劉運(yùn)同 同濟(jì)大學(xué)國際文化交流學(xué)院

提 要 在漢語口語中介語語料庫建設(shè)中，口語語料的收集和加工（特別是轉(zhuǎn)寫）是一項(xiàng)重要的挑戰(zhàn)。本文對口語轉(zhuǎn)寫的幾個(gè)關(guān)鍵問題進(jìn)行了討論，并提供了可行的建議。這些問題包括：①轉(zhuǎn)寫的基本單位，②轉(zhuǎn)寫的主要內(nèi)容，③標(biāo)點(diǎn)符號的使用，④基本的轉(zhuǎn)寫策略。

一、引言

無論從世界范圍還是從中國范圍來看，口語語料的建設(shè)都落后于書面語語料庫的建設(shè)。這是因?yàn)橄鄬τ跁嬲Z語料來說，口語語料在收集和加工方面都存在更大的挑戰(zhàn)?？谡Z使用語音媒介作為交流手段，因此要對口語語料進(jìn)行收集和加工，跟書面語相比就多了一道程序，即首先采用一種合適的方法來記錄和保存口頭交流內(nèi)容。用書面形式來記錄和保存口語語料是一種無奈的選擇，對語言研究來說也是一種新的挑戰(zhàn)（傳統(tǒng)的語言研究由于傾向于使用書面語作為研究材料，總體來說此問題未顯現(xiàn)）。

語料庫是按照特定目標(biāo)收集的語言數(shù)據(jù)。目前，語料庫的規(guī)模越來越大，對語料庫數(shù)據(jù)準(zhǔn)確性的要求也越來越高。這個(gè)要求對中介語語料庫建設(shè)提出了新的挑戰(zhàn)，對口語中介語語料庫建設(shè)尤其如此。因?yàn)榭谡Z中介語語料庫多了轉(zhuǎn)寫的程序，轉(zhuǎn)寫的質(zhì)量在很大程度上決定了中介語語料的質(zhì)量，決定了語料庫的質(zhì)量。Weisser（2018）通過重新轉(zhuǎn)寫，發(fā)現(xiàn)BNC（British National Corpus）的語料轉(zhuǎn)寫存在一些錯(cuò)誤。如一些轉(zhuǎn)寫者由于粗心，把 “you’re off the hook”轉(zhuǎn)寫成了“your off the hook”。如果依個(gè)例為代表進(jìn)行推算，Weisser估計(jì)BNC的錯(cuò)誤率將高達(dá)8.5%。并且這個(gè)轉(zhuǎn)寫錯(cuò)誤還將導(dǎo)致其他的問題，如詞頻統(tǒng)計(jì)問題，語法分析問題（“your off the hook”成了一種錯(cuò)誤的表達(dá)，或可能被標(biāo)注為與上下文無關(guān)的碎片，即fragment）。

本文將主要討論漢語口語中介語語料轉(zhuǎn)寫中的一些重要問題，包括：①轉(zhuǎn)寫的基本單位，②轉(zhuǎn)寫的主要內(nèi)容，③標(biāo)點(diǎn)符號的使用，④基本的轉(zhuǎn)寫策略。

二、轉(zhuǎn)寫的基本單位

語料的整理加工涉及語言分析的基本單位問題。對于書面語來說，語言描寫和分析的基本單位就是句子。對于語料庫語言學(xué)來說，甚至可以采用更具操作性的方法來解決句子的問題，那就是根據(jù)句號（或問號、感嘆號）作為判斷句子的標(biāo)準(zhǔn)（宋柔等，2017）。但是對于口語語料來說，情形有很大的不同?？谡Z就其固有媒介來說，并不存在標(biāo)點(diǎn)符號之類的輔助成分。不過研究者發(fā)現(xiàn)，口語表達(dá)也是可以分隔成較小的片段的。在處理口語語料時(shí)研究者面臨的一個(gè)重要問題就是：對于口語來說，如何進(jìn)行描寫和分析？它的基本單位是什么？是跟書面語一樣的句子還是其他的單位？

