多因素语境共选：语料库语⾔学新进展
本⽂转载⾃公众号：语⾔科学
摘要
概率性多因素语境共选是语料库语⾔学的新近热点。它致⼒于探讨语⾔形式和语义之间的对应关系，主要包括“⼀形多义”和“⼀义多形”。词典学和社会语⾔学较早采⽤多因素⽅法，认知语⾔学则是近年多因素分析的主阵地。多因素分析⼴泛运⽤于词语义项区分、近义词辨析、近义构式选择、语法标记选择、语序选择等⽅⾯。多因素分析既是语⾔描写技术，也有很强的理论解释⼒。
关键词：多因素分析；语境共选；形义对应；多元统计；语料库语⾔学
1.引⾔
本⽂旨在重新探讨语料库语⾔学的学科属性。当前多数国内外学者都将语料库语⾔学视为⽅法论，认为语料库语⾔学是⼀堆语⾔材料、⼀组统计算法、⼀套分析⼯具。如此⼀来，语料库语⾔学仅是“器”，⽆关“道”，空有“语⾔学”之名。语料库语⾔学的发展史表明，事实并⾮如此（许家⾦，2014）。“概率性多因素语境共选”是本⽂对语料库语⾔学学科特性的初步概况。
Leech（2011：158）曾指出语料库语⾔学是有很强“⽅法论导向的语⾔学分⽀”（a methodologically -oriented branch of linguistics）。这⼀论断兼顾了⽅法和学科。然⽽，这⼀说法并未指明作为语⾔学分⽀，除了⽅法优势外，语料库语⾔学何以与社会语⾔学、⼼理语⾔学、认知语⾔学等相提并论?
以下本⽂将讨论语料库语⾔学对语⾔本体的认识，及其描写和阐释语⾔的⽅法和路径。⼀般认为语料库语⾔学重描写，轻阐释。这种观点将描写和阐释对⽴起来，显然有些过于简单化。我们认为深⼊的描写强过肤浅、附会的理论阐释，同时深⼊描写本⾝也有⼀定程度的阐释性（胡建华，2018：476－477）。
语料库语⾔学内部也存在⽅法导向和理论导向两派，即所谓“基于语料库的范式”和“语料库驱动的范式”。本⽂将综合各派理念的共核部分，从⽽勾勒语料库语⾔学的核⼼语⾔学价值。
2.语料库语⾔学的语⾔观
芝加哥大学语料库语⾔学主张⽤法本位（usage-bad）（参见Kemmer ＆ Barlow，2007）。⽤法观强调语⾔使⽤者的主体性和使⽤场景在语⾔形成中的作⽤。语法是⾔语社团经年累⽉交际活动的动态浮现特征（Hopper，1987）。因此学界早
有“语法即⽤法”（Bybee，2006）的认识。从语⾔习得⾓度看，⽤法观认为掌握语⾔不是⼈的天性（nature）⽽是习性（nurture）。
⾃上世纪后半叶以来，除⽣成语⾔学外，其他诸多语⾔学流派⼤都可以归到基于⽤法的语⾔观（usage-bad linguistics）之下。这⼀视⾓：（1）尊重语⽤；（2）强调功能；（3）依赖语境；（4）关注变异。据此，社会语⾔学、语⽤学、话语研究、（系统）功能语⾔学、历史语⾔学，乃⾄认知语⾔学，都是⽤法本位的。
尊重语⽤，从哲学上反映了⽤法语⾔观的经验主义基础，即作为抽象概念的“语⾔”以及⼈们语⾔知识的获得不是先天的，⽽是长期浸染于某种语⾔环境，不断与他⼈接触⽽形成的。语⾔是动态浮现语法现象。语⾔知识是认知固化的产物。
强调功能，指的是对语⾔形式和结构的探讨，都与意义和功能不可分割。形式和意义/功能是⼀币两⾯。甚⾄于说，意义和功能先于语⾔形式和结构。
依赖语境，指的是语⽤⽆不存在于特定语境。语境中的语⾔形式都反映⼀定的话语功能。充⾜的语境⾜可以消歧，⾜可以陈述事实，明⽰意图，还可以联结读者和作者，说话⼈和听话⼈。
关注变异，谈的是语境变化。⽐如英语变体研究、历时语⾔研究、中介语研究、翻译研究，都是某种形式的语⾔变异研究。
语境在语⾔使⽤⾏为上，体现为共选关系，这是⼀种依存式的关联。语境共选有⼴有狭。譬如社会语
⾔学常常关注语⾔与社会语境的共选机制。语境化是分析语⾔使⽤的核⼼⽅法。语境是将⽤法语⾔观各语⾔学分⽀串联起来的重要线索。
与社会语境的共选机制。语境化是分析语⾔使⽤的核⼼⽅法。语境是将⽤法语⾔观各语⾔学分⽀串联起来的重要线索。
