Page 17 - 基于大数据的英语翻译精准教学及实现路径

第一章 大数据技术概述及其与教育的结合

素和样本量可能都趋于无穷大的增长”。由于数据规模大且类型复杂，在这种情
况下传统的统计学和线性分析方法（如相关系数、回归等）难以刻画数据内部的
复杂关系，因此产生了一系列新的算法来处理高维度的大规模数据。因此大数据

不单指语料规模的扩大，同时也是数据结构和方法的不同，可以认为是一种研究
范式的转变。
大数据的数学方法在过去几十年间经历了长足的发展，产生了包括关联分析、
聚类分析、神经网络等各种类型的方法，其中每一类又有不同的具体算法，如聚

类算法常见的就包括决策树、神经网络、贝叶斯分类器等，通过这些算法从大规
模、高维度的复杂数据中训练人工智能模型，发现有价值的信息。相关实证研究
证明，大数据范式对于语言本体和应用研究具有可能性和适用性。

（二）基于大数据的语言治理研究内涵
基于大数据的语言治理研究具有三重内涵：新的领域（语言数据参与社会治
理）、新的方法（以关联分析、聚类分析、神经网络等为代表的大数据算法）和
新的对象（人工智能生成语言）。语言治理的“数据转向”具备十分丰富的理论
内涵和实践前景。

1. 新的领域：语言数据参与社会治理
语言数据可以作为大数据集合中的一个或多个维度，致力于解决社会治理的
具体问题。如在中国家庭追踪调查中，有十余个语言相关的维度，这些维度可以

参与到特定问题的大数据研究中。从应用角度来看，既然语言数据的变量和其他
变量能够构成相关性，语言数据参与到社会治理就存在可能性。比如在国家安全
理论和实践中，研究者可以利用深度学习，建立国家安全和特定语言大数据特征
值之间的关系。因此，当语言数据被纳入社会经济大数据的挖掘过程，凭借其丰
富的信息特征，应用前景广阔，比如可以通过社交媒体大数据的信息抽取，进行

反恐预防和舆情分析。一些研究也通过语言数据和医疗数据关联，探索老年人阿
尔兹海默症和语言使用的相关提示表征。可以预见，未来语言数据能够与特定社
会经济治理实践结合起来，共同服务于心理干预、社会治安、民生问题、反恐反

诈等领域。
2. 新的方法：以关联分析、聚类分析、神经网络等为代表的大数据算法
以关联分析、聚类分析、神经网络等为代表的大数据算法，可以为语言治理
研究带来新的方法。语言数据自身具备大规模、高维度的特征。语言本体研究划

9