Analisis Rentas Bahasa bagi Kecenderungan Kata Kerja-Kata Nama dalam Bahasa Cina dan Inggeris: Implikasi untuk Penulisan Cina sebagai Bahasa Kedua

Kandungan

1. Pengenalan

Kata nama dan kata kerja ialah kelas perkataan asas yang wujud dalam semua bahasa manusia. Penyelidikan dalam pemerolehan bahasa, seperti pandangan kelebihan kata nama universal Gentner (1982), mencadangkan bahawa kata nama secara konseptual lebih mudah dan diperoleh lebih awal. Walau bagaimanapun, kajian rentas bahasa mendedahkan perbezaan ketara dalam kecenderungan penggunaan. Bahasa Inggeris menunjukkan kecenderungan kata nama yang kuat, terutamanya dalam penulisan formal dan akademik, manakala bahasa Cina menunjukkan kecenderungan kata kerja yang berbeza. Kajian ini menyiasat kontras ini secara empirikal menggunakan korpus akhbar moden dan meneroka implikasinya untuk pelajar bahasa Cina yang bertutur bahasa Inggeris.

2. Kecenderungan Kata Nama/Kata Kerja dan Metafora Ontologi

Perbezaan dalam penggunaan kata nama/kata kerja dihipotesiskan berpunca daripada pergantungan yang berbeza terhadap metafora ontologi (Lakoff & Johnson, 1980). Metafora ontologi melibatkan konseptualisasi idea abstrak, emosi, atau proses sebagai entiti konkrit. Bahasa Inggeris kerap menominalisasikan proses (contohnya, "my fear," "her decision"), memperlakukannya sebagai objek yang boleh dimanipulasi. Sebaliknya, bahasa Cina cenderung mengekalkan bentuk kata kerja untuk menerangkan keadaan dan proses secara langsung (contohnya, "I fear," "she decided"). Link (2013) memberikan bukti awal melalui petikan sastera, tetapi sampelnya terhadap. Kajian ini membina asas teori ini untuk analisis kuantitatif yang sistematik.

3. Kajian Perbandingan Berasaskan Korpus

3.1 Sumber Bahan Penyelidikan

Untuk memastikan keterwakilan penggunaan bahasa moden, dua korpus dibina:

• Korpus Cina: Artikel daripada People's Daily (《人民日报》), sebuah akhbar rasmi utama di China.
• Korpus Inggeris: Artikel daripada The New York Times, sebuah akhbar utama Amerika.

Artikel daripada tempoh masa yang sama dan meliputi topik yang serupa (contohnya, politik, ekonomi, budaya) dipilih untuk mengawal variasi domain.

3.2 Kaedah Penyelidikan dan Pemprosesan Data

Teks diproses menggunakan alat pemprosesan bahasa semula jadi untuk penandaan kelas kata (POS):

• Bahasa Cina: Model Stanford CoreNLP Cina atau penanda POS Jieba digunakan.
• Bahasa Inggeris: Model Stanford CoreNLP Inggeris digunakan.

Kata nama (termasuk kata nama am dan khas) dan kata kerja (termasuk kata kerja utama dan kata bantu dalam konteks yang relevan) dikenal pasti dan dikira secara automatik. Metrik utama yang dikira ialah Nisbah Kata Nama kepada Kata Kerja (NVR):

$NVR = \frac{Count(Nouns)}{Count(Verbs)}$

Ujian statistik (contohnya, ujian-t) dijalankan untuk menentukan kepentingan perbezaan antara korpus.

3.3 Keputusan dan Analisis

Analisis mengesahkan kontras yang dihipotesiskan:

4. Kesan terhadap Pelajar Cina yang Bertutur Bahasa Inggeris

Kajian ini selanjutnya menganalisis sampel penulisan daripada pelajar bahasa Cina yang bertutur bahasa Inggeris di peringkat pertengahan hingga lanjutan. Keputusan menunjukkan bahawa karangan bahasa Cina pelajar ini mempunyai purata NVR kira-kira 1.8 : 1. Nisbah ini jauh lebih tinggi daripada penulis asli bahasa Cina (lebih dekat kepada 1.1:1) dan condong ke arah corak bahasa Inggeris. Ini menunjukkan pemindahan negatif daripada bahasa pertama mereka (Inggeris), membawa kepada penggunaan kata kerja yang kurang dan pergantungan berlebihan terhadap struktur nominalisasi dalam penulisan bahasa Cina sebagai bahasa kedua mereka.

