國際兒童口語語料庫錄寫系統(tǒng)的賦碼原則初探

1、1國際兒童口語語料庫錄寫系統(tǒng)的賦碼原則初探國際兒童口語語料庫錄寫系統(tǒng)的賦碼原則初探王立非1，劉斌2（1南京大學(xué)江蘇南京210093；2解放軍國際關(guān)系學(xué)院，江蘇南京210039）摘要：國際兒童口語語料庫是目前世界上最完整的口語語料庫之一，對開展口語語料庫研究和語言習(xí)得研究具有重要價值，本文探討該語料庫的錄寫系統(tǒng)的賦碼原則與具體操作問題，對促進(jìn)我國英語口語語料庫的建立和研究具有借鑒作用和啟示意義。關(guān)鍵詞：國際兒童口語語料庫；英語口語語料；語

2、料庫語言學(xué)中圖分類號：文獻(xiàn)標(biāo)識碼：文章編號：TheTheCHILDESCHILDESCpus:Cpus:CodingCodingOperationOperationofofthetheCHATCHATToolToolWANGLifei1LIUBin2(1.NanjingUniversityNanjingJiangsuProv.210093；2.PLAInternationalStudiesUniversityNanjingJiangsu

3、Prov.210039China)Abstract:Abstract:ThispaperdescribesthebasiccodingoperatingprinciplesofCHATftheCHILDEStalkbankaveryvaluablecpusfstudiesonspokenEnglishlanguageacquisition.ItaimstopromotethedevelopmentuseoftheCHILDESasare

4、ferencefconstructingtheEFLspokencpusinChina.KeyKeywds:wds:CHILDES；Englishspokencpus；cpuslinguistics1引言新世紀(jì)的語言學(xué)研究已進(jìn)入計(jì)算機(jī)時代，基于語料庫的研究成果不斷涌現(xiàn)，國際兒童口語語料庫CHILDES（ChildLanguageDataExchangeSystem）就是眾多語料庫中的一員，已有一千項(xiàng)基于這個語料庫的研究成果發(fā)表。該語料庫

5、由美國麥克阿瑟基金會資助，于1984年開始籌建，經(jīng)過近20年的建設(shè)，已成為目前世界上最大的兒童口語語料庫。到目前為止，該語料庫已收集了包括英語、漢語在內(nèi)的25種語言。用戶可直接從網(wǎng)上免費(fèi)登錄、使用或下載(:childes.psy.cmu.eduCHAT.html)語料。CHILDES語料庫由三部分組成，第一部分是兒童英語口語語料庫（DATABASE），第二部分為文本賦碼系統(tǒng)（CHAT），第331固定行賦碼CHAT賦碼文稿總是以固定行開始

6、，提供錄寫日期、參加者姓名、年齡、交談背景等信息。這些信息出現(xiàn)在文本的最開始處，具體格式如下：（XXX表示某某人，凡是有名字的行都用破折號，其它說明行均無破折號，以示區(qū)別。遺漏的冒號已加上，全部要對齊。）姓名行——@Nameof年齡行——@Ageof生日行——@Birthof賦碼者行@Coder:附屬行@Dependent:教育行——@Educationof:文件名行@Filename:字體行@Font:組行——@Groupof語種行@

7、Language:語言行——@Languageof狀況行——@SESof性別行——@Sexof原因行@Stim:錄寫者行@Transcriber:警告行@Warning:有關(guān)參加者和背景信息的所有固定行都須以“@”符號開始。一些行只要求有@符號和行的名稱。例如“@Begin”或“@NewEpisode”。但是大部分行后須有內(nèi)容。有內(nèi)容的行還必須有一個冒號，然后是12個注釋。冒號后必須空出8個字符的間隔，然后輸入注釋。注釋是為了增加文檔行

8、信息的可讀性。冒號前的材料稱為“行名”，如：“@AgeofCHI:”和“@Date:”都是行名。行名之后的文本被稱為“行內(nèi)容”，如：“@AgeofCHI:26.4”、“@Date:25JAN1983”?！?；6.14”和“25JAN1983”都是行內(nèi)容，統(tǒng)稱為“行”。行末不能有標(biāo)點(diǎn)符號。在CHAT中，只有主體確實(shí)發(fā)出的聲音才能用標(biāo)點(diǎn)符號。這些固定行說明說話者年齡、社會經(jīng)濟(jì)地位或出生日期等不變的信息，如：中產(chǎn)階級家庭、男性、2歲等。這些信

9、息有助于更有效地研究語料。固定行按字母順序排列，排列順序如下：（1）姓名行姓名行@Name@Nameofof::此行說明參加者的名字。（2）年齡行）年齡行@Age@Ageofof::此行是說話者年齡，表示用三個字母說明說話者的名字。CHAT中的年齡信息精確到日。這里的年齡指的是被采集語料的兒童及其兄弟姐妹的年齡，也可用于其他說話者。@Age行的順序?yàn)槟?、月、日。?；11.7，指的是2歲，11個月零7天，與一般日期表示方法不同。（3）生