儿童语料是研究儿童行为、探索语言获得机制的重要基础。1787年，德国心理学家、哲学家迪特里希·蒂德曼出版的《婴儿行为日记》是最早记录儿童语言的著作。20世纪60年代，伴随着语料库语言学和计算机技术的发展，儿童语料库建设兴起。1969年建设的Okayamai语料库等是世界首批建设的学前儿童语料库。据不完全统计，世界学前儿童语料库已达350余个。世界学前儿童语料库的建设历史和发展态势，可以从语料库技术和语料库内容两个层面来把握。
学前儿童语料库建设技术：“三化”
纵观世界学前儿童语料库建设技术的发展历程，尤其是近四十年来的发展变化，其特点可概括为“三化”。
第一，语料采集技术数字化。儿童语料采集技术经历文字记录、录音、录像三个技术阶段。早期主要采用笔录、日记的方法采集儿童语料；随后开始使用录音技术，第一个使用录音技术采集儿童语料的是日本的Okayama儿童语料库；20世纪70年代，美国的Menn儿童语料库首次使用录像技术采集儿童语料。80年代至90年代，文字、录音、录像技术均得到采用。进入21世纪，传统的文字记录和磁带录音、录像方式逐渐式微，数字化音像摄录技术兴起并得到广泛应用。便携式采录设备的普及使得人们可以随时随地采集儿童语料。经统计，除未知建设年份的儿童语料库外，20世纪到21世纪，采用文字记录的儿童语料库建设比例约由10％下降为1％，采用录音的约由42％下降至30％，采用录像的由约28％上升为32％。总体而言，儿童语料采集技术逐渐形成数字化和泛在化的特点，并体现出从平面媒体、有声媒体向多媒体发展的趋势。然而相较于其他较成熟的语言资源建设，儿童语料库建设对人工智能、云计算等先进技术的应用还有差距。
第二，语料采集方法多样化。儿童语料采集方法包括自然观察法、访谈法、实验法、网络采集法等。20世纪70年代之前，自然观察法是语料采集主要的甚至唯一的方法。此后，除自然观察法外，开始利用访谈法、实验法等采集儿童语料。21世纪，随着互联网技术的发展，CHCC儿童语料库等开始汇聚网络中的儿童语料。20世纪到21世纪，自然观察法的应用约从81％下降至68％，实验法约由16％上升为37％，访谈法的应用率也出现明显下降。采集方法直接影响调查对象语言产出的自然程度和主动程度，当代儿童语料库应当兼用多种采集方法并顺应数字时代的发展。
第三，语料标注逐渐共识化。当前儿童语料库标注呈现三个发展特点。其一，从人工标注发展到计算机自动标注。例如，2013年，临沂大学建设的儿童多模态口语语料库使用多模态标注软件ELAN进行文本转录。其二，从单纯语言标注到兼顾话语标注。会话行为、言语行为、副语言、语用、语言事件、情绪情感等编码出现在语料标注规范中，这是语料库建设开始重视儿童话语的表现。其三，标注规则逐渐形成共识。目前，采用的最为广泛的儿童语料规范和采录工具，是美国卡内基梅隆大学国际儿童语言中心于1984年建设的CHILDES儿童语言数据交流系统。该系统同时发挥语料库汇聚的功能，世界学前儿童语料库中，约89％为CHILDES系统采录；大部分学前儿童语料库也都借鉴了CHILDES提供的语料标注规则。有些儿童语料库，如新加坡的五至六岁学前儿童华语口语语料库，采用“973当代汉语文本语料库分词、词性标注加工规范”，并将其用于新加坡华族儿童华语的语料标注。
学前儿童语料库建设内容：“三意识”
语料库技术是儿童语料库建设的实现途径，语料库内容则体现了建设的思路理念。考察CHILDES平台提供的300余篇官方文档，参考近千篇研究儿童语料库的文献，可以将近几十年来学前儿童语料库内容的发展总结为“三个意识”。
