上海中學(xué) 劉飛鳳

復(fù)旦大學(xué) 鄭詠滟

1.引言

近年來,隨著計量語言學(xué)研究和大規(guī)模學(xué)習(xí)者語料庫的發(fā)展,以數(shù)據(jù)驅(qū)動為顯著特征的計量手段日益受到研究者們的重視(劉海濤,2017;鄭詠滟、劉飛鳳,2020)?，F(xiàn)有文獻表明基于語料庫的、數(shù)據(jù)驅(qū)動的研究方法在語言研究和教學(xué)中方興未艾(Bi &Jiang,2020;Boulton &Cobb,2017;Chen,Chen,&Liu,2018;Chen &Xu,2019;Godwin-Jones,2017;Jiang,Bi,&Haitao,2019;Jiang,Yu,&Liu,2019)。計量手段廣泛應(yīng)用于跨領(lǐng)域研究,計量轉(zhuǎn)向正成為應(yīng)用語言學(xué)領(lǐng)域的一個重要趨勢(Lei &Liu,2019)。計量語言學(xué)主張語言是復(fù)雜動態(tài)的自適應(yīng)系統(tǒng),這一點與近年來應(yīng)用語言學(xué)界日益發(fā)展的復(fù)雜動態(tài)系統(tǒng)理論具有共通之處,二者皆認為人類語言系統(tǒng)具有復(fù)雜、動態(tài)、非線性變化等特征(Chen &Xu,2019;Larsen-Freeman &Cameron,2008)。

已有學(xué)者將計量手段納入二語習(xí)得研究以期從語言類型學(xué)視角探究中介語的發(fā)展特征。結(jié)果顯示,依存距離和依存方向能夠用來探究不同階段中介語的產(chǎn)出特征和發(fā)展規(guī)律(Jiang,Ouyang,&Liu,2019;Ouyang &Jiang,2018);學(xué)習(xí)者的二語句法網(wǎng)絡(luò)起初就顯示出無標(biāo)度(scale-free)和小世界網(wǎng)絡(luò)屬性(small-world network properties),且二語句法系統(tǒng)不是突然涌現(xiàn)的,而是逐漸接近目的語(Jiang,Yu,et al.,2019);中介語可以被視作具有自組織性和自適應(yīng)性的復(fù)雜動態(tài)系統(tǒng)(Chen &Xu,2019);不同階段學(xué)習(xí)者的書面表達的詞匯頻率分布均符合齊普夫定律(蔣景陽、劉舜佳,2018)。鑒于傳統(tǒng)二語習(xí)得實證分析方法并未能揭示上述的中介語產(chǎn)出的特征,計量手段應(yīng)用于二語習(xí)得研是可行的。

相較于傳統(tǒng)的二語習(xí)得領(lǐng)域的常用詞匯指標(biāo)(下文稱“傳統(tǒng)指標(biāo)”),尤其是參照外部語料庫的詞匯指標(biāo)(如詞匯頻率概覽),計量文本詞匯指標(biāo)(下文稱“計量指標(biāo)”)基于文本內(nèi)部詞匯分布特征,進行多維度的數(shù)理計算和細致分析,具有穩(wěn)定性,有益于揭示語言產(chǎn)出的獨特性和普遍性(劉海濤,2017;Chen &Xu,2019)。然而,現(xiàn)有計量手段應(yīng)用于二語習(xí)得領(lǐng)域的研究并未將傳統(tǒng)指標(biāo)與計量指標(biāo)進行對比,計量方法在二語研究中的應(yīng)用有待進一步驗證和完善。此外,已有相關(guān)研究多集中于探究不同發(fā)展階段的學(xué)習(xí)者歷時語言產(chǎn)出特征,并未足夠關(guān)注微觀任務(wù)環(huán)境下學(xué)習(xí)者語言表現(xiàn)的計量特征變化,這說明計量方法在二語研究中的適用潛力有待開發(fā)。