在语⽤基础上浮现出的语法有其规约性，体现为“群⾔”（communal language）；同时，语⾔具有丰富的个体特⾊和语境依存性（contextual dependency）。语⾔学理论既要能解释群⾔的规律性，也要解释个⼈语⾔的创造性和特定群体语⾔的变异性。规律使⼈达成共识，创造和变异令交际饶有趣味。这可以⽤“性相近、习相远”来加以概括，即⼈类有共享的语⾔规律，同时语⾔⼜千差万别。语料库语⾔学揭⽰语⾔规律性和创造性的解决⽅案是：共选和概率。这两者合⽽为⼀，共同驱动着语⾔的运作。共选理论包括狭义的语⾔特征共选，以及语⾔特征和语境变量的共变关系。共选更多解释性相近，共变更多解释习相远。
amai
在语料库语⾔学内部，共选研究先前主要体现为以搭配分析为主要⼿段的短语学研究，包括扩展意义单位分析框架、局部语法等；另⼀种则包括语⾔特征与语境特征的共选研究，例如，语料库话语研究、基于语料库的社会语⾔学研究、基于语料库的认知语⾔学研究。前者是所谓的语料库驱动的路径，后者是所谓基于语料库的路径。其实两者都是对语境变量的综合考察。从这个意义上说，两个具有竞争意味的流派，本是同根⽣，都是这⾥讲的概率性语境共选视⾓下的多因素分析。
概率性多因素分析，⾸先强调语⾔形式的选择受限于若⼲语境特征。这些特征的影响⼒有强有弱，且有可能共同作⽤。
受制于不同语境条件的语⾔形式选择，决定了语⾔形式会有不同的意义潜势。这种意义潜势的选择很⼤程度上是概率性的。语⾔研究中的概率并不完全具有随机性，⽽是具有条件概率性（conditional probability）。
3.概率性多因素语境共选研究的起源
多因素观念⽇常处处可见。例如⼈体健康由遗传、饮⾷、锻炼、环境、医疗等多⽅⾯因素决定。某种具体疾病也可能有多重诱发因素，因此在医学研究⽂献中经常采⽤多元统计⽅法便不⾜为奇。
在语⾔学相关领域，多因素理念也绝⾮新鲜事物。早在英语教学研究发轫之初，Fries就强调“语境取向”（contextual orientation）的必要性。他指出“若要全⾯掌握语⾔，需要系统观察和记录语句在确切语境中使⽤的多项特征”（1945：57）。全⾯掌握多项语境特征，正是多因素分析的核⼼思想。Firth（1951）的“语境意义观”（contextual theory of meaning ）和Harris（1954）的“分布假说”（distributional hypothesis）反映的也都是这种取向。
从概率视⾓进⾏多因素语境分析，始于Hanks（1986；1996）、Atkins（1987）。Hanks（1986：43）
将词典词条描述为⼀个“⽅程式”（equation）。⽅程式左边是“条⾸词”（head-word，⼜译作“词⽬”），右边则是⽤来解释条⾸词的语境特征。Hanks主张应通过真实语料将典型的（typical、norm）和拓展的（exploited）构型识别出来，以便合理安排义项。Hanks（1996）以动词语义刻画为例，分析了urge、indict、bother、abandon等动词的句法语义环境。例如，这些动词的上下⽂中⼀般会出现什么样的主语（名词还是代词，⼈还是物，具体还是抽象语义等）。Hanks指出不同“意义潜势”的实现取决于不同词汇、句法、语义、语⽤的组合（1996：78，94），他认为这⼀思想与Firth所倡导的“识词于其所友”（You shall know a word by the company it keeps）⼗分吻合。Hanks（1996：79）把这种语境因素的“选择制约/倾向”（lectional restrictions / preferences）称为“⾏为概貌”（behavioral profile）。这⼀思路被命名为“语料库构型分析”（Corpus Pattern Analysis，简称CPA）并进⼀步升级为“规范与拓展理论”（The Theory of Norms and Exploitations，简称TNE）（Hanks，2013）。⽽“⾏为概貌”这⼀概念和分析思路被语料库语⾔学沿⽤。