5. Perbincangan dan Implikasi Pedagogi

Penemuan ini mempunyai implikasi langsung untuk Pengajaran Bahasa Cina sebagai Bahasa Asing (TCFL):

• Meningkatkan Kesedaran: Pengajar harus mengajar secara eksplisit konsep kecenderungan kata kerja dalam bahasa Cina, membezakannya dengan kecenderungan kata nama dalam bahasa Inggeris.
• Peningkatan Input: Berikan pelajar bahan autentik yang mencukupi yang menonjolkan penggunaan kata kerja bahasa Cina yang semula jadi.
• Latihan Fokus: Reka latihan yang memerlukan penukaran frasa nominalisasi yang janggal (terjemahan literal) kepada konstruksi kata kerja yang lebih semula jadi.
• Pembetulan Ralat: Tangani penulisan "berkata nama" secara sistematik dalam maklum balas pelajar.

6. Wawasan Utama

• Pengesahan Empirikal: Menyediakan bukti kukuh berasaskan korpus untuk dikotomi teori kecenderungan kata kerja-kata nama antara bahasa Cina dan Inggeris.
• Pemindahan Bahasa Pertama: Jelas menunjukkan bagaimana corak tatabahasa bahasa pertama yang berakar umbi (kecenderungan kata nama) berterusan dalam penghasilan bahasa kedua, menjejaskan kewajaran gaya.
• Melampaui Sintaksis: Menonjolkan bahawa perbezaan bahasa bukan sekadar sintaksis tetapi berakar dalam gaya kognitif (penggunaan metafora ontologi).
• Jurang Pedagogi: Mengenal pasti kawasan khusus yang boleh diukur (kekerapan penggunaan kata kerja) yang sering diabaikan dalam pengajaran berfokus tatabahasa tradisional.

7. Analisis Asal & Ulasan Pakar

Wawasan Teras: Kertas kerja ini bukan sekadar tentang mengira perkataan; ia adalah analisis forensik gaya kognitif yang membatu dalam tatabahasa. Kisah sebenar ialah bagaimana pandangan dunia "berpusat kata nama" bahasa Inggeris, warisan kecenderungannya terhadap metafora ontologi, mencipta aksen gaya yang berterusan dalam pelajar bahasa Cina—aksen yang metrik seperti NVR kini boleh kuantifikasi dengan ketepatan pembedahan. Kajian ini berjaya menghubungkan dunia linguistik kognitif teori (Lakoff & Johnson) dan penyelidikan SLA berasaskan korpus gunaan yang sering dipisahkan.

Aliran Logik: Hujahnya linear dengan elegan: Teori (Metafora Ontologi) -> Pemerhatian Awal (Analisis sastera Link) -> Hipotesis (Media moden akan menunjukkan perbezaan yang sama) -> Ujian Empirikal (Analisis korpus NYT vs. People's Daily) -> Pengesahan -> Lanjutan (Adakah pemindahan L1 menjejaskan output L2?) -> Ujian Empirikal Kedua (Analisis korpus pelajar) -> Pengesahan -> Implikasi Praktikal. Ini adalah contoh teladan reka bentuk penyelidikan yang kukuh dan berperingkat.