本研究采用將計量指標(biāo)與傳統(tǒng)指標(biāo)對照的方法,對現(xiàn)有的學(xué)習(xí)者口語語料庫(文秋芳,梁茂成,晏小琴,2008)進行重新分析,旨在通過考察文本分析指標(biāo)呈現(xiàn)出的學(xué)習(xí)者口語表現(xiàn)的任務(wù)復(fù)雜度效應(yīng),對比兩類詞匯復(fù)雜性指標(biāo),探究計量指標(biāo)與傳統(tǒng)指標(biāo)之間的差異,拓展計量手段在二語研究中的應(yīng)用,以此進一步推動數(shù)據(jù)驅(qū)動的語言學(xué)研究與二語習(xí)得核心問題研究的有機結(jié)合。

2.任務(wù)復(fù)雜度對學(xué)習(xí)者語言復(fù)雜度的影響

任務(wù)類型作為影響語言表現(xiàn)的重要因素,受到廣泛關(guān)注和研究,是二語習(xí)得領(lǐng)域的熱門話題(陶娜、王穎,2019)。現(xiàn)有關(guān)于任務(wù)類型影響語言產(chǎn)出的研究,突出體現(xiàn)在任務(wù)復(fù)雜度對學(xué)習(xí)者語言復(fù)雜度的影響(Robinson,2001)。任務(wù)復(fù)雜度指的是任務(wù)內(nèi)在認知需求方面(如記憶力資源、注意力、信息加工等)對學(xué)習(xí)者認知資源運用的影響(Robinson,1995)。Robinson (2001,2011)提出的適用于口語獨白任務(wù)的任務(wù)分類框架(Triadic Componential Framework),將任務(wù)復(fù)雜度區(qū)分為資源指向型(resource-directing)(包括是否此地此時、是否多個因素、是否立場選定、是否因果推理等)和資源分散型(resource-dispersing)(包括是否計劃、是否單項任務(wù)、是否任務(wù)結(jié)構(gòu)、是否先驗知識等)兩個維度。依據(jù)“認知假說”(Cognition Hypothesis),即學(xué)習(xí)者能調(diào)動多維度的認知資源處理較復(fù)雜的任務(wù),Robinson認為任務(wù)復(fù)雜度越高,學(xué)習(xí)者的語言復(fù)雜度和準(zhǔn)確度也越高。

現(xiàn)有采用Robinson提出的任務(wù)復(fù)雜度變量對學(xué)習(xí)者語言產(chǎn)出效應(yīng)的研究,多采用單因素變量導(dǎo)致研究內(nèi)容受到局限,且衡量指標(biāo)缺乏一致性(陶娜、王穎,2019),尤其是對詞匯復(fù)雜度的多維度研究不夠。如Robinson (1995),Michel (2011),Kuiken &Vedder (2011)采用“此地此時“(+/- Here-and-Now),Ishikawa (2008)采用“有意推理“(+/- intentional reasoning)控制任務(wù)復(fù)雜度,他們均采用一個詞匯復(fù)雜度變量,如Guiraud相關(guān)指標(biāo)、詞匯負荷指標(biāo)(Measures of lexical load)或型符比衍生指標(biāo)(alternative type-token ratio)進行衡量,研究結(jié)果并不一致。Robinson (1995),Ishikawa (2008),Michel (2011)均發(fā)現(xiàn)較復(fù)雜的任務(wù)中學(xué)習(xí)者口語詞匯復(fù)雜度更高,驗證了認知假說,而Kuiken &Vedder (2011)發(fā)現(xiàn)任務(wù)復(fù)雜度對詞匯多樣性指標(biāo)并無顯著影響。為數(shù)不多的采用雙任務(wù)變量的研究也呈現(xiàn)出不一致的結(jié)果,如Gilabert (2007)采用“此地此時”和“準(zhǔn)備時間”(planning time)兩個變量,運用Guiraud Index探究口語詞匯的變化,發(fā)現(xiàn)高任務(wù)復(fù)雜度下詞匯復(fù)雜性降低,否定了認知假說的預(yù)測;Santos (2018)采用是否多個因素(+/- few elements)和準(zhǔn)備時間兩個變量,使用Guiraud Index和VOCD兩個詞匯復(fù)雜性指標(biāo)進行測量,發(fā)現(xiàn)只有Guiraud Index在較復(fù)雜任務(wù)下達到顯著性增長。