Atkins（1987）是另⼀项重要的早期概率性多因素研究。作者基于COBUILD语料库，识别出数⼗个可以区别danger⼀词3个不同义项的词汇语法使⽤特征。Atkins称其为“语义识别标记”（mantic ID tags）。例如，义项⼀“危险”，danger ⽤作不可数。其语义识别标记包括：后可接for/from/in/to/with，⽽不接that；in+（冠词/量词/形容词）+danger；物主代词+danger；out of danger等。义项⼆“危害”，danger⽤作可数名词。典型语义识别标记包括：danger（s）后接具体事物，例如
dangers of smoking /pregnancy等。义项三“风险”，其典型语义识别标记包括：限定词+danger+of；danger后接不期待发⽣的事，例如danger of collap/disintegration等。
Sinclair（2004）的扩展意义单位分析和局部语法研究，在⼀定程度上采⽤的也是多因素语境共选理念。只是主张围绕意义单位的研究，建构⼀套原创的语⾔理论。
早期的概率性多因素分析聚焦于词典编纂，特别是义项的确⽴。它们关注的“⼀形多义”（polymy/masiology）现象，即同⼀词形有多个含义，需要借助多重词汇、句法、语义等局部语境加以解析。
另⼀类概率性多因素研究关注的是“⼀义多形”（synonymy/onomasiology）现象。这⽅⾯研究在Labov开创的变异社会语⾔学领域开展较早。⼈们在表达相同或相近语义时，因不同社会情境⽽会采⽤不同的语⾔形式。例如，汉语
中“你”和“您”的使⽤，都是第⼆⼈称代词，但使⽤场合不同。这种研究的⼀⼤特点是因变量是两个或多个选项（⽐如，这⾥谈到的“你”和“您”）。Labov（1966）的经典案例是分析纽约⼏家商场不同说话⼈在发/r/⾳是否卷⾆的情况。他考察了r在词中间（fourth）或词尾（floor）、随⼝表达或强调表达、⾼中低档商场、说话⼈所在楼层、职业、种族、性别、年
r在词中间（fourth）或词尾（floor）、随⼝表达或强调表达、⾼中低档商场、说话⼈所在楼层、职业、种族、性别、年龄等多个语⾔因素和场景因素对r发⾳的影响。这是典型的多因素研究设计。Labov当时只采⽤了描述性统计，没有使⽤多元统计⽅法。上世纪60年代David Sankoff开发了“变项规则程序”（variable rule program），即Varbrul，⽤于对Labov（1966）类似的多因素研究进⾏多元统计分析，该软件后改名GoldVarb，现可通过R软件包Rbrul加以实现。该软件的核⼼统计⽅法为逻辑斯蒂回归建模（logistic regression modelling）。类似的研究在社会语⾔学和⼆语习得领域已开展约半个多世纪。
近⼀⼆⼗年，认知语⾔学家重新引发了⼀波多因素研究热潮。其中两位代表性认知语⾔学家是Dirk Geeraerts和Stefan Gries。前者更关注语⾔变异，后者注重研究结论的认知解释。Geeraerts关注⾔内和⾔外变量的综合考察；Gries关注的主要是⾔内因素对词义或构式选择的制约程度（两者研究取向的异同，可参见Heylen et al.，2008）。巧克英语
概括来看，⾔内语境共选的多因素探索从词典学开始；⾔外语境共选的多因素探索从社会语⾔学开始。相关研究关注的重点为语⾔形式和意义之间的对应关系。⽐如，⼀形多义（同⼀个词汇语法形式的不同含义）或⼀义多形（同⼀含义的不同词汇语法变体）。
4.多因素分析的主要选题
⼀义多形的多因素分析⼴泛运⽤于词汇和语法研究，少量⽤于话语语⽤研究。相关研究可归为以下⼏类：1）近义词辨析；2）近义构式选择；3）语法标记选择；4）语序选择。
