會議進行到第二天，整個人感覺累垮了，一方面做helper要花很多精力，一方面各種talk消化起來也不容易。
早上被分配到的那個hall是一個workshop，還特別長，從上午一直要講到下午。進去之後，心就涼了，一群巴西人。倒不是我歧視巴西人什麼的，只是他們的研究手法太浪漫化，只有他們自己買帳。果然，大爺在上面用iPad讀keynote讀得起敬，講MDA-multidimensional discourse analysis，從Biber的multi-factor analysis（MFA）發展而來。巴西人果然喜歡做DA，可惜手法太浪漫，沒多少人認可。大爺讀了二十分鐘的keynote，真的是一個詞一個詞讀下來的！果然一講完很多人落荒而逃，連後面本來坐着得big name也逃了。
我也不例外，逃到旁邊的hall和我同學換了（真是可憐她了，午飯時問她如何，一臉苦逼相...)。旁邊這個room是布拉格查理大學的workshop，果然是布拉格學派的發源地，陣容強大，派出一幫人來介紹他們得discourse annotation技術。如果我沒弄錯的話，這樣的嘗試還頗為新穎。corpus的標註有不同的level，從最細的morpheme（下午有大馬的學者講到），word，phrase，clause，sentence，paragraph，而disource還很少有人嘗試。主要是discource的變化更多，很難模式化。這位捷克學者專注與構造Prague Dependency TreeBank的構建，目前大致完成了2.0，據說到年底能更新到3.0。discourse annotation主要關注語篇中得連接成分。而這裡所借鑑的dependency grammar其實和布拉格學派得valency grammar有相似之處。果然是一脈傳承。
第三個session是來自波茨坦大學的一位學者。感覺有很強的計算機背景，做的手法是NLP+ML，基於德語做的discourse annotation，他做的更成熟，感覺比上面這位走得更遠。數據是基於德語的政治評論。比較倒黴的是他的Macbook Air一代的視頻輸出有很大問題，投影效果很差。
三個session結束後，幾位做了長時間的討論，因為原先沒有接觸過，於是在一旁靜靜地聽他們。討論進行得很深入，提到了到底是top-down還是bottom-up做標註，兩者似乎都有些極端，所以傾向於將兩者結合起來做。
上午的coffee break之後，是Paul Baker的plenary speech，錯過了昨天的ps，今天特地去聽。co-or做了chair，介紹了Paul，確實是大牛，九年寫了十本書，三十五份學刊的author/co-author，還要帶PhD學生，感嘆他是怎麼分配時間的！問題是，他看起來極年輕，沒有謝頂，真是精力旺盛！
演講的主題是利用corpus做cda，非常精彩。很多人都認為cda和corpus是兩碼事，很難結合（我也這麼認為，嘗試過一次，覺得太難了）。但不少大牛都有嘗試，從2000年開始，陸續有大牛在前面開路，比如Susan Hunston之類的，但跟進者不多，主要還是結合不好。Paul做了先驗性的研究，提出了corpus-based cda的研究模型。選取了英國報紙中報道穆斯林恐怖襲擊的報道，構築了一個歷時性語料庫，然後請五位學者分別做cda研究。
Paul的模型比較靈活，他自己說，這個是一個基礎模型，但可以根據需求改動。五位研究者用了不同的工具遵照這個模型來分析。Paul特別留意了他們選取的關鍵詞，發現只有一個詞組被五個研究者同時選取，而大約只有35%的詞被兩個或以上的研究者同時選取，剩下的都是各自為政。由此可見，即使遵照相同的模型，研究者的研究喜好還是有很大的不同，所以這個approach的發展還是不確定。不過至少Paul的模型為後繼者開拓了一個比較容易上手的門路。
大牛的想法果然很有啟發性，當然我永遠不會做cda啦～ （被老頭子知道，又要fail我了，可憐兩天都還沒見到他的影子）。
下午的會場有調整，那個MDA的workshop換了地方，萬幸！我那個會場是Pecha Kucha，結果是我導師做chair。唔，他是所有chair中最累的！Pecha Kucha有嚴格的時間限制，所以slide都需要做轉換，他花了整整一天時間把那些PPT轉換成keynote，多絕望的事啊！兩場Pecha Kucha都是他chair，所以一共17個slide需要轉換...
