同济大学 韩 毅 刘运同

提要：在汉语国际教育的理论研究和教学实践中，汉语学术口语是一个重要的组成部分，然而目前该领域的研究和探索十分有限。本文使用LancsBox平台搭建了规模达86,395字的试验性汉语学术口语语料库。在语料采写的过程中，通过运用语音识别技术，再结合文本人工校对，大幅提高了采写的工作效率。语料处理方面，在参考各类标注系统的基础上，研究采用XML格式，标注了停顿、重复、口误、填充词、未完句和替换等口语现象。同时，利用所搭建的汉语学术口语语料库，本文对汉语学术口语的一些典型特征开展了初步研究。在词频统计和词语分布分析的基础上，本文还完成了汉语学术口语中的自然停顿单位分析及其分布统计，发现自然停顿单位的长度集中在1—15个音节的区间上。

1.引言

在汉语国际教育的研究与教学实践中，生活汉语、通用汉语的教学与研究较多，学术汉语的教学与研究较少，汉语学术口语的教学与研究更少。无论是在英语作为第二语言还是汉语作为第二语言的研究领域，目前语料库的建设都呈现出书面语语料库较多、口语语料库较少的局面。

本文希望通过创建小型试验性汉语学术口语语料库，为进一步创建大型口语语料库，特别是学术口语语料库的探索提供工具和方法方面的支持。利用所搭建的汉语学术口语语料库，初步统计分析所选取语料的停顿单位、词频分布、语义关联以及特殊句式等研究课题，为汉语学术口语研究、口语研究提供语料基础和方法借鉴。……