博客來網址: http://www.books.com.tw/exep/prod/booksfile.php?item=0010488527

資料密集式語言學習

張俊盛 Jason S. Chang

國立清華大學 資訊工程學系 

中央研究院台灣國際研究生院 計算語言學與中文處理學程

隨著全球化腳步加快，網路通訊科技飛速發展，不論是貿易、文化、生活都以全球為舞台。因此，如何透過科技，發展新的教育學習策略，強化國際溝通能力，成為個人、國家提昇全球競爭力的重要課題。然而，在外語學習方面，無法全面安排英語為母語的師資，也缺乏實際練習機會。

因應這種全球化的語言教育的挑戰，今日的學校外語教育與自學，需要新的「以資料為師」的數位學習新典範，以強化語言學習的效果。廖教授在本書特別介紹許多套國內外開發的語言學習工具。這些工具的開發與應用，可以說和資料密集技術的理念完全契合。我們也可以說廖教授介紹的是「資料密集語言學習」 （data-intensive language learning）的新典範。

 最近美國出版的一本書《The Fourth Paradigm: Data-Intensive Scientific Discovery》 呼應杜林獎[1]得主 Jim Gray 的主張 ── 科學發展走過「實驗、理論、計算」三個典範，最近漸漸形成以「資料」為重點的第四典範。書中很多科學家指出未來科學的發展，將取決於不同學科的研究者如何彼此合作，運用密集資料技術，改善處理流程，並透過雲端運算的分散平行處理技術、視覺化方式，來分析、提煉、呈現資料。在語言工程方面，新典範也開始發揮影響，顛覆了機器翻譯、電腦輔助語言學習的傳統研究方式。

以 Google Translate 機器翻譯系統為例。負責的 Franz Josef Och 帶領研究人員，分析、統計大量雙語對照的語料庫，開發統計式機器翻譯系統。短短幾年內，發揮驚人效應──不懂外語的研發人員（不懂中文的研究者開發英中、中英翻譯系統）──用極簡理論架構與極大量資料，所開發出的系統，居然勝過 50 年逐漸發展出來的傳統機器翻譯作法（例如 Systran 機器翻譯系統）。足見資料、計算的角色提昇，而實驗、理論的角色減弱。

過去很多的資料是透過設計、蒐集而形成，如光華雜誌語料庫、英國國家語料庫。其規模不能說不大，對語言學習也有不可輕忽的效果。此時此刻，網路無庸置疑已經成為蒐集學習資訊的最佳途徑──數百萬網路作者提供了各學科學習、語言學習的最重要資料。語言技術研究者漸漸接納資料密集的觀念，也有學者開始運用網路語料庫開發語言學習工具。

廖教授書中提及的清華大學 Linggle 系統是少數學界開發，規模逼近業界搜尋引擎規模的特例。2008 年新開發的 Linggle 系統（Linguistic Search Engine）使用更大的 Google Web 1T 5-gram資料（一兆詞網頁資料 1 到 5 連字的統計資料）。過程中過濾其中的錯字，並巧妙地加註詞性，可以支援創新的「任意詞性＋關鍵詞」搜尋方式。例如，在 Linggle 上查詢 "ADJ beach" 可以學習超過 1,000 筆 "beach" 的搭配形容詞。如果查詢 role 這個單字的用法，可以得知最常配合的動詞是 play，形容詞是 important，介詞是 in。到了 2010年紐西蘭 University of Waikado 也開發出 Greenstone Project 系統，功能更加完整。

另外廖教授也介紹了能在學習者的寫作中偵測錯誤，提供建議或評分的工具，如清華大學的 MUST 雛形系統。根據最近的一份研究報告《Automated Grammatical Error Detection for Language Learners》指出，MUST 是目前動詞偵錯效果最好的系統。這份研究報告還介紹了其他如 Educational Test Services （即舉辦托福考試的 ETS）、微軟公司、英國牛津大學等研究單位，積極開發的主動式寫作工具，目前已經都有不錯的成效。隨著資料擴大到網路規模的趨勢，這些工具都會越來越成熟。

資料密集科學為語言學習帶來新思維 ── 有效地篩選、分辨網路規模的資料中最有學習價值的資訊，可以顛覆傳統的教材與教學方式。資料密集的語言學習的研發作法，能彌補能說、寫流利外語教師的不足，增加學生聽說讀寫的互動機會，大幅提昇學習的效果。

如果我們要大幅度提昇語言學習的效果，語言教學的學者和資訊科學家必須密切合作，一起運用雲端運算技術，來駕馭密集的資料，顛覆傳統的學習方式，大幅提昇語言學習效果。廖教授的這本書，相信可有效地推廣「資料密集式語言學習」的觀念與實務，對老師、學生都是一大福音。我樂於推薦本書，是為序。