Foster等（2000）回顧了87項(xiàng)涉及口語的研究，發(fā)現(xiàn)過往的研究者對口語的基本切分單位提出了眾多的方案，包括：命題（Proposition）、交流單位（C-unit）、表達(dá)單位（Idea Unit）；音調(diào)單位（Tone Unit）、語調(diào)單位（Intonation Unit）、小句（Utterance）；句子（Sentence）、可終結(jié)單位（T-unit）；等等。之所以出現(xiàn)這么多的定義，是因?yàn)檠芯空邔谡Z中基本單位的認(rèn)知不同，采用的標(biāo)準(zhǔn)不同，如語義的、語法的、韻律的。有時(shí)甚至同時(shí)混用不同的標(biāo)準(zhǔn)，如語義標(biāo)準(zhǔn)無法解決問題時(shí)轉(zhuǎn)向語法標(biāo)準(zhǔn)。雖然研究者提出的各種定義有其本身的合理性，但眾多的定義顯然造成了一個(gè)無法克服的后果，就是人們無法對采用不同定義的研究結(jié)果進(jìn)行比較。

目前，越來越多的研究者認(rèn)為，在對口語進(jìn)行切分時(shí)，最好先單獨(dú)利用韻律標(biāo)準(zhǔn)，找出口語表達(dá)的基本單位，然后再對韻律單位與語法、語義、功能的關(guān)系進(jìn)行研究。研究者把利用韻律因素劃分出來的口語基本單位稱為語調(diào)單位（Intonation Unit），語調(diào)單位從本質(zhì)上講是一個(gè)聽覺單位。根據(jù)美國功能語言學(xué)派的觀點(diǎn)，原型性的語調(diào)單位具有一個(gè)連貫的語調(diào)拱形，并具有一些明顯的分界特征，如開頭部分的加速，結(jié)尾音節(jié)的延長，以及停頓等（Barth-Weingarten，2016）。

有些研究者懷疑語調(diào)單位具有范疇性特點(diǎn)，在處理真實(shí)的口語語料面臨模糊的臨界現(xiàn)象時(shí)便無能為力（Barth-Weingarten，2016）。但多數(shù)研究者認(rèn)為，語調(diào)單位已成為一個(gè)公認(rèn)的口語語篇分析單位，對口語研究非常重要，并具有很多優(yōu)勢，比如可進(jìn)行跨語言比較等（Tao，1996）。對語調(diào)單位的探索也影響到語料庫（特別是包括口語語料的語料庫）的建設(shè)和標(biāo)注，例如20世紀(jì)80年代前完成的London-Lund Corpus對其中的口語語料進(jìn)行了韻律標(biāo)注，在每一個(gè)音調(diào)單位（Tone Unit，英國學(xué)派的術(shù)語，與Intonation Unit同義）后面插入一個(gè)黑色實(shí)心方塊來進(jìn)行標(biāo)注，見例（1）。雖然口語的基本分析單位與書面語不同，但是一些研究發(fā)現(xiàn)，由小句來實(shí)現(xiàn)的語調(diào)單位在整個(gè)口語表達(dá)中還是占有相當(dāng)高的比例。Tao（1996）的數(shù)據(jù)顯示，漢語口語語篇中，小句形式的語調(diào)單位占比達(dá)47.9%（完整小句占19%）。Matsumoto（2003）的數(shù)據(jù)顯示，日語口語語篇中，小句形式的語調(diào)單位占比68%（完整小句占19%）。從書面語和口語對比的角度看，如果語料庫中的語料標(biāo)注了語調(diào)單位，研究者便可以利用大規(guī)模的數(shù)據(jù)來對比書面語的句子和口語的語調(diào)單位的共同點(diǎn)和不同點(diǎn)，來深入挖掘口語表達(dá)的特點(diǎn)。如果語料庫未區(qū)分書面語和口語分析單位的不同，二者的對比研究便無法深入進(jìn)行下去。因此我們認(rèn)為，在對口語語料進(jìn)行標(biāo)注時(shí)優(yōu)先確定口語轉(zhuǎn)寫的基本單位是十分重要的。雖然對語調(diào)單位的性質(zhì)和判定方法還存在少許爭議，但在目前情況下把它作為口語轉(zhuǎn)寫和分析的基本單位是一種值得嘗試的選擇。目前，大多數(shù)語料庫在處理口語語料時(shí)采用了與書面語相同的方法，這固然帶來一定的便利，但卻也忽視了口語語料的特點(diǎn)，不利于對口語特征的描寫，也不利于對口語與書面語的差異進(jìn)行研究。