類似以上學(xué)習(xí)者語言產(chǎn)出的任務(wù)復(fù)雜度效應(yīng)研究多遵循傳統(tǒng)實驗范式,數(shù)據(jù)規(guī)模有限,采用的分析指標(biāo)缺乏一致性,對詞匯復(fù)雜度的多維度性探究也不充分,研究結(jié)果較為繁雜。近年來,隨著學(xué)習(xí)者語料庫研究(Learner Corpus Research)和計量手段的結(jié)合,基于任務(wù)的二語習(xí)得研究或能從數(shù)據(jù)驅(qū)動的計量研究中獲得創(chuàng)新,以便更深入地探究學(xué)習(xí)者語言產(chǎn)出的任務(wù)復(fù)雜度效應(yīng)。本研究循此思路,基于大規(guī)模學(xué)習(xí)者口語語料庫,通過對比傳統(tǒng)指標(biāo)和計量指標(biāo)衡量的學(xué)習(xí)者口語表現(xiàn)的任務(wù)復(fù)雜度效應(yīng),旨在考察任務(wù)復(fù)雜度效應(yīng)是否能從數(shù)據(jù)驅(qū)動的研究范式中得到啟示。

3.研究設(shè)計

基于文獻回顧,本研究采用傳統(tǒng)指標(biāo)(Laufer &Nation,1995;Read,2000)與計量指標(biāo)(劉海濤,2017)考察任務(wù)復(fù)雜度效應(yīng),觀察兩類指標(biāo)衡量語言產(chǎn)出特征的具體差異,探討計量方法在二語研究中的應(yīng)用前景。研究問題如下：

1) 口語獨白任務(wù)中隨著任務(wù)復(fù)雜度提高,傳統(tǒng)指標(biāo)是否產(chǎn)生變化?具體有何變化?

2) 口語獨白任務(wù)中隨著任務(wù)復(fù)雜度提高,計量指標(biāo)是否產(chǎn)生變化?具體變化如何?

3) 傳統(tǒng)指標(biāo)與計量指標(biāo)所衡量的任務(wù)復(fù)雜度效應(yīng)是否有差異,具體有何差異?

3.1 語料文本

本研究采用文秋芳等(2008)編著的《中國學(xué)生英語口筆語語料庫》(2.0版)的八級口語語料庫,基于2003—2007年間全國英語專業(yè)八級(專八)口試。由于專八口試的對象是高校英語專業(yè)四年級學(xué)生,他們可被視作中高級水平學(xué)習(xí)者。在專八口試中,每位考生需完成三項任務(wù),前兩項任務(wù)為口譯任務(wù)。第三項任務(wù)是給出一個話題,提供相關(guān)的背景材料,考生有一定的準(zhǔn)備時間,然后在相應(yīng)的時間限制內(nèi)就指定話題表達觀點。這是典型的口語獨白任務(wù),符合任務(wù)類型分類框架中的任務(wù)類別(Robinson,2011)。考慮到任務(wù)復(fù)雜度的判定、任務(wù)條件的一致性和語料數(shù)據(jù)的均衡性,本研究選取2004、2005、2006三年的第三項口語獨白任務(wù),三年的文本數(shù)據(jù)量大致相當(dāng),符合統(tǒng)計要求,并能對照任務(wù)分類框架中的相關(guān)變量,見表1：

