漢語與英語動詞-名詞偏好之跨語言分析：對英語母語者中文寫作之啟示

目錄

1. 緒論

名詞與動詞是人類語言共有的基本詞類。語言習得研究，如Gentner（1982）的「名詞普遍優勢論」，認為名詞在概念上較易掌握且習得較早。然而，跨語言研究揭示了顯著的使用偏好差異。英語表現出強烈的名詞偏好，尤其在正式與學術寫作中；而漢語則展現出明顯的動詞偏好。本研究運用現代報紙語料庫對此差異進行實證調查，並探討其對英語母語中文學習者的啟示。

2. 名詞/動詞偏好與本體論隱喻

名詞/動詞使用差異的理論根源，被認為來自對本體論隱喻（Lakoff & Johnson, 1980）的不同依賴程度。本體論隱喻涉及將抽象概念、情感或過程概念化為具體實體。英語常將過程名詞化（例如 "my fear", "her decision"），將其視為可操作的物件。相比之下，漢語傾向於保留動詞形式，直接描述狀態與過程（例如 "我害怕"、"她決定"）。Link（2013）曾透過文學摘錄提供初步證據，但其樣本有限。本研究在此理論基礎上，進行系統性的量化分析。

3. 語料庫對比研究

3.1 研究材料來源

為確保能代表現代語言使用，本研究建構了兩個語料庫：

• 中文語料庫： 選自中國主要官方報紙《人民日報》的文章。
• 英文語料庫： 選自美國主要報紙《紐約時報》的文章。

為控制領域變異，選取了相同時間段、涵蓋相似主題（如政治、經濟、文化）的文章。

3.2 研究方法與資料處理

文本使用自然語言處理工具進行詞性標註：

• 中文： 使用Stanford CoreNLP中文模型或結巴分詞詞性標註工具。
• 英文： 使用Stanford CoreNLP英文模型。

自動識別並統計名詞（包含普通名詞與專有名詞）與動詞（包含主要動詞及相關語境中的助動詞）。計算的關鍵指標為名詞動詞比：

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

並進行統計檢定（例如t檢定），以確定語料庫間差異的顯著性。

3.3 結果與分析

分析結果證實了假設中的對比：

4. 對英語母語中文學習者之影響

本研究進一步分析了中高級英語母語中文學習者的寫作樣本。結果顯示，這些學習者的中文作文平均NVR約為1.8 : 1。此比率顯著高於中文母語者寫作（接近1.1:1），且趨近於英語模式。這表明其母語（英語）產生了負遷移，導致其在第二語言（中文）寫作中動詞使用不足，並過度依賴名詞化結構。

5. 討論與教學啟示

研究結果對華語文教學具有直接啟示：

• 提升意識： 教師應明確教授漢語動詞偏好的概念，並與英語名詞偏好進行對比。
• 強化輸入： 為學習者提供大量突顯自然漢語動詞使用的真實語料。
• 聚焦練習： 設計練習，要求學習者將生硬的名詞化短語（翻譯腔）轉換為更自然的動詞結構。
• 錯誤修正： 在學習者回饋中，系統性地處理「名詞化」的寫作問題。

6. 核心洞見

• 實證驗證： 為漢語與英語間動詞-名詞偏好的理論二分法，提供了強有力的語料庫證據。
• 母語遷移： 清楚展示了根深蒂固的母語語法模式（名詞偏好）如何持續影響第二語言產出，損及文體自然度。
• 超越句法： 強調語言差異不僅在句法層面，更根源於認知風格（本體論隱喻的使用）。
• 教學缺口： 指出了一個具體、可量測的領域（動詞使用頻率），此領域在傳統以語法為中心的教學中常被忽略。

7. 原創分析與專家評論

核心洞見： 本文不僅是詞語計數，更是對固化於語法中的認知風格進行鑑識分析。真正的關鍵在於，英語「以名詞為中心」的世界觀（其偏好本體論隱喻的遺產），如何在中文學習者身上創造出一種持久的文體口音——而NVR這類指標如今能以手術刀般的精準度量化這種口音。本研究成功連結了理論認知語言學（Lakoff & Johnson）與應用語料庫第二語言習得研究這兩個常被分開的領域。

邏輯脈絡： 論證線性優雅：理論（本體論隱喻） -> 先前觀察（Link的文學分析） -> 假設（現代媒體將展現相同分歧） -> 實證檢驗（《紐約時報》與《人民日報》語料庫分析） -> 證實 -> 延伸（母語遷移是否影響第二語言產出？） -> 第二次實證檢驗（學習者語料庫分析） -> 證實 -> 實務啟示。這是紮實、漸進式研究設計的典範。