三、轉(zhuǎn)寫的主要內(nèi)容

在對口語中介語語料進(jìn)行轉(zhuǎn)寫時(shí)，需要盡可能地保留口語交際的特征。根據(jù)前人的研究，我們認(rèn)為，有三類口語特征在轉(zhuǎn)寫時(shí)需要特別關(guān)注。

第一類是關(guān)于口語本身的一些特征，如停頓、語調(diào)、重音等。第一類特征的選取可以借鑒現(xiàn)有的口語轉(zhuǎn)寫系統(tǒng)，如會話分析（Conversation Analysis）所采用的轉(zhuǎn)寫系統(tǒng)。這一轉(zhuǎn)寫系統(tǒng)是會話分析學(xué)派的共同語言，還深深影響到其他研究口語交流現(xiàn)象的研究者及其設(shè)計(jì)的轉(zhuǎn)寫系統(tǒng)。會話分析的轉(zhuǎn)寫系統(tǒng)關(guān)注的是會話活動中的一些重要因素，如話輪之間的順序等。Hutchby和Wooffitt（1998）認(rèn)為會話分析學(xué)者所關(guān)注的內(nèi)容可以歸納為兩類：一是有關(guān)話輪轉(zhuǎn)換的因素，如話輪的開端、結(jié)束，話輪交替；二是話語產(chǎn)出時(shí)的特點(diǎn)，如重音、語調(diào)、清晰或含糊等。

第二類口語特征是正常的非流利特征，指口語表達(dá)中的各種修改和補(bǔ)救努力。例（2）是一位官員在回答記者提問時(shí)的話語，每次產(chǎn)出的話語都很短（臨時(shí)用#來代表產(chǎn)出單位的界限，即語調(diào)單位之間的分界），充滿了“呃、啊”等填充詞和停頓。但這其實(shí)正是口語表達(dá)的常態(tài)，而不應(yīng)該把它看作是書面語的退化形式。研究口語的學(xué)者把人們進(jìn)行口語補(bǔ)救的努力當(dāng)作是進(jìn)行交流的重要資源，而不是需要排除的消極因素。對于一種語言來說，口語修補(bǔ)還擴(kuò)展了語法的可能性。謝格羅夫（Schegloff，1979）認(rèn)為，會話補(bǔ)救在一定程度上具有超語法的能力（like a super-syntax）。例（3）選自曹禺著名的話劇《雷雨》（姑且當(dāng)作是口語的模仿），魯侍萍發(fā)現(xiàn)周家的大兒子周萍（其實(shí)也是她與周樸園的兒子）動手打了自己和魯貴的兒子魯大海，十分生氣，想上前制止。當(dāng)她走到周萍跟前，說出“你是萍”之后，卻突然停了下來，因?yàn)樗庾R到在當(dāng)前的語境下，讓周萍認(rèn)她這個(gè)媽媽是十分困難的事。但她并沒有放棄已經(jīng)發(fā)出的話語，而是改為“憑、憑什么打我的兒子”，利用同音詞的關(guān)聯(lián)，十分巧妙地轉(zhuǎn)移了話題。同樣地，當(dāng)周萍詢問魯侍萍是誰時(shí)，她本能的反應(yīng)是說“我是你的媽媽”，但當(dāng)話語進(jìn)行到“你的”之后（如果說出“媽媽”一詞，整個(gè)句子也就結(jié)束，因而無法更改），也是突然停止，改成了“你打的這個(gè)人的媽”。從這個(gè)例子可以看出，人們在口語中充分利用了各種手段（包括打斷原來的話語，改變原來的話語），來達(dá)成交際的目的。對口語的研究應(yīng)該對交際者的這種語言能力進(jìn)行描述和說明，而不僅僅貶斥為錯(cuò)誤啟動或不成熟的嘗試（false start）。