Kekuatan & Kelemahan: Kekuatan utamanya ialah ketegasan metodologi dan operasionalisasi yang jelas (NVR). Menggunakan genre akhbar yang setara mengawal daftar, satu kelemahan biasa dalam kajian rentas bahasa. Walau bagaimanapun, analisis ini mempunyai titik buta. Pertama, ia memperlakukan "kata nama" dan "kata kerja" sebagai kategori monolitik. Seperti yang ditunjukkan oleh penyelidikan daripada projek Universal Dependencies, perbezaan halus (contohnya, kata nama deverbal, kata kerja ringan) adalah penting. Adakah bahasa Cina menggunakan lebih banyak konstruksi kata kerja ringan (contohnya, 进行讨论) yang secara teknikalnya mengandungi kata nama tetapi berfungsi secara verbal? Ini boleh membesarkan kiraan kata nama. Kedua, kajian pelajar berkemungkinan menangkap keupayaan dan bukannya kompetensi asas. Adakah pelajar terlalu menominalisasikan kerana mereka tidak dapat mengendalikan rantai kata kerja yang kompleks, atau ia adalah pemindahan L1 tulen? Kajian protokol berfikir kuat boleh memisahkan ini.

Wawasan Boleh Tindak: Untuk pendidik: Kajian ini menyediakan alat diagnostik (NVR) dan pelan rawatan (kesedaran kontrastif). Untuk ahli teknologi: Ini adalah lombong emas untuk AI. Model Bahasa Besar (LLM) seperti GPT-4 masih bergelut untuk menjana teks bergaya asli dalam bahasa kedua. Menggabungkan fungsi kerugian "kecenderungan kata kerja" atau penalaan halus pada korpus seimbang NVR boleh meningkatkan ketara kewajaran teks bahasa Cina yang diterjemahkan mesin atau dijana AI, melangkaui sekadar ketepatan tatabahasa. Untuk penyelidik: Langkah seterusnya ialah analisis dinamik. Alat seperti LIWC (Linguistic Inquiry and Word Count) atau kamus tersuai yang serupa boleh menjejaki bagaimana NVR pelajar berkembang dari masa ke masa dengan pengajaran yang disasarkan, menawarkan metrik yang jelas untuk keberkesanan pedagogi.

8. Butiran Teknikal & Formulasi Matematik

Metrik teras, Nisbah Kata Nama kepada Kata Kerja (NVR), adalah statistik deskriptif yang mudah tetapi berkuasa:

$\text{NVR}_{corpus} = \frac{\sum_{i=1}^{n} N_i}{\sum_{i=1}^{n} V_i}$

Di mana $N_i$ ialah kiraan kata nama dalam sampel teks $i$, dan $V_i$ ialah kiraan kata kerja dalam sampel teks $i$, merentasi $n$ sampel dalam korpus.

Untuk menguji perbezaan signifikan antara dua korpus (contohnya, Cina Asli vs. Pelajar Cina), ujian-t sampel bebas biasanya digunakan:

$t = \frac{\bar{X}_1 - \bar{X}_2}{s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$

di mana $\bar{X}_1$ dan $\bar{X}_2$ ialah min NVR bagi dua kumpulan, $n_1$ dan $n_2$ ialah saiz sampel, dan $s_p$ ialah sisihan piawai terkumpul.

9. Keputusan Eksperimen & Penerangan Carta

Penerangan Carta (Dibayangkan): Satu carta bar berkumpulan menggambarkan keputusan dengan jelas. Paksi-x mempunyai tiga kategori: "Inggeris Asli (NYT)", "Cina Asli (People's Daily)", dan "Pelajar Cina L2". Paksi-y mewakili Purata Nisbah Kata Nama kepada Kata Kerja (NVR).

• Bar "Inggeris Asli" adalah yang tertinggi, mencecah sehingga ~2.4.
• Bar "Cina Asli" adalah yang terpendek, pada ~1.1.
• Bar "Pelajar Cina L2" terletak di antara, pada ~1.8, secara visual menunjukkan kesan pemindahan—lebih dekat kepada Inggeris daripada Cina asli.

Bar ralat (mewakili sisihan piawai) pada setiap bar menunjukkan kebolehubahan dalam setiap kumpulan. Tanda bintang di atas bar menunjukkan perbezaan signifikan secara statistik (p < 0.01) antara ketiga-tiga kumpulan.