優點與不足： 主要優點在於其方法論的嚴謹性與清晰的操作化定義（NVR）。使用可比較的報紙文類控制了語域，避免了跨語言研究的常見缺陷。然而，分析存在盲點。首先，它將「名詞」和「動詞」視為單一類別。正如《通用依存關係》專案的研究所示，細微區分（例如動名詞、輕動詞）至關重要。漢語是否使用了更多輕動詞結構（例如「進行討論」），該結構技術上包含名詞但功能上屬動詞？這可能使名詞計數膨脹。其次，學習者研究可能捕捉到的是能力而非潛在語言能力。學習者過度名詞化是因為他們無法處理複雜的動詞鏈，還是純粹的母語遷移？有聲思維協定研究或可釐清此點。

可行建議： 對教育者而言：本研究提供了診斷工具（NVR）與治療方案（對比意識教學）。對技術專家而言：這是人工智慧的寶庫。像GPT-4這樣的大型語言模型，在生成文體地道的第二語言文本方面仍有困難。納入「動詞偏好」損失函數，或在NVR平衡的語料庫上進行微調，可顯著提升機器翻譯或AI生成中文文本的自然度，超越僅止於語法正確的層次。對研究者而言：下一步是動態分析。使用如《LIWC》（語言探索與字詞計數）或類似的自訂詞典工具，可追蹤學習者的NVR如何隨著針對性教學而隨時間演變，為教學成效提供清晰的衡量指標。

8. 技術細節與數學公式

核心指標——名詞動詞比（NVR），是一個簡單但強大的描述性統計量：

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

其中 $N_i$ 是文本樣本 $i$ 中的名詞數量，$V_i$ 是文本樣本 $i$ 中的動詞數量，$n$ 為語料庫中的樣本總數。

為檢驗兩個語料庫（例如：中文母語者 vs. 學習者）間的顯著差異，通常採用獨立樣本t檢定：

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

其中 $\bar{X}_1$ 和 $\bar{X}_2$ 是兩組的平均NVR，$n_1$ 和 $n_2$ 是樣本大小，$s_p$ 是合併標準差。

9. 實驗結果與圖表說明

圖表說明（設想）： 一張分組長條圖清晰地視覺化了結果。X軸有三個類別：「英語母語者（《紐約時報》）」、「中文母語者（《人民日報》）」和「第二語言中文學習者」。Y軸代表平均名詞動詞比（NVR）。

• 「英語母語者」的長條最高，約達 ~2.4。
• 「中文母語者」的長條最短，約為 ~1.1。
• 「第二語言中文學習者」的長條居中，約為 ~1.8，視覺化地展示了遷移效應——更接近英語模式而非中文母語模式。

每個長條上的誤差線（代表標準差）顯示了各組內的變異性。長條上方的星號表示所有三組之間的差異均具有統計顯著性（p < 0.01）。

10. 分析框架：個案示例

個案：分析學習者句子

學習者產出（翻譯腔）： 「我對失敗的可能性有考慮。」
NVR分析： 名詞：我（代詞，常計入）、可能性、考慮（名詞）。動詞：有。約略NVR = 3/1 = 3.0（非常高，類似英語）。

母語式改寫（動詞偏好）： 「我考慮過可能會失敗。」
NVR分析： 名詞：我、可能（可能性？）。動詞：考慮過、會、失敗。約略NVR = 2/3 ≈ 0.67（低，動詞為主）。

此微觀個案展示了分析框架如何精確定位母語干擾的位置——「考慮」的名詞化以及所有格結構的使用——並引導其修正為更自然的動詞結構。

11. 未來應用與研究方向

• 人工智慧與自然語言處理： 將NVR及類似文體指標整合到機器翻譯與文本生成的評估基準中。開發專門訓練的風格遷移模型，以調整輸出文本的「名詞化程度」，使其符合目標語言規範。
• 自適應學習平台： 創建寫作輔助工具，提供關於NVR等文體指標的即時回饋，幫助學習者逐步將其產出轉向目標語言規範。
• 神經語言學： 使用功能性磁振造影或腦電圖，研究第二語言學習者在處理高NVR（名詞化）中文句子時，與母語者相比是否激活不同的大腦區域，從而將行為模式與神經處理過程連結起來。
• 更廣泛的跨語言研究： 將此框架應用於其他語言對（例如德語 vs. 西班牙語、日語 vs. 韓語），以繪製「名詞偏向」與「動詞偏向」語言的類型學圖譜，並完善本體論隱喻理論。
• 縱貫性研究： 長期追蹤學習者，觀察其NVR是否透過沉浸式學習自然趨近母語者規範，抑或需要明確教學才能產生持久改變。

12. 參考文獻

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. (The analyzed paper).
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.