（1）近义词辨析。所谓“辨析”，从语⾔使⽤者⾓度看即是对近义词语加以区分，然后正确选⽤。类似研究常围绕近义形容词、副词、名词和动词展开。例如Gries（2010）就英语⼤⼩类形容词（big、large、great；little、small、tiny）做了多因素区分。Desagulier（2014）对美国英语中rather、quite、fairly、pretty四个副词进⾏了区分。Janda和Solovyev（2009）对俄语中近⼗个表⽰欢乐和悲伤的名词进⾏了多因素辨析。另有英俄跨语⾔开始类动词（英语begin、start；俄语nač inat’/ nač at nač inat’sja / nač at’sja、stat）的对⽐分析（ Divjak ＆ Gries，2009）。这⾥介绍的研究，看似关注点为单词，⽽在具体分析中落实的语⾔形式多半是短语（或构式）。在分析相关词语的搭配情况时，还时常会考虑到搭配成分的语义和概念含义。因⽽，上述这些研究被归为认知语义研究。
红磷在空气中燃烧的现象
（2）近义构式选择。这类研究选题关注动词构式较多，这可能与构式语法中⽐较关注论元结构有关。相关构式的选择⼀般称作构式交替（alternation），即某⼀具有共同概念义的上位构式通常有两种或更多构式变体。在实际语⽤中，选⽤某种变体由多个因素综合决定。
较常见的研究包括对（1）与格构式（如Mary gave John a book与Mary gave a book to John之间的选择）的研究。因为是动词相关的构式，这⽅⾯的研究通常涉及的因素包括主语、宾语、介词宾语的名
词/代词属性、名词短语的长度、⽣命度、具体/抽象等指标。除了关于英国英语和美国英语（Bresnan ＆ Ford，2010）的研究外，还有南亚英语（Gries＆Ber-naisch，2016）中的与格构式选择倾向研究。英语之外的其他语⾔（如德语，Geleyn，2017）以及跨语⾔（张懂许家⾦，2019）与格交替对⽐研究也不在少数。
其他动词构式交替研究，包括：（2）动补构式。例如Gries（1999；2003）关于动词加⼩品词构式交替选择（pick up the book与pick the book up）的制约因素研究。Deshors（2015）关于动词后接to do还是ing的选择问题；（3）致使构式。⽐如Speelman和Geeraerts（2010）关于荷兰语doen（类似英语中的do或make）以及laten（类似英语中的let或make）等致使构式的研究。
名词性构式交替中，探讨最多的是属格构式（名词加’s及of结构的选择问题）。例如，Ronbach（2003）关于英语属格选择问题。Gries和Wulff（2013）还分析了中国和德国英语学习者的属格交替问题。其他的语⾔现象还有more加形容词/副词和形容词/副词词尾加er的⽐较结构研究（Hilpert，2008）等。
绯闻女孩 （3）语法标记选择。此外⼀⼤类多因素研究关注的是语法标记的选⽤。此类研究中数量最多的是有关于宾语从句引导关系代词that/零形式的选择倾向。Shank等（2016）分析了think等动词后接that或省略that的各因素单独影响及其交互作⽤。
Deshors（2015）对⽐了中国和法国英语学习者在使⽤can和may这两个极⾼频情态动词的选择困难。类似的现象，⽐如be going to与will/shall的选择问题，也有不少研究（如Szmrecsanyi，2003）。
（ 4）语序选择。这类研究涉及论元先后顺序、从句和主句先后顺序等，例如Diesl（2008）谈及时间状语从句出现在主句前后的影响因素。Wiechmann和Kertz（2013）关注的是although和whereas引导的让步状语从句在主句前后的制约条件。Wulff（2003）专门考察了英语中多个形容词排序的多个制约因素的影响程度。四级成绩查询
除此之外，还有少量多因素研究涉及话语和社会语⽤层⾯的现象。例如，Han等（2013）关于上海话话题标记的选择问