融合意识。世界学前儿童语料库建设的融合意识主要体现在两方面：一是“语言结构”和“语言功能”两大范畴渐趋融合。目前，世界学前儿童语料库中，关注语言结构的有230余个，约占66％，这些语料库主要围绕儿童的语音、词汇、语法、副语言（符号）及识字能力等五个方面来建设；关注语言功能的有250余个，约占总数的72％，建设内容侧重于交际意图、语言社会化、话语、副语言（交际）、交际策略、言语行为等；既关注语言结构又关注语言功能的有近50个，代表着语言结构与语言功能两大范畴融合关注的建设方向。
二是学术研究和社会应用逐渐融合。学前儿童语料库建设主要关注的两大社会领域，是儿童语言智能技术研发和儿童语言干预治疗。儿童语言智能技术的研发，体现在语言文字的单向识别和“人一机”双向交际互动建设，体现在将儿童语言智能技术用于儿童语言产品研发，这也是儿童语料库实现语言产业化转型的关键。儿童语言障碍研究与儿童语言干预治疗相结合，体现了语料库建设为特殊儿童提供语言服务的向善意识，这也是儿童语料库建设能够解决社会语言问题、为社会谋福利的重要领域。
语言多元意识。据不完全统计，约近50种语言（包括其地域变体和社会变体）纳入学前儿童语料库建设，排名前10的依次为英语、西班牙语、汉语、法语、荷兰语、德语、日语、意大利语、葡萄牙语、俄语。其中，汉语儿童语料库数量约占世界建设总数的9％。近年来，呈现出以英语、西班牙语、汉语、法语为主，其他语言快速入库的语言多元格局。
双语或多语学前儿童语料库也在不断发展。目前有双语或多语学前儿童语料库40余个，涵盖语言约30种（包括其地域变体和社会变体），其中建设数量位列前五的语言依次是英语、西班牙语、法语、汉语、荷兰语。也应看到，低龄儿童、其他语言儿童、双语手语儿童的多语发展问题成为21世纪的热点话题，但目前语料库建设对此类问题的关注还有待提升。跻身世界学前儿童语料库的语言数量约为人类语言的07％，参与世界双语或多语学前儿童语料库建设的语言数量约为0.4％，未来尚有很大发展空间。
共享意识。目前有160余个儿童语料库提供共享服务，约占总数的46％。现有最大的儿童语料共享平台是CHILDES系统，在可共享的儿童语料库中，有150余个来自CHILDES平台。从历时发展看，儿童语料共享率呈上升趋势。20世纪建设的学前儿童语料库，提供共享服务的约占该时期建设总数的45％；21世纪，提供共享服务的比例上升至54％。例如，Miyata语料库等在提供语料共享服务的同时，明确表示会“保护调查对象隐私”。在遵守基本伦理规范的基础上，实现语料库共享顺应了资源共建共享时代的发展要求。
总体而言，20世纪末以来，学前儿童语料库建设呈现繁荣景象。然而在先进技术应用、学术自觉、开放程度、使用效益等方面还亟待提高。学前儿童语料库建设不仅涉及语料库语言学、儿童语言学、儿童学、计算机科学等学科的发展，还是一项关乎语言教育、文化基因传承和全球信息平等等长远事业，仅从技术和内容两个层面去了解儿童语料库建设是不够的。结合当今数字化生存、智能化转型的时代背景，需要探讨儿童语料库在更大的学科体系和国家战略中的地位，深入研究提升中国儿童语料库建设水平和声望的路径，并考虑未来为儿童配备“智能玩伴“智能教师”等问题。
*本文系国家社科基金重点项目“中国学前儿童语料库建设及运作研究”(19AYY010)阶段性成果
*作者单位：北京语言大学语言科学院；北京语言大学汉语国际教育研究院
转自：汉教学苑
如有侵权，请联系本站删除！