在對口語中介語語料進(jìn)行轉(zhuǎn)寫時(shí)，對各種會話修補(bǔ)現(xiàn)象首先要進(jìn)行準(zhǔn)確的轉(zhuǎn)寫記錄，然后可以根據(jù)大類的不同進(jìn)行細(xì)分。在嘗試建立一個(gè)小型漢語學(xué)術(shù)口語語料庫時(shí)，我們對口語中的正常非流利現(xiàn)象進(jìn)行了大類及小類標(biāo)注。例（4）中，“df”表示一種標(biāo)注的大類：口語中的不流暢，“type=‘repeat’”中的‘repeat’表示“口語中的不流暢”這一上層類別中的子類別“重復(fù)”。正如例句所示，標(biāo)注時(shí)將需要標(biāo)注的文本放置于兩個(gè)中括號中間，“”就表示該標(biāo)注的完成，“/”是結(jié)束的主要標(biāo)記，在分析時(shí)用于提取和定位標(biāo)注內(nèi)容（韓毅、劉運(yùn)同，2020）。

（2）#那么今年#教育部啊就是國家#這個(gè)用這個(gè)每年兩個(gè)億的資金#建立了免費(fèi)提供教科書的#這樣一個(gè)制度的試點(diǎn)#

（3）魯侍萍：（大哭起來）哦，這真是一群強(qiáng)盜！

（走至周萍面前，抽咽）你是萍……憑——憑什么打我的兒子？

周萍：你是誰？

魯侍萍：我是你的——你打的這個(gè)人的媽。

（曹禺《雷雨》）

（4）連不起來有點(diǎn)雜糅 [P]

第三類口語特征是學(xué)習(xí)者的中介語特征，如影響說話人語言表達(dá)的語音特征，不同于母語者的停頓，外語學(xué)習(xí)者特有的語碼轉(zhuǎn)換等。對第三類內(nèi)容的選擇和確定必須建立在中介語學(xué)習(xí)理論和相應(yīng)的研究基礎(chǔ)之上，才能捕捉到學(xué)習(xí)者中介語的一些特殊表現(xiàn)，并在語料轉(zhuǎn)寫中給予充分的重視和系統(tǒng)的標(biāo)注。例如，初級階段漢語二語學(xué)習(xí)者由于漢語知識的缺乏，掌握不好漢語句子的節(jié)奏，使用一種幾乎平均分割的方式來讀或者說漢語句子，把“她-愛上-漢語-了”說成“她-愛-上-漢-語-了”。

四、標(biāo)點(diǎn)符號的使用

為了忠實(shí)記錄各種口語特征，轉(zhuǎn)寫時(shí)免不了利用一些符號。在設(shè)計(jì)各種符號時(shí)，除了表意的明確性，其實(shí)還有其他一些實(shí)際的因素需要考慮，如在計(jì)算機(jī)上實(shí)現(xiàn)的便利等。有時(shí)，一些轉(zhuǎn)寫系統(tǒng)由于某種原因利用了書面語常用的一些標(biāo)點(diǎn)符號。書面語的標(biāo)點(diǎn)符號是為了輔助閱讀而設(shè)計(jì)的，而一些轉(zhuǎn)寫系統(tǒng)在借用這些標(biāo)點(diǎn)符號時(shí)表達(dá)的意義是不同的。轉(zhuǎn)寫者在進(jìn)行口語中介語語料庫轉(zhuǎn)寫時(shí)或使用其他研究者的語料時(shí)，對標(biāo)點(diǎn)符號表示的意義一定要特別注意。

