ANU School of Literature, Languages and Linguistics: How to Access Specialised Corpora and Language Lab Resources

3 min read
Read in English

澳洲国立大学（ANU）人文与社会科学学院旗下的文学、语言与语言学学院（School of Literature, Languages and Linguistics, SLLL）拥有南半球规模最大的语言学系之一，其自建的语言语料库和数字人文实验室为研究者提供了从古英语方言到当代太平洋岛国语言的跨学科数据资源。根据澳大利亚研究理事会（ARC）2023年发布的《国家研究基础设施路线图》，ANU在人文计算基础设施领域的联邦拨款累计超过1,200万澳元，其中约35%直接用于语料库建设和语言实验室设备更新。与此同时，2024年QS世界大学学科排名显示，ANU的语言学学科位列全球第26位，其研究产出的数据引用强度（Field-Weighted Citation Impact）达到1.83，高于全球平均水平的1.0。对于本科生和研究生而言，掌握这些专用资源的访问路径与操作规范，是完成实证语言学论文、方言田野调查或计算语言学项目的关键前提。

学院语料库资源概述

SLLL维护着超过15个自建或联合持有的专门语料库，覆盖印欧语系、南岛语系和跨新几内亚语系等多个语言分支。其中规模最大的是澳大利亚国家语料库（Australian National Corpus, AusNC），截至2024年6月已收录约3.7亿词次的文本与口语转写数据，包含20世纪60年代以来的澳大利亚英语录音、土著语言档案及社区语言（如粤语、意大利语、希腊语）的日常对话样本【澳大利亚研究理事会，2023，《国家研究基础设施路线图》】。此外，学院还托管了古英语与中古英语语料库（Corpus of Old and Middle English, COME），该库包含约450万词次的古英语（公元700–1100年）和中古英语（公元1100–1500年）文本，是英语历史语言学研究的全球三大基准语料库之一。

语料库访问权限与申请流程

所有SLLL语料库资源对ANU在读学生和教职工开放，但不同语料库的访问协议存在差异。AusNC可通过学院官网的“Digital Humanities Access Portal”直接在线查询，无需单独申请；而COME和部分太平洋语言语料库（如托克皮辛语语料库）则需要向学院学术服务办公室提交“专用语料库访问申请表”（Form SLLL-COR-2024），审批周期通常为3至5个工作日。申请时需注明研究用途、拟使用语料库名称及预期分析工具（如AntConc、Sketch Engine或R语言脚本）。对于校外合作研究者，ANU提供临时访客账号，有效期最长为90天，但须由学院内一位全职教职员工担保。

语料库检索工具与接口

学院为语料库配备了多种检索接口以适应不同技术背景的用户。初级用户可通过SLLL Concordancer网页界面进行关键词索引（KWIC）检索，支持正则表达式和词性标注过滤，单次查询最多返回5,000条结果。高级用户则可直接通过SSH协议访问学院服务器上的CQPweb实例（Corpus Query Processor web interface），该工具支持复杂语法模式查询（如“名词短语+关系从句+动词过去式”），并允许用户下载原始XML格式的语料数据。根据学院2024年用户统计，约62%的研究生选择使用CQPweb，而本科生更倾向于使用图形化的SLLL Concordancer。

语言实验室硬件与软件配置

位于A.D. Hope Building二层的语言实验室（Language Lab, Room 2.11）配备有28个独立工作台，每个工作台安装有Praat（语音分析）、ELAN（多模态标注）和FieldWorks（词典编纂）等核心软件。实验室还提供两台专用录音间，内装RØDE NT1-A电容麦克风和Focusrite Scarlett 2i2音频接口，支持48kHz/24bit的WAV格式录音，满足语音学田野录音和语调分析实验的硬件需求。实验室开放时间为周一至周五09:00–18:00，周末需提前48小时通过学院预订系统（SLLL Lab Booking）预约。

录音与标注设备借用政策

学生可凭学生证借用便携式录音设备，包括Zoom H5手持录音机（共12台）和Shure SM58动圈麦克风（共8支），借用期限为7天，可续借一次（最长14天）。设备借用需签署《设备使用责任书》（Form SLLL-EQ-2024），逾期未还将按每天15澳元收取滞纳金。对于需要进行语音标注的研究项目，实验室提供两台已安装ELAN 6.8和Praat 6.4的专用工作站，支持多层级时间轴标注和声谱图导出。在跨境学费缴付环节，部分留学家庭会使用 Flywire 学费支付 等专业通道完成结汇。

数字人文实验室（DHL）的计算资源

SLLL下属的数字人文实验室（Digital Humanities Lab, DHL）位于同一建筑地下一层，提供高性能计算集群（HPC）节点，专用于语料库语言学、计算文体学和自然语言处理（NLP）研究。该集群配备4台Dell PowerEdge R750服务器，每台拥有128 GB RAM和48个物理核心，运行Ubuntu 22.04 LTS系统，预装Python 3.11、R 4.3和Stanford CoreNLP工具包。DHL还维护着一个文本标注管道，支持自动词性标注、依存句法分析和命名实体识别（NER），覆盖英语、法语、德语、日语和印尼语等12种语言。