10. Kerangka Analisis: Contoh Kes

Kes: Menganalisis Ayat Pelajar

Output Pelajar (Terjemahan literal): "我对失败的可能性有考虑。" (Literal: "I have consideration for the possibility of failure.")
Analisis NVR: Kata nama: 我 (saya-kata ganti, sering dikira), 可能性 (kemungkinan), 考虑 (pertimbangan-kata nama). Kata kerja: 有 (ada). Anggaran NVR = 3/1 = 3.0 (Sangat tinggi, seperti Inggeris).

Pembentukan Semula Seperti Asli (Kecenderungan Kata Kerja): "我考虑过可能会失败。" ("I considered that I might fail.")
Analisis NVR: Kata nama: 我, 可能 (kemungkinan?). Kata kerja: 考虑过 (telah mempertimbangkan), 会 (mungkin), 失败 (gagal). Anggaran NVR = 2/3 ≈ 0.67 (Rendah, banyak kata kerja).

Mikrokes ini menunjukkan bagaimana kerangka analisis mengenal pasti lokasi tepat gangguan L1—nominalisasi "考虑" (pertimbangan) dan penggunaan struktur kepunyaan—dan membimbing pembetulannya ke arah konstruksi kata kerja yang lebih semula jadi.

11. Aplikasi Masa Depan & Hala Tuju Penyelidikan

• AI & NLP: Integrasikan NVR dan metrik gaya serupa ke dalam penanda aras penilaian untuk terjemahan mesin dan penjanaan teks. Bangunkan model pindahan gaya yang dilatih khusus untuk melaraskan "kekata-namaan" teks output agar sepadan dengan norma bahasa sasaran.
• Platform Pembelajaran Adaptif: Cipta pembantu penulisan yang memberikan maklum balas masa nyata tentang metrik gaya seperti NVR, membantu pelajar secara beransur-ansur mengalihkan output mereka ke arah norma bahasa sasaran.
• Neurolinguistik: Gunakan fMRI atau EEG untuk menyiasat sama ada pemprosesan ayat bahasa Cina NVR tinggi (berkata nama) mengaktifkan kawasan otak yang berbeza dalam pelajar L2 berbanding penutur asli, menghubungkan corak tingkah laku dengan pemprosesan neural.
• Kajian Rentas Bahasa yang Lebih Luas: Gunakan kerangka ini untuk pasangan bahasa lain (contohnya, Jerman vs. Sepanyol, Jepun vs. Korea) untuk memeta tipologi bahasa "condong kata nama" vs. "condong kata kerja" dan memperhalusi teori metafora ontologi.
• Kajian Longitudinal: Jejaki pelajar selama bertahun-tahun untuk melihat sama ada NVR secara semula jadi menumpu dengan norma asli melalui rendaman atau adakah pengajaran eksplisit diperlukan untuk perubahan yang berkekalan.

12. Rujukan

1. Biber, D., Conrad, S., & Reppen, R. (1998). Corpus linguistics: Investigating language structure and use. Cambridge University Press.
2. Gentner, D. (1982). Why nouns are learned before verbs: Linguistic relativity versus natural partitioning. In S. A. Kuczaj II (Ed.), Language development: Vol. 2. Language, thought, and culture (pp. 301–334). Erlbaum.
3. Lakoff, G., & Johnson, M. (1980). Metaphors we live by. University of Chicago Press.
4. Link, P. (2013). An anatomy of Chinese: Rhythm, metaphor, politics. Harvard University Press.
5. Tardif, T. (1996). Nouns are not always learned before verbs: Evidence from Mandarin speakers' early vocabularies. Developmental Psychology, 32(3), 492–504.
6. Tardif, T., Gelman, S. A., & Xu, F. (1999). Putting the "noun bias" in context: A comparison of English and Mandarin. Child Development, 70(3), 620–635.
7. Zhu, Y., Yan, S., & Li, S. (2021). International Journal of Chinese Language Teaching, 2(2), 32-43. (Kertas kerja yang dianalisis).
8. Universal Dependencies Consortium. (2023). Universal Dependencies. https://universaldependencies.org/
9. Pennebaker, J.W., Boyd, R.L., Jordan, K., & Blackburn, K. (2015). The development and psychometric properties of LIWC2015. University of Texas at Austin.