以書面語常用的逗號和句號為例，它們在不同的轉(zhuǎn)寫系統(tǒng)中表達(dá)的意義是截然不同的。對會話分析的轉(zhuǎn)寫系統(tǒng)來說，來自書面語的幾種標(biāo)點(diǎn)符號是用來表示話輪或者話輪構(gòu)成單位的音高形狀的。Hepburn和Bolden（2017）特別說明：“為了表示發(fā)話人結(jié)束話輪的不同方式，我們通常使用標(biāo)點(diǎn)符號，如逗號、句號、問號。這些標(biāo)點(diǎn)符號并不是像在書面語里那樣用來標(biāo)示語法特性的，而是用來標(biāo)示話輪的結(jié)尾部分的音高輪廓的。這些標(biāo)點(diǎn)符號當(dāng)然也可以出現(xiàn)在一個(gè)復(fù)雜話輪中間，用來標(biāo)示話輪構(gòu)成單位之間的界限。”具體而言，逗號標(biāo)示略微上升的語調(diào)，句號表示下降語調(diào)。（順便說一下，在會話分析的轉(zhuǎn)寫系統(tǒng)中，問號標(biāo)示的是一種比較強(qiáng)烈的上升語調(diào)，不一定同疑問的語法形式對應(yīng)。）

同樣，在應(yīng)用廣泛的美國功能語言學(xué)派的轉(zhuǎn)寫系統(tǒng)（指Du Bois等設(shè)計(jì)的轉(zhuǎn)寫系統(tǒng)）中，也采用了書面語常用的標(biāo)點(diǎn)符號。設(shè)計(jì)者（Du Bois等，1993）非常明確地指出：“在我們的話語轉(zhuǎn)寫系統(tǒng)中，標(biāo)點(diǎn)符號如逗號、句號、問號一直是用來標(biāo)示語調(diào)的類型的，從來不是用來標(biāo)示語法或語義結(jié)構(gòu)本身的?！蓖瑫r(shí)，功能語言學(xué)的研究者又從語篇功能的角度來對語調(diào)類型進(jìn)行分類，把語調(diào)大致分為終結(jié)（final）、延續(xù)（continuing）、吁求（appeal）語調(diào)，分別由句號、逗號、問號來表示。設(shè)計(jì)者特別提醒使用者：“盡管使用書面語中的標(biāo)點(diǎn)符號可以方便記憶，但同時(shí)也帶來一定的風(fēng)險(xiǎn)，轉(zhuǎn)寫者一定要避免用書面語的使用習(xí)慣來理解這些符號?！?/p>

基于上述討論，我們認(rèn)為，轉(zhuǎn)寫符號需要表意明確。為了避免書面語的影響，在進(jìn)行口語轉(zhuǎn)寫和標(biāo)注時(shí)最好不要使用書面語中常用的符號。如果為了便利而采用了書面語中的一些符號，就要在語料庫的描述和相關(guān)文件（包括使用該語料庫語料進(jìn)行研究的文獻(xiàn)）中明確說明這些符號的定義，從而避免造成不必要的誤解。

五、基本的轉(zhuǎn)寫策略

由于口語語料轉(zhuǎn)寫費(fèi)時(shí)費(fèi)力，在具體操作時(shí)可以借鑒一些語料庫轉(zhuǎn)寫系統(tǒng)的層級性設(shè)計(jì)，對轉(zhuǎn)寫語料進(jìn)行不同“精細(xì)度”的轉(zhuǎn)寫。如德語學(xué)者設(shè) 計(jì) 的“HIAT”（Heuristic Interpretative Auditory Transcription）轉(zhuǎn)寫系統(tǒng)分為兩種，一種是基本版本，另一種是擴(kuò)展版本。擴(kuò)展版本中補(bǔ)充了音調(diào)和非語言符號，以及更細(xì)致的音調(diào)變化符號。Du Bois等（1993）的轉(zhuǎn)寫系統(tǒng)區(qū)分寬式、中級、嚴(yán)式三種轉(zhuǎn)寫等級。寬式轉(zhuǎn)寫包括基本的內(nèi)容，中級轉(zhuǎn)寫更進(jìn)一步，嚴(yán)式轉(zhuǎn)寫包括的內(nèi)容最多。寬式轉(zhuǎn)寫包含的信息主要是：交談?wù)?、話輪和語調(diào)單位、話語重疊、停頓、笑聲。中級轉(zhuǎn)寫增加了模糊音、轉(zhuǎn)寫人的評論、重音詞和音節(jié)的長短、停頓的時(shí)長、語調(diào)方向。嚴(yán)式轉(zhuǎn)寫在二者的基礎(chǔ)上再增加話語的緊密連接、特殊音如吸氣和長出氣、特殊的音質(zhì)如快慢高低等（劉運(yùn)同，2016）。Barth-Weingarten（2016）在提出自己對語調(diào)單位的研究思路時(shí)也提議，可以對口語進(jìn)行三種顆粒度不同的轉(zhuǎn)寫：最少轉(zhuǎn)寫、基本轉(zhuǎn)寫、精細(xì)轉(zhuǎn)寫。在最少轉(zhuǎn)寫層面，轉(zhuǎn)寫者只需要區(qū)分出三種不同的休止（cesura）即可。在討論口語轉(zhuǎn)寫的著作中，Jenks（2011）把口語交流的轉(zhuǎn)寫信息分為5種類型，見表1。