表1.三年專八口試任務(wù)話題

3.2 任務(wù)復(fù)雜度

任務(wù)復(fù)雜度的設(shè)定并非該語料庫初始建設(shè)目的,因此我們無法采用傳統(tǒng)實驗范式直接控制任務(wù)復(fù)雜度變量,但仍可參考Robinson的任務(wù)復(fù)雜度分類框架(Robinson,2011)中對“資源指引型”維度的分類,判定以上三個口語任務(wù)內(nèi)在的認知復(fù)雜度。同時,考慮到以往研究多使用單一變量,我們選取與評論這一任務(wù)類型密切相關(guān)的兩個變量：因果推理,即是否只需要傳達信息(-)還是需要建立事件的因果關(guān)聯(lián)并給出理由(+);立場選定,即是否僅需要表達本人對某一事件的態(tài)度(-),還是需要納入多方立場進行闡釋(+)。兩位作者均受過嚴格的應(yīng)用語言學(xué)訓(xùn)練,各自依據(jù)定義對三個口語任務(wù)單獨進行判定,事后達成一致。三個任務(wù)按照任務(wù)復(fù)雜度呈現(xiàn)低、中、高三個水平(見表2)。

表2.任務(wù)復(fù)雜度判定

3.3 詞匯復(fù)雜性指標(biāo)和數(shù)據(jù)分析

本研究同時使用傳統(tǒng)指標(biāo)和計量指標(biāo)來探究學(xué)習(xí)者口語表現(xiàn)的任務(wù)復(fù)雜度效應(yīng)。傳統(tǒng)二語研究包括三個常見衡量詞匯運用的指標(biāo),即詞匯變化性(lexical variation)、詞匯復(fù)雜度(lexical sophistication)、詞匯密度(lexical density) (Read,2000：200)。結(jié)合已有文獻和二語口語文本特征,我們選取3個傳統(tǒng)測量指標(biāo),即Uber指標(biāo) (Uber Index) (Yu,2009)、實詞所占比 (Ratio of content words to all words) (O’Loughlin,1995)、詞匯頻率概覽(LFP)中的Beyond-2000值(Laufer &Nation,1995)和4個計量指標(biāo),即h點 (h-point)、單現(xiàn)詞比 (Hapax legomena percentage,HLP)、作者視野 (Writer’s View) 和平均例符長度 (Average Tokens Length),并依據(jù)指標(biāo)定義和參考文獻嘗試進行對應(yīng)歸類,見表3。

表3.詞匯測量指標(biāo)

1) 詞匯變化性或詞匯多樣性(lexical diversity),表示語言使用者在文本中使用詞匯的范圍和種類(McCarthy &Jarvis,2007),是傳統(tǒng)二語研究中常見的詞匯指標(biāo)之一。型符比,即文本型符數(shù)和字符數(shù)的比例,是計算文本詞匯多樣性的基礎(chǔ)指標(biāo),但其計算方式易受到文本規(guī)模的影響。近年來,研究者們提出了多個減小文本規(guī)模影響的新的詞匯多樣性指標(biāo)(Yu,2009)。本研究采用二語研究中常見的較好規(guī)避文本規(guī)模影響的Uber指標(biāo)(Jarvis,2002)進行衡量,計算方式如下：

我們采用計量指標(biāo)h點,進行對照。h點指的是文本詞匯秩頻分布的臨界點。參照齊普夫定律(Zipf,1932),詞的秩頻分布是將文本中每個詞按照類型頻次降序排列。每個頻序.r都對應(yīng)一個頻次值f(r)。h點是詞的秩頻分布上滿足r=f(r)的點,但在自然語言文本中h點多位于頻序相鄰的兩個詞之間(Popescu &Altmann,2006),計算方式為：

h點之前的詞大多為功能詞,其后大多為實詞,從計算原理來看,取值越小,表示文本詞匯越豐富(劉海濤,2017)。

2) 詞匯密度(lexical density)：二語研究中常見定義為文本中實詞占總詞數(shù)的比例(O’Loughlin,1995),在本研究中由VocabProfile (https：//www.lextutor.ca/vp/comp/)(Cobb,2000)在線計算。

對照計量指標(biāo),本研究采用單現(xiàn)詞比和作者視野兩個指標(biāo)。單現(xiàn)詞比,即文本中單現(xiàn)詞的頻次占例符數(shù)的比例,計算方式為：