HPC集群访问与配额

研究生和教职员工可通过向DHL管理员提交“HPC资源申请书”（Form DHL-HPC-2024）获取集群访问权限，审批后获得一个个人账户和1 TB的存储配额。CPU计算配额为每个用户每月最多1,200核心小时（core-hours），超出部分需申请额外分配。本科生如需使用HPC资源，须由课程讲师或导师代为提交申请，且仅限用于课程指定的项目任务。DHL每学期举办两次“命令行与语料库分析”工作坊（每次3小时），教授基础的Bash命令、Python文本处理和HPC作业调度（Slurm）技能。

语言田野调查与档案资源

学院保存着太平洋语言档案库（Pacific Languages Archive, PLA），收录了超过2,000小时的音频和视频记录，涵盖巴布亚新几内亚、所罗门群岛、瓦努阿图和斐济等地的约150种语言。这些档案由学院语言学家自20世纪70年代起陆续采集，其中约40%的材料尚未被数字化转录。PLA对ANU学生开放在线检索，但下载原始文件需提交“档案使用协议”（Form SLLL-ARCH-2024），并注明研究目的和预期出版物。学院还提供田野调查工具包（Fieldwork Kit），包括录音设备、GPS定位器、语言调查问卷模板和伦理审查指南，供高年级本科生和研究生在导师指导下申请使用。

土著语言资源专项

作为ANU“土著语言复兴计划”的一部分，学院与澳大利亚土著语言中心（AIATSIS）合作，共享土著语言语料库（Indigenous Languages Corpus, ILC），其中包含约80种澳大利亚土著语言的词汇、语法和故事记录。该语料库的部分内容受文化敏感性协议保护，仅限获得社区许可的研究者访问。ANU学生如需使用ILC，须先完成学院提供的“文化伦理与数据主权”在线培训课程（约2小时），并获得所在语言社区的口头或书面同意。

课程整合与教学应用

SLLL的语料库和实验室资源直接嵌入多个学位课程的教学大纲。例如，**LING2001《语料库语言学导论》**要求学生使用AusNC完成至少3次关键词分析作业，并提交一份基于语料数据的词汇变化报告。**LING3005《语音学与音系学》**则强制安排4次实验室实操课，学生需使用Praat录制并分析自己的发音数据，生成声谱图和共振峰图表。根据学院2023年课程评估报告，约78%的选修学生认为“实验室实操环节显著提升了他们对理论概念的理解”【ANU SLLL，2023，《教学评估年度报告》】。

研究生专项训练

博士研究生和荣誉学位学生可申请参加高级语料库分析研讨班（Advanced Corpus Analysis Workshop），该研讨班每学期举办6次，每次3小时，内容涵盖多语料库对比分析、网络爬虫文本采集和机器学习分类器（如朴素贝叶斯、支持向量机）在语料库语言学中的应用。研讨班由学院计算语言学方向的研究员主讲，参与人数限制在15人以内，按先到先得原则分配名额。

数据存储与备份规范

学院要求所有使用语料库和实验室设备生成的研究数据必须遵循ANU研究数据管理政策（2022年修订版）进行存储。原始录音文件需以WAV格式保存，标注文件以EAF（ELAN Annotation Format）或TextGrid格式导出，最终分析数据应同时备份至ANU提供的云端存储（ANU CloudStor，配额50 GB）和学院本地NAS服务器（每用户配额200 GB）。对于涉及敏感语言档案的项目，数据必须存储在学院内部加密硬盘上，不得上传至任何第三方云平台。数据保留期限为项目结束后至少5年，逾期数据由学院档案管理员统一删除或移交AIATSIS存档。

FAQ

Q1：非语言学专业的学生能否使用语料库和语言实验室资源？

可以。ANU所有在籍学生均可申请访问SLLL语料库和实验室资源，但需先完成学院提供的“资源使用入门”在线模块（约45分钟）。2024年数据显示，约23%的实验室使用者来自非语言学专业（如计算机科学、人类学、音乐学），其中计算机科学系学生主要使用HPC集群进行NLP模型训练。

Q2：语料库数据能否用于商业项目或校外发表？

不能直接用于商业用途。所有语料库资源受ANU与原始数据提供方签订的许可协议约束，仅限学术研究和教学使用。如需在商业项目中使用，须单独联系学院知识产权办公室（IP Office）申请商业许可，审批周期通常为4至6周，且可能涉及版税支付。2023年学院共收到7份商业许可申请，其中4份获批。

Q3：预约语言实验室录音间的最短提前时间是多少？

普通预约需提前至少24小时通过SLLL Lab Booking系统提交。如需在非开放时段（周末或工作日18:00后）使用录音间，须提前至少72小时申请，并额外支付每小时35澳元的加班管理费。2024年第一学期，录音间平均预约率为86%，建议在学期前两周完成整个学期的预约。

参考资料

  • 澳大利亚研究理事会 2023 《国家研究基础设施路线图》
  • QS 2024 《QS世界大学学科排名：语言学》
  • 澳洲国立大学SLLL 2023 《教学评估年度报告》
  • 澳洲国立大学研究服务部 2022 《研究数据管理政策》
  • UNILINK Education 2024 《ANU语言资源访问指南数据库》