除此之外，还有少量多因素研究涉及话语和社会语⽤层⾯的现象。例如，Han等（2013）关于上海话话题标记的选择问题。Gries和Adelman（2014）研究了⽇语话题主语出现和不出现的制约因素。Levshina（2017）⽐较了欧洲多国语⾔中敬语标记（例如法语中的tu和vous、德语中的du和Sie，俄语中的ty和vy）的选择问题。
总体来说，相关研究涉及词汇和语法现象选择的情况较多，只有极少量研究关注话语语⽤现象。多数研究着重考察的是⾔内多因素，有⼀部分研究加⼊了语域、变体和历史时期等话语和社会语⾔学变量。
5.多因素分析主要统计⽅法
blaze从上⾯有关多因素研究选题的概述可知，所谈现象并⾮全新。多因素分析可以促成旧题新做和旧题深做。在⽬前技术条件下，多元统计分析所⽤的基础数据，很⼤程度上依赖研究⼈员⾃⾏标注。语料的⼿⼯标注极为耗时，当然也最能体现研究的语⾔学价值。语⾔属性的精细标注加上多元统计，使得多因素研究可以兼顾理论深度和⽅法优势。
多元统计在多因素分析中的价值，是要协助研究者回答语⾔特征选择的概率性理据，即在多⼤程度上，⼈们在何种语境下，会更倾向选择语⾔特征A⽽⾮B。⽤于多因素分析的常见多元统计⽅法有线性分类器、聚类分析、对应分析、逻辑斯蒂回归、多维尺度、条件推断树、随机森林等（这些⽅法还存在相应的变体）。简⽽⾔之，这些⽅法解决的都是语⾔特征选择的制约条件，我们称为“形义聚分”问题。以下将从⽤于多因素分析的数据格式、常见统计⽅法做⼀介绍。
数据格式。以往语料库语⾔学的典型数据格式主要为词表、多词词表、搭配词表、主题词表和索引⾏等。多因素分析所采⽤的典型数据格式为“表格型数据”（tabular data），这种数据在R语⾔中被称为“数据框”（data frame），见表1。
其中第⼀列Instance是关系代词使⽤that或采⽤零形式的情况。后⾯Subject、MatPolar、VerbSema、MatLengt⼏列数据体现的是主语、主句极性、动词语义、主句长度属性等多个因素。若有更多因素，
则依次添加列即可。每⼀横⾏代表⼀个具体的语⾔使⽤实例。表1中为五句话中关系代词使⽤that或采⽤零形式的情况。根据研究实际，往往需要如此标注数千⾏。语料标注通常在Excel中进⾏，常存储为csv格式，也可以把Excel⼯作表中的数据复制粘贴到*. txt格式纯⽂本⽂件中。在R程序中可通过read. table（ file =file．choo（））命令读取该标注⽂件，进⾏多元统计。
Glynn（2014：325－327）给出的多因素统计⽅法⼀览表是个有效的导引。
nail常见多元统计⽅法。多元统计⽅法可分为探索性和验证性两种。聚类分析、对应分析等更具探索性，即研究者不预设语⾔属性（如时态、抽象/具体、语域）与语⾔特征（如that的使⽤与否）的关联性，⽽由数据根据语⾔特征使⽤概率⾃⾏计算出其互相吸引的程度。以英语程度副词辨析为例，根据与之搭配的形容词情况，聚类分析可以⽤pvclust函数及软件包将fairly和quite、a bit和somewhat、completely和totally聚到⼀起（Desagulier 2014：163）。再⽐如，我们可以利⽤ca函数及软件包以对应分析⽅法将动词talk和具体话题、suppo和抽象事件等在⼆维图形上对应到⼀起，从⽽直观看出这些动词使⽤的语义倾向（Glynn，2014：458）。⽽逻辑斯蒂回归则是典型的验证性多元统计。它是基于前⼈⽂献，将可能有关的语⾔属性，都尽可能囊括到分析之中。统计运算会赋予每个属性/变量⼀定的权重，并剔除权重较低的变量。例如，我们可以利⽤MASS软件包中的glm函数，对制约动词后接to do还是ing的句法、语义、语⽤等7多个因素的影响程度及其相关变量之间的交互影响进⾏量化（许家⾦陈哲，2018）。
多因素分析的结果解读起来并不容易，常常需要进⾏可视化。典型的可视化⽅法有聚类分析树形图（dendrogram）、对应分析⼆维图、多维尺度图、条件推断树图和动态图（motion chart）等。tracktrace