N單現(xiàn)詞為文本中單現(xiàn)詞的頻次,V例符數(shù)為例符總數(shù)。

上文的h點可視為文本作者控制整個文本中實詞與功能詞平衡的立足點(Popescu &Altmann,2007),h點與秩頻分布的起點和終點組成一個三角形,以h點為頂點的角度數(shù)(以弧度計)即作者視野。作者視野的操作定義涉及文本中實詞和功能詞的比例,參照傳統(tǒng)詞匯密度指標(biāo)的界定,兩位作者認為可嘗試將其作為詞匯密度指標(biāo)。

3) 詞匯復(fù)雜度(lexical sophistication),在二語研究中常見操作定義為文本中低頻詞占字符數(shù)的比例。本研究使用VocabProfile (https：//www.lextutor.ca/vp/comp/)(Cobb,2000)進行在線分析。該軟件參照外生詞庫,將文本單詞歸于四個詞表：最常用1 000詞、次常用1 001—2 000詞、學(xué)術(shù)詞匯和未在這三個詞表內(nèi)的表外詞匯(鄭詠滟,2015;鄭詠滟、馮予力,2017),本研究使用學(xué)術(shù)詞匯+表外詞匯的方法計算出Beyond-2000值。

鑒于平均單詞長度是傳統(tǒng)詞匯復(fù)雜度的重要衡量指標(biāo)之一(Verspoor,Schmid,&Xu,2012),本研究采用對應(yīng)計量指標(biāo),即平均例符長度(Average Tokens Length)進行衡量。平均例符長度是文本中所有例符長度(按字符數(shù)計)的均值(劉海濤,2017)。

本研究采用文本計量指標(biāo)分析工具Quantitative Index Text Analyzer (http：//oltk.upol.cz/software)計算4個計量指標(biāo),使用R(3.6.1)版本進行描述性和推論性統(tǒng)計分析并將結(jié)果可視化。

4.結(jié)果與討論

本研究將傳統(tǒng)指標(biāo)和計量指標(biāo)的對比作為切入點,采用Robinson提出的兩個資源指向型任務(wù)變量以探究學(xué)習(xí)者口語表現(xiàn)的任務(wù)復(fù)雜度效應(yīng),客觀上豐富了以往采用單一詞匯指標(biāo)的研究。本研究的三個研究問題涉及傳統(tǒng)指標(biāo)和計量指標(biāo)在不同任務(wù)復(fù)雜度下的表現(xiàn)。為了直觀地展示各個指標(biāo)的分布狀況和變化趨勢,本研究運用R語言中的boxplot函數(shù)繪制了箱線圖(見圖1、圖2)。我們運用R語言進行單因素多元方差分析,運用TukeyHSD函數(shù)進行多重比較。總體而言,所獲結(jié)果僅部分驗證了“認知假說”的預(yù)測,這與以往混合研究結(jié)果相似(陶娜、王穎,2019)。傳統(tǒng)指標(biāo)與計量指標(biāo)中有變化趨勢相似的指標(biāo),但具體差異十分明顯。為便于理解,本文將對應(yīng)研究問題呈現(xiàn)研究結(jié)果,并結(jié)合任務(wù)復(fù)雜度變量、計量方法和已有研究做具體的討論。

圖1.傳統(tǒng)指標(biāo)分布圖 注：為了便于在R程序中編碼,我們使用指標(biāo)的英文縮略形式,LD代表詞匯復(fù)雜度(lexical density),B2000代表的是Beyond-2000值。

圖2.計量指標(biāo)分布圖 注：為了便于在R程序中編碼,我們使用指標(biāo)的英文縮略形式,HLP代表單現(xiàn)詞比(Hapax legomena percentage),WV代表作者視野(Writer’s View),ATL平均例符長度(Average Tokens Length)。