表1 口語交流轉(zhuǎn)寫信息的5種類型

（續(xù)表）

對口語研究和中介語語料庫建設(shè)而言，只轉(zhuǎn)寫第一類型和第二類型的特征顯然是不夠的。但一個(gè)轉(zhuǎn)寫系統(tǒng)到底需要包括哪些信息，其實(shí)是要根據(jù)研究目的或語料庫建設(shè)的目的來考慮的。中國的語料庫建設(shè)與研究者在這方面也進(jìn)行了寶貴的探索，提出了一些行之有效的建設(shè)策略。張寶林和崔希亮（2013，2022）提出全球語料庫“搭積木式”的動態(tài)建設(shè)策略，提議采用多次標(biāo)注/多版標(biāo)注，每次只對一個(gè)層面的內(nèi)容進(jìn)行標(biāo)注。上述兩篇論文中提到的標(biāo)注策略主要是針對后期的標(biāo)注信息提出的，我們提出的轉(zhuǎn)寫策略是針對把口語語料變成文本這一階段，二者的對象不完全相同。我們建議，在對口語語料進(jìn)行轉(zhuǎn)寫時(shí)可以先確立不同類型的轉(zhuǎn)寫信息，每個(gè)版本只標(biāo)注相應(yīng)的信息。然后根據(jù)需要，從簡單到復(fù)雜，逐漸完善口語語料或多模態(tài)語料的各種信息。在處理口語語料時(shí)，分層或分級轉(zhuǎn)寫可以使口語中介語語料轉(zhuǎn)寫更具操作性。這一轉(zhuǎn)寫策略可以納入張寶林和崔希亮（2013，2022）提出的“搭積木式”語料庫建設(shè)策略。

六、結(jié)語

建設(shè)高質(zhì)量、具有通用性的漢語中介語語料庫，其中的一個(gè)重要的問題就是要做到書面語語料和口語語料的平衡?？谡Z語料的收集和標(biāo)注與書面語語料相比有顯著的區(qū)別，其中，口語語料轉(zhuǎn)寫是十分關(guān)鍵的步驟。學(xué)術(shù)界對口語以及口語中介語的研究相對還處于探索階段，無法為口語中介語的轉(zhuǎn)寫及口語語料庫建設(shè)提供堅(jiān)實(shí)的基礎(chǔ)，這在一定程度上制約了口語語料庫建設(shè)的發(fā)展以及口語中介語研究的深入。本文針對中介語口語轉(zhuǎn)寫的幾個(gè)重要問題，根據(jù)已有的研究和實(shí)踐，提出了一些建議，例如如何確立口語轉(zhuǎn)寫的基本單位，應(yīng)優(yōu)先轉(zhuǎn)寫哪些韻律要素，轉(zhuǎn)寫符號的選擇等，希望對中介語語料庫建設(shè)中口語語料轉(zhuǎn)寫及轉(zhuǎn)寫標(biāo)準(zhǔn)研究有所助益。