需要指出，多元统计⽅法是基于概率性语境共选的语⾔观，并⾮刻意要将研究⽅法变得如此复杂。以往基于简单频数的统计，将语⾔视作随机性现象。⽬前看来，这种认识有必要更新。语⾔使⽤中体现出的概率属于条件概率。例如，主语位置如果是第⼀⼈称单数，那么其后的谓语动词的选择就不那么随意了，⽽必须考虑到相应的性、数、格的⼀致问题。这⼀定意义上说明了为何先前基于均值⽐较和正态分布的⼀些统计⽅法并不完全有效。
再有，多因素分析中经常采⽤的逻辑斯蒂回归建模，⽽不是通常的线性回归，就是考虑到我们将语⾔特征选择作为反应变量，这种选择往往有两种或两种以上的可能。通常的线性回归因变量只能是⼀个变量，且必须是数值型变量，如词汇判断任务中的反应时。另外，逻辑斯蒂回归模型中还可加⼊随机效应变量（其他⾃变量为固定效应变量，此类模型
称“混合效应逻辑斯蒂回归”）。具体到某个语法范畴变量，可能会包含多个具体形式，例如认知动词会包含think、assume、suppo等等，这些必须要作为随机效应变量来处理。如果语料中将具体的作者或说话⼈作为变量，则也要作为随机效应变量来处理（参见Baayen et al.，2008）。
总之，采⽤多因素分析法，就是为了反映真实的复杂语境互动，从⽽更好地表述、呈现语⾔选择的机
制。⼀定程度上，这克服了之前语料库语⾔学分析中过于依赖“多⽤”和“少⽤”的浅层描写问题，在描写、解释和预测语⾔选择机制⽅⾯都有所建树。
6.我国多因素分析的前景与现状英文qq名字大全
6.我国多因素分析的前景与现状
社会语⾔学传统的多因素分析在我国起步较早。例如，徐⼤明（1999）曾介绍新加坡华社双语调查中采⽤的变项规则分析法，即逻辑斯蒂回归。在词典编纂传统的多因素研究⽅⾯，⽅⼦纯和陈坚林（2014）对表⽰“巨⼤”的六个词（immen、enormous、huge、massive、tre- mendous和vast）的⾏为概貌进⾏了多因素分析，考察的语⾔属性包括它们的名词搭配词、表语⽤法和语域分布模式，采⽤的多因素统计⽅法是“层级配置频次分析”。
认知语⾔学传统的多因素分析，由张炜炜和Liu（2015）、张炜炜和刘念（2016）、房印杰（2016）等撰⽂介绍多因素分析的理念及⽅法。我国学者关于此类多因素实证研究也逐步兴起，包括邵健和张建理（2017）、张炜炜和王芳（2017）、许家⾦和陈哲（2018）、张懂和许家⾦（2019）、房印杰和梁茂成（2019）、徐晶凝和郝雪（2019）等⼈以中⽂完成的研究成果以及Guo和Chow（2014）、Zhang（2016）、Yao和Collins（2019）、Shao等（2019）等⼈以英⽂发表的成果。
概率性语境共选视⾓下的多因素语⾔研究，以⽤法本位为语⾔观，可以更好地整合语⾔学内部的不同研究范式。它所希望解决的核⼼语⾔学问题是形义映射，具体包括“⼀形多义”和“⼀义多形”。多因素分析既关涉语⾔构型的原型性和规约性，也⼗分关注变异性和创造性。
语境共选视⾓下的多因素分析实际上是对⽤法观的实证化和操作化。同时，多因素研究较好地处理了以往学界对语料库语⾔学“计算复杂”（computationally sophisticated），但“语⾔理论⽅⾯幼稚”（linguistically naïve）的问题（Murakami et al.，2017）。与单因素研究不同，多因素研究的核⼼是语境特征的概率性共选，可以说是对Firth语境论的新发展。多因素分析既是描写，其语⾔属性的共选机制也具有很强的阐释⼒，是有依据可验证的阐释。同时，相关结论还可以预测今后出现的语⾔现象。
综合来看，我国学者开展的多因素研究，相当数量是对国外成果的复制。我们应更多关注本⼟化的研究选题，例如汉语研究、中国英语学习者中介语研究、外国留学⽣汉语中介语研究、英汉对⽐与翻译研究等等。同时在研究⽅法上，可尝试将多因素语料分析和⼼理语⾔学实验结合，对研究结果进⾏交叉验证。
作者简介：
许家⾦，教授，博⼠，博⼠⽣导师，研究⽅向为话语研究，⼆语习得，语⾔对⽐与翻译，语料库语⾔
学。
延伸阅读
