàn)其最終價(jià)值。數(shù)據(jù)庫(kù)的建立除了對(duì)漢字研究有重要作用，也可供教師教學(xué)時(shí)參考。比如：教師在教學(xué)前可以先查閱數(shù)據(jù)庫(kù)，哪些字出錯(cuò)頻率高，哪些部件容易寫錯(cuò)，某個(gè)國(guó)別學(xué)生容易發(fā)生哪些漢字錯(cuò)誤。在備課時(shí)做到心中有數(shù)，教學(xué)中做好預(yù)防和引導(dǎo)。在偏誤發(fā)生后，教師可以利用語(yǔ)料庫(kù)中提供的語(yǔ)料為學(xué)生編制練習(xí)，幫助學(xué)生改正錯(cuò)誤。從偏誤發(fā)生前的預(yù)防和教學(xué)引導(dǎo)到偏誤發(fā)生后的教學(xué)練習(xí)，中介字?jǐn)?shù)據(jù)庫(kù)都可以提供多樣的一手材料。

[參考文獻(xiàn)]

戴媛媛 2007 “歐美學(xué)生錯(cuò)別字?jǐn)?shù)據(jù)庫(kù)”的建立和基于數(shù)據(jù)庫(kù)的錯(cuò)字別字考察[D]. 北京語(yǔ)言大學(xué)碩士論文.

江 新 2004 拼音文字背景的外國(guó)學(xué)生漢字書寫錯(cuò)誤研究[J]. 世界漢語(yǔ)教學(xué)（1）.

郝美玲 2018 高級(jí)漢語(yǔ)水平留學(xué)生漢字認(rèn)讀影響因素研究[J]. 語(yǔ)言教學(xué)與研究（5）.

林 民，宋 柔 2009 漢字的筆段網(wǎng)格字形描述及字形比對(duì)算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)（2）.

劉連元 1996 現(xiàn)代漢語(yǔ)語(yǔ)料庫(kù)研制[J]. 語(yǔ)言文字應(yīng)用（3）.

鹿士義 2002 母語(yǔ)為拼音文字的學(xué)習(xí)者漢字正字法意識(shí)發(fā)展的研究[J]. 語(yǔ)言教學(xué)與研究（3）.

施春宏 2020 漢語(yǔ)基本知識(shí)（漢字篇）[M]. 北京：北京語(yǔ)言大學(xué)出版社.

王 駿 2011 外國(guó)人漢字習(xí)得研究述評(píng)[J]. 華文教學(xué)與研究（3）.

張寶林 2013 關(guān)于通用型漢語(yǔ)中介語(yǔ)語(yǔ)料庫(kù)標(biāo)注模式的再認(rèn)識(shí)[J]. 世界漢語(yǔ)教學(xué)（1）.

——— 2019 漢語(yǔ)中介語(yǔ)語(yǔ)料庫(kù)標(biāo)注規(guī)范研究[M]. 北京：北京大學(xué)出版社.

張瑞朋 2012 留學(xué)生漢語(yǔ)中介語(yǔ)語(yǔ)料庫(kù)建設(shè)若干問(wèn)題的比較研究[J]. 語(yǔ)言文字應(yīng)用（2）.

——— 2015 上下文語(yǔ)境對(duì)留學(xué)生漢字書寫偏誤的影響因素分析[J].語(yǔ)言教學(xué)與研究（5）.

——— 2021 英美高級(jí)學(xué)生別字書寫研究及理論特點(diǎn)蘊(yùn)含[J].語(yǔ)言教學(xué)與研究（5）.

On the construction of an interlanguage database of Chinese characters of

international students： The case of Chinese character database of

international students of Sun Yat-sen University

ZHANG Ruipeng

（Chinese Department， Sun Yat-sen University， Guangzhou， Guangdong 510275， China）

Key words： interlanguage character database; construction; corpus attribute; tagging; function

Abstract： At present， there are relatively few researches on constructing an interlanguage database of Chinese characters of international students. Taking as an example of the whole-process interlanguage database of Chinese characters of international students in Sun Yat-sen University， this paper discusses some problems in the process of the construction of the database： the realness and naturalness of corpus? which is the basic property， the continuity and wholeness of corpus which is beneficial to longitudinal and progressive research， and the tagging content of intermediate characters which should include the tagging of wrong characters， similar characters， different characters and non-standard characters. The tagging methods and norms of error types and error causes are discussed in detail. At the same time， it is emphasized that the tagging should follow the scientific and progressive nature. The paper also introduces the function and the value of database and puts forward some useful methods and suggestions in the process of database construction.

【責(zé)任編輯 劉文輝】

[收稿日期] 2021-03-17

[作者簡(jiǎn)介] 張瑞朋，女，中山大學(xué)中文系副教授，主要從事語(yǔ)言學(xué)及應(yīng)用語(yǔ)言學(xué)研究。電子郵箱：36278393 @qq.com。

[基金項(xiàng)目]國(guó)家社科基金項(xiàng)目“留學(xué)生全程性中介字字庫(kù)建設(shè)及漢字習(xí)得研究”（16BYY106）