首先,如圖1顯示,隨著任務(wù)復(fù)雜度的提高,Uber值并無明顯變化(M低任務(wù)復(fù)雜度=15.54,SD=3.53;M中任務(wù)復(fù)雜度=15.77,SD=2.34;M高任務(wù)復(fù)雜度=15.18,SD=4.12),方差分析結(jié)果證實了無顯著差異(F=1.372,p=0.254>.05)。然而,圖2顯示對應(yīng)的計量詞匯多樣性指標(biāo)h值從低任務(wù)復(fù)雜度到高任務(wù)復(fù)雜度環(huán)境呈現(xiàn)拋物線型變化(M低任務(wù)復(fù)雜度=7,SD=0.89;M中任務(wù)復(fù)雜度=7.97,SD=1.2;M高任務(wù)復(fù)雜度=6.88,SD=1.06),在中任務(wù)復(fù)雜度下均值達到最高,說明中任務(wù)環(huán)境下詞匯豐富度最低。方差分析顯示三者存在顯著性差異(F=58.35,p=.000<.001),這與對應(yīng)Uber指標(biāo)結(jié)果相差較大。多重比較顯示,h值在低、中任務(wù)(p=.00<.01)和中、高任務(wù)(p=.00<.01)間有顯著差異。

該結(jié)果表明,就詞匯多樣性指標(biāo)來看,傳統(tǒng)Uber指標(biāo)并不能顯著區(qū)分任務(wù)復(fù)雜度效應(yīng),而計量指標(biāo)h值能顯著區(qū)分連續(xù)任務(wù)復(fù)雜度之間的差異。隨著任務(wù)復(fù)雜度在資源指向型(因果關(guān)系和立場選定)維度的增加,學(xué)習(xí)者認知資源和語言資源在即時微觀任務(wù)環(huán)境下受到擾動和重組,Uber指標(biāo)并不能捕捉到詞匯多樣性的變化,這與以往相關(guān)結(jié)果類似(Kuiken &Vedder,2011;Santos,2018)。而圖2計量指標(biāo)h點反映出隨著任務(wù)復(fù)雜度的提升,詞匯豐富度先降后升,高任務(wù)復(fù)雜度環(huán)境刺激出較為豐富的詞匯運用,詞匯特征變化部分符合“認知假說”的預(yù)測,一定程度上與以往研究結(jié)果相似(Robinson,1995;Ishikawa,2008;Michel,2011)。

第二,圖1顯示實詞所占比在低、高任務(wù)中相當(dāng)且都略高于中任務(wù)(M低任務(wù)復(fù)雜度=0.52,SD=0.04;M中任務(wù)復(fù)雜度=0.5048,SD=0.04;M高任務(wù)復(fù)雜度=0.5049,SD=0.04),方差分析表明三種任務(wù)具有顯著差異(F=5.571,p=.004<.01),多重比較顯示顯著差異出現(xiàn)在低、中任務(wù)(p=.013<.05)和中、高任務(wù)(p=.001<.01)中。而圖2計量詞匯密度指標(biāo)單現(xiàn)詞比(M低任務(wù)復(fù)雜度=0.26,SD=0.06;M中任務(wù)復(fù)雜度=0.23,SD=0.05;M高任務(wù)復(fù)雜度=0.25,SD=0.06)和作者視野(M低任務(wù)復(fù)雜度=2.04,SD=0.17;M中任務(wù)復(fù)雜度=2,SD=0.17;M高任務(wù)復(fù)雜度=2.05,SD=0.19)的均值隨著任務(wù)復(fù)雜度的增加都呈現(xiàn)出先降后升的趨勢,在高任務(wù)復(fù)雜度下達到最高或與低任務(wù)相當(dāng)。方差分析顯示不同任務(wù)下兩者均有顯著性變化(FHLP=18.83,p=.000<.001;FWV=4.253,p=.0147<.05)。多重比較顯示,單現(xiàn)詞比的顯著差異出現(xiàn)在低、中(p=.00<.01)和中、高(p=.00<.01)任務(wù)環(huán)境中,而作者視野的顯著差異出現(xiàn)在中、高(p=.015<.05)任務(wù)復(fù)雜度環(huán)境中。

