拨开句法复杂度研究的云雾——硕外19周文慧讲座心得
作者：周文慧 发表日期：2020-04-02 浏览次数：

在2019年末的时候，在导师的推荐下阅读了陆小飞老师关于句法复杂度相关研究文章，当时第一次看完研究文章的时候，我对其中涉及的操作方法一是感到云里雾里，二是非常好奇，当时就盼望着要是有机会能听到陆老师的讲座就好了，没想到，这个愿望就在这个学期实现了，也多亏了网络技术，让距离不再成为学习的障碍。这次非常荣幸能够有机会聆听陆老师关于句法复杂度的专题讲座，让我这个学术新手有种拨云见日、豁然开朗的感觉。

一、为研究问题选择合适的研究方法和工具

人们常说“工欲善其事，必先利其器”，这句话用在学术研究中的初始阶段似乎要做些修正。无论是上周金檀老师的讲座还是这周陆老师的讲座，两位老师都很中肯地指出研究首先要找到一个好的切入点，其次才是研究方法的选择。在选好切入点以后，陆老师强调要为研究问题选择合适的工具和方法，方法并非越先进越好，适合的才是最好的。所以，在着手研究前，我们也要对所使用的研究方法和工具要有充分的了解。陆老师在这次讲座中介绍了在句法复杂度研究中主要用到的四套辅助分析工具，并且仔细地说明了每个工具产生的背景、针对的研究方向、适用范围以及其中的一些测量指标等。

这四种工具包括：

1. Biber Tagger

这套分析指标原本用于分析语体（register）之间的差别，后来因为开发者Biber对句法复杂度也有研究兴趣，所以一些指标也被用于句法复杂度的分析中，但其对句法复杂度的定义更宽泛。这个工具因为还没有公开发行，所以除开发者及其团队以外，其他研究中比较少用到这个工具。

2. Coh-Metrix

这套分析指标是原用于考察美国中小学生阅读文本的连贯性，以此来给阅读文本的难度定级，所以这些指标主要用于句子连贯的研究中。这套工具包含一百多个指标，但在句法复杂度的指标分类中还不太系统，并且其测量的准确度也没有进行报告。

3. L2 Syntactic Complexity Analyzer

这套句法分析的指标是陆老师在综合前人研究方法的基础上提出来的，包含5大类14个指标，且经过测试，句法复杂度分析的准确度比较高。

4. Tool for Automatic Analysis of Syntactic Sophistication and Complexity (TAASSC)

前面介绍的三种分析工具的指标分类都是属于large-grain，属于大类分析，不分析具体句子类型下的再分类。比如，研究independent clause，但是不分析independent clause下面不同类型句子的复杂度。而第四个工具则属于fine-grain，填补了前面的空白，因为分类比较细致，适合用于复杂程度比较高的文本中。

以上四种工具，除第一种以外，都是可以在网页搜索到并且免费使用的。

在这个介绍的过程中，我也感受到了熟悉研究工具不同特点和作用的重要性，对不同的研究方法做好优缺点的分析，有利于我们更好地利用分析工具，把握好自己的研究问题的同时，结合他人研究方法之所长，做到研究上的“知己知彼”。

二、拓展思路，持续挖掘

除了对句法复杂度的研究工具做了详细介绍以外，陆老师也向我们建议要多阅读前人的文献，思考前人研究存在的不足之处之余，拓展自己的研究思路，看前人研究能否和自己的研究领域联系起来，从中得到启发。陆老师在讲座中带我们了解了与句法复杂度相关的研究话题，包括研究工具、二语习得、语言测试、二语教学等方面。同时，他也提到我们可以从研究领域的大方面着手，去找到自己感兴趣的研究点，然后发挥自己的能动性去探索和填充我们在这些研究点的知识空白，为之后的研究打好基础。句法复杂度虽然只是语言学研究中的一个小点，但结合不同的研究话题，它是可以一直深入拓展的，所以陆老师也提到，别看这只是一个小点，把研究思路拓展开了，会发现有很多可以研究的地方。

研究既要回顾过去，也要面向未来，所以在讲座最后一部分陆老师也和我们分享了当前在句法复杂度方面未来可以继续关注和探究的方面，

三、写在最后

在讲座的最后我也向老师提问了，在老师的回答中我也意识到不能把自己局限在“文科生”这个标签里，要学会主动去拥抱一些新的知识和技术，会对自己未来的学习和研究有帮助。同时也可以和其他的老师、同学交流，探索新思路，合作进行新的研究，不断探索和前进。