2023年12月8日下午16：00-18：00，应大连海事大学外国语学院邀请，瑞士纳沙泰尔大学的Martin Hilpert教授进行了题为“为何自然语言中的语法元素比词汇元素分布更加均衡”的学术讲座。本次讲座受到大连海事大学“海外名师讲堂”项目资助，由外国语学院及国际合作与交流处联合主办，由孟庆楠副教授主持，并通过腾讯会议在线平台，向全球各地感兴趣的师生开放直播。

讲座开始时，Martin Hilpert教授首先向大家简要介绍了诸如频数、离散度等语料库语言学研究的相关基本概念，然后基于自己的前期研究成果，讲解语法元素和词汇元素在自然语言中的分布差异。本次讲座主要围绕离散度及其量化方法展开，基于英语国家语料库（BNC），提取出其中具有代表性的70个词汇元素和70个语法元素，然后针对讲座题目中的问题，提出了频数假说和语义概括性假说，通过多项式回归分析（polynomial regression analysis），分别对词频及语义因素对于离散度的重要性进行度量。

       关于离散度的度量，Martin Hilpert教授首先简要回顾了此前被广泛采用的几种方法，如全距（range）、标准差（standard deviation）、变异系数（variation coefficient）以及Gries（2008）提出的比例偏差（deviation of proportions，简称DP），并指出这些方法存在的普遍问题，即与频数之间存在较强的相关性，且DP方法极易受到语料库库容大小及所选切分单位大小的影响。在此基础上，引出Gries（2022）提出的去除频数影响后的比例偏差（DP_nofreq）这一全新的度量方法。通过观察DP_nofreq与词频之间的散点图可以发现，此前得出的DP与词频之间存在负相关性的结论其实具有误导性，在去除了频数的影响后，二者之间实际应该呈正相关关系（如下图所示）。关于对语义概括性的度量， Hilpert教授提出了四个可操作化指标，并分别与频数及频数的平方项一起作为预测变量，建立多项式回归分析模型，观察这些变量是否对反应变量DP_nofreq具有显著影响。通过将回归分析的结果与此前Hilpert & Correia-Saavedra（2017）选用DP作为反应变量的回归分析结果进行比对后发现，在前后两个模型中，词频、词频的平方项以及搭配向量的标准差（SD of collocate vectors）三个预测变量前面的回归系数均通过了显著性检验，而其他三个语义度量指标则均未能进入回归方程。不过，两个回归模型中各回归系数的符号方向并不完全相同。

本次讲座共吸引了来自海内外高校感兴趣的师生80余人次，在讲座的最后设置了大约15分钟的答疑互动环节，听众们纷纷踊跃提问，积极与Martin Hilpert教授进行学术交流。本次学术讲座有助于让广大师生及时了解国外语料库语言学及计量语言学研究的最新前沿动态，同时这一计算离散度的全新量化方法对于构式搭配分析及语法化研究等领域也具有重要的借鉴意义。

主讲人简介：

       Martin Hilpert教授，博士毕业于美国莱斯大学语言学系，后在美国加州大学伯克利分校计算机科学学院从事博士后研究。现为瑞士纳沙泰尔大学（Université de Neuchâtel）分管教学副校长，语言学学科负责人，主要从事构式语法、认知语言学、语料库语言学等方面的研究。现为SSCI刊物Functions of Language主编、Cognitive Linguistics副主编，以及Constructions and Frames、English Language and Linguistics等刊物的编委会成员。此外，Martin Hilpert教授还曾应邀在日本、法国、西班牙等国举办的认知语言学、构式语法、语料库语言学国际学术会议上进行过主旨发言，并于2018年获得瑞士政府颁发的“最佳教学奖”。