該結(jié)果說明就詞匯密度指標(biāo)來看,實詞所占比、單現(xiàn)詞比、作者視野均能區(qū)分連續(xù)任務(wù)復(fù)雜度之間的差異,且隨著任務(wù)復(fù)雜度的提升均呈現(xiàn)出先降后升的趨勢,但圖中顯示兩個計量指標(biāo)(單現(xiàn)詞比和作者視野)在不同任務(wù)中的差異更明顯。詞匯密度指標(biāo)實詞所占比、單現(xiàn)詞比和作者視野都呈現(xiàn)出先降后升的趨勢,部分驗證了認知假說的預(yù)測,即隨著任務(wù)復(fù)雜度的提升,學(xué)習(xí)者能夠調(diào)動多方認知資源(例如表明立場、理清因果關(guān)系等認知活動),充分運用語言資源提升語言復(fù)雜度,這與以往研究結(jié)果部分相符(Gilabert,2007;Santos,2018)。但圖中顯示,單現(xiàn)詞比的變化更為明顯,這說明該計量指標(biāo)能有效捕捉詞匯運用的細微變化。同時,計量指標(biāo)作者視野的變化顯示學(xué)習(xí)者在復(fù)雜任務(wù)下對實詞和功能詞仍有較強的把握,對于傳統(tǒng)指標(biāo)起到獨特的補充作用。

第三,圖1中Beyond-2000值在中任務(wù)復(fù)雜度下出現(xiàn)峰值(M低任務(wù)復(fù)雜度=8.82,SD=3.34;M中任務(wù)復(fù)雜度=9.47,SD=3.29;M高任務(wù)復(fù)雜度=8.61,SD=2.75),方差結(jié)果顯示三種任務(wù)環(huán)境下均值具有顯著差異(F=3.677,p=.0259<.05),多重比較表明顯著差異只出現(xiàn)在中、高(p=.028<.05)任務(wù)間。然而,圖2中對應(yīng)計量詞匯復(fù)雜度指標(biāo)平均例符長度(M低任務(wù)復(fù)雜度=4.38,SD=0.24;M中任務(wù)復(fù)雜度=4.34,SD=0.28;M高任務(wù)復(fù)雜度=4.43,SD=0.26)的變化隨著任務(wù)復(fù)雜度的增加都呈現(xiàn)出先降后升的趨勢,在高任務(wù)復(fù)雜度下達到最高或與低任務(wù)相當(dāng)。方差分析顯示不同任務(wù)下該指標(biāo)具有顯著差異(F=18.83,p=.002<.05)。多重比較顯示,平均例符長度的顯著差異出現(xiàn)在中、高(p=.001<.05)任務(wù)復(fù)雜度環(huán)境中。

上述結(jié)果表明就詞匯復(fù)雜度指標(biāo)來看,Beyond-2000值和平均例符長度均能顯著區(qū)分中、高任務(wù)復(fù)雜度之間的差異,但變化趨勢明顯不同。Beyond-2000值呈現(xiàn)出先升后降、總體呈下降的趨勢,而平均例符長度呈現(xiàn)出先降后升、總體呈上升的趨勢,二者均部分驗證了“認知假說”的預(yù)測。這些結(jié)果與以往研究結(jié)果相似(Santos,2018),但反映出的學(xué)習(xí)者語言表現(xiàn)特征有較大不同。Beyond-2000值的變化說明高任務(wù)復(fù)雜度環(huán)境下認知需求增加,學(xué)習(xí)者對于學(xué)術(shù)詞匯和表外詞匯(鄭詠滟、馮予力,2017)的使用呈下降趨勢,而平均例符長度說明在高任務(wù)復(fù)雜度環(huán)境下,雖然因果推理和立場選定的雙重因素使學(xué)習(xí)者既要考慮到事件因果關(guān)系的建立,又要闡釋多方立場的選擇,對于學(xué)習(xí)者提出較大認知要求,但學(xué)習(xí)者使用的詞匯整體詞長有所增加,詞匯復(fù)雜度得到提升。兩類指標(biāo)的變化表明,復(fù)雜任務(wù)中學(xué)習(xí)者的注意力資源在語言產(chǎn)出的不同方面并非平均分布,隨著任務(wù)復(fù)雜度的提升,學(xué)習(xí)者需要調(diào)動多種資源,這些資源或許存在相互競爭的可能(Larsen-Freeman &Cameron,2008)。