第一個PK是西班牙格拉纳达大學的一位學者做的詩篇分析。她去年在我們這兒做visiting scholar，所以之前聽過她的介紹，分析一個lesbian詩人的詩篇，主題大致是後殖民主義的女性解放。今天沒仔細聽，大致和上次的一致。
第二個PK是台灣成功大學的一位學者，講的是西語糾錯腳本的開發，基於台灣CATE corpus，結果會場有Spanish native speaker，評價說舉的樣本有問題，那個樣本可能只是方言間的差異，並不是錯誤。其實這是一個很難定性的問題，對於初學者而言，需要有嚴格的語法來保證他們的語言規範性，所以可能基於比較嚴格的語法規則，那些可以被認為是錯誤。
第三個PK是波蘭波茲南大學的一位學者，研究波斯語的phraseology，不是太感興趣，沒細聽。不過引用了韓禮德的一句話，還是挺有意思的，大致說20million規模的corpus就足夠用了，回來查了一下，這句話是韓禮德1969年說的。
第四個是講BootCat的，來自意大利博洛尼亚大学大學的學者做了介紹，這是款開源誇平台的corpus構建軟件，基於web as corpus的概念。給定最少五個關鍵詞之後，就能自動搜集樣本。理念不錯，產品也做得比較成熟（剛才嘗試了一番，結果跑死機了，暈！）。問了一個問題，這樣的產品類似於spider/crawler，如果網頁有anti-bot怎麼辦？答曰，那就不要了，本來我們也就是一個網站下載一個網頁的。結束後，拉着導師討論了下，覺得這樣的樣本代表性有些不靠譜。因為他們的網頁選取是基於yahoo的搜索結果，所以就相當於搜索排名高的被選取（可以把這個問題極端到百度的競價搜索），那麼選取的網頁不是基於語用功能，而是social impact了，和Sinclair的理念不符。
第五個PK是紐卡斯爾大學的一位nursing專業的學者做的。佩服她的勇氣，一個毫無linguistics背景的nursing學生嘗試用corpus來輔助nursing教學，而且跑到這個領域的top conference來做展示！她的項目很龐大，縱跨三年，橫跨三個校區。看了下具體的應用，覺得還是比較淺，和英語教學中的應用完全沒法比。無論如何，這樣大膽的嘗試都值得讚許！
第六個PK是來自雷丁大學大學的一位突尼斯裔學者的研究，基於突尼斯語使用者學習英語的研究，樣本是學術文章，50篇soft science文章和50篇hard science文章。
第七個PK是奧地利科學院語料庫的兩位研究者做的。兩位利用德語的歷史預料來做研究，講這些材料digitalization，然後為今後研究提供方便。他們提出了一個container的概念，希望將文本根據主題分類。因為材料數量很大，有500m，所以分類是一個很重要的環節。後來導師提的問題很有意思，因為自己也是德國人，所以問了關於左翼樣本的問題，兩位研究者回答，確實不好找，很多都被銷毀了。不過經過努力還是在俄羅斯找到了部份。
第八個PK是來自赫爾辛基大學的研究者關於descriptive grammar的介紹，口音很重，聽眾幾乎沒人聽懂，囧～
coffee break之後，聽了大馬女學者的mopheme annotation，計算機出身，用Beamer做的slide，昨天那位謝菲爾德大學的學者也是用Beamer，看來linguistics也在慢慢向cs靠近，開始用更樸素的工具。講的很細，使用linguistica做的標註。可惜她的talk和其他幾位大牛的talk撞車，結果只有一位聽眾，加上chair，下一位演講者和我，只有四個人聽她講，真可憐。
今天最後一場，跑去聽Peter White的講座。大叔也是Birmingham出身，後來跑去澳洲做學問。今天講的是news machine translation的translatablity和untranslatability，構建了英語，法語（未來有中文）的parallel corpus，舉了idiot/fool在英法兩種語言中的不同對應用法。
唔，花了兩個小時，對照programm和abstract總算寫完了，力求沒有錯誤吧...
0 comments:
Post a Comment