從以上指標(biāo)對比分析結(jié)果與討論來看,隨著任務(wù)復(fù)雜度的增加,計量指標(biāo)均呈現(xiàn)非線性變化的特征。兩大類指標(biāo)的變化模式顯示,相比傳統(tǒng)指標(biāo),計量指標(biāo)的變化更加貼合人類語言的復(fù)雜動態(tài)非線性變化的特征(Chen &Xu,2019;劉海濤,2017)。所有計量指標(biāo)都呈現(xiàn)非線性變化趨勢,這與傳統(tǒng)二語實證研究中常見的線性變化(Larsen-Freeman &Cameron,2008)大相徑庭,進一步說明任務(wù)復(fù)雜度對語言復(fù)雜度的影響需要采用多樣、細致的指標(biāo)進行觀測才能更加全面。換言之,計量指標(biāo)能清晰地區(qū)分任務(wù)復(fù)雜度效應(yīng),且為認知假說相關(guān)預(yù)測(任務(wù)復(fù)雜度越高,語言復(fù)雜度越高)提供更豐富的證據(jù)。因此我們認為計量手段對傳統(tǒng)手段有較強的補充作用,可以推進任務(wù)復(fù)雜度效應(yīng)研究向更細致、深入的方向發(fā)展。

5.結(jié)論

本研究的創(chuàng)新之處是從對比傳統(tǒng)指標(biāo)和計量指標(biāo)出發(fā),基于大規(guī)模學(xué)習(xí)者語料庫考察任務(wù)復(fù)雜度效應(yīng)。對比分析結(jié)果表明,計量指標(biāo)測量出的任務(wù)復(fù)雜度效應(yīng)在詞匯變化性、詞匯密度、詞匯復(fù)雜度方面均能起到很好的補充作用,且更為細致,各個指標(biāo)都呈現(xiàn)出非線性變化趨勢,印證了人類語言系統(tǒng)復(fù)雜、動態(tài)、非線性變化的特性。本研究結(jié)合語料庫和計量語言學(xué)探究任務(wù)復(fù)雜度效應(yīng),表明數(shù)據(jù)驅(qū)動的語言學(xué)研究可以為二語習(xí)得核心問題研究拓展思路。傳統(tǒng)指標(biāo)若能與計量語言學(xué)指標(biāo)有機結(jié)合,可豐富、細化現(xiàn)有分析手段,增強相關(guān)研究的科學(xué)性。

當(dāng)然,由于本研究尚處于探索階段,研究方法和指標(biāo)的選取有待改進。首先,本研究只采用二語研究中一個常用詞匯變化性指標(biāo),沒有完全考慮到詞匯變化性的多維度性,未來的研究可以參考其他的觀測指標(biāo)(如文本詞匯多樣性指標(biāo))進行考察對比。其次,本研究在傳統(tǒng)詞匯研究分類的基礎(chǔ)上進行對應(yīng)的指標(biāo)選擇,一定程度上缺少對于應(yīng)用語言學(xué)和計量語言學(xué)中其他詞匯指標(biāo)的考慮,今后的研究可按照研究目的豐富指標(biāo)變量的擇取。最后,本研究以任務(wù)復(fù)雜度效應(yīng)這一二語習(xí)得核心議題為切入點考察兩類指標(biāo)變化,今后研究可以從其他話題入手拓展計量指標(biāo)在應(yīng)用語言學(xué)中的應(yīng)用。