Tổng quan luận án

Luận án tiến sĩ ngữ văn chuyên ngành Ngôn ngữ học So sánh - Đối chiếu (mã số 9222024) của nghiên cứu sinh Nguyễn Thị Như Điệp, thực hiện tại Trường Đại học Khoa học Xã hội và Nhân văn – Đại học Quốc gia Thành phố Hồ Chí Minh (năm 2021) dưới sự hướng dẫn khoa học của PGS. Đinh Điền, mang tiêu đề: "Các yếu tố ngôn ngữ ảnh hưởng đến độ khó của văn bản tiếng Việt (đối chiếu với tiếng Anh)".

Tính cấp thiết và khoảng trống nghiên cứu

Trong thực tiễn giao tiếp và giáo dục, ngôn ngữ trong sách giáo khoa, tài liệu, báo chí cần được lựa chọn phù hợp với độ tuổi và trình độ của người đọc nhằm đảm bảo hiệu quả tiếp nhận. Lịch sử nghiên cứu về độ khó của văn bản (ĐKVB - readability) trên thế giới đã phát triển hơn hai thế kỷ, bắt đầu từ tiếng Anh, mở rộng sang các ngôn ngữ châu Âu và một số ngôn ngữ châu Á. Hàng loạt công thức và công cụ tự động đo ĐKVB đã được tích hợp vào các phần mềm soạn thảo (như Microsoft Word), công cụ tính toán ngôn ngữ (Coh-Metrix) và các khung đánh giá năng lực ngôn ngữ quốc tế (CEFR).

Trái lại, tại Việt Nam, nghiên cứu về ĐKVB tiếng Việt còn rất hạn chế. Trước thời điểm luận án thực hiện, tiếng Việt chỉ có hai công thức đo ĐKVB thực nghiệm của nhóm tác giả Nguyễn Thanh Liêm và Alan B. Henkin (1982, 1985) xây dựng trên tập ngữ liệu hẹp gồm 24 văn bản và chỉ dừng lại ở hai yếu tố bề mặt (độ dài từ, độ dài câu). Tiếng Việt chưa có công cụ tự động đo ĐKVB và chưa có công trình nào khảo sát toàn diện các yếu tố ngôn ngữ (YTNN) ở cả ba cấp độ: từ, câu và văn bản theo hướng định lượng kết hợp đối chiếu với tiếng Anh. Do đó, việc nghiên cứu có hệ thống các YTNN ảnh hưởng đến ĐKVB tiếng Việt là yêu cầu cấp thiết về mặt lý thuyết lẫn thực tiễn.

Mục tiêu và nhiệm vụ nghiên cứu

Mục đích chính của luận án là xác định vai trò, tác động và mức độ ảnh hưởng của các YTNN đối với ĐKVB tiếng Việt trên cơ sở đối chiếu với tiếng Anh.

Để đạt được mục đích trên, luận án xác lập bốn nhiệm vụ nghiên cứu cụ thể:

  1. Khảo sát ngữ liệu để tìm ra sự giống nhau và khác nhau của các YTNN ảnh hưởng đến ĐKVB tiếng Việt so với tiếng Anh; trên nền tảng đó, tìm ra cơ sở so sánh các yếu tố này giữa hai ngôn ngữ.
  2. Phân tích các mối quan hệ và sự tương quan giữa các YTNN ảnh hưởng đến ĐKVB tiếng Việt (đối chiếu với tiếng Anh) trong ba phạm vi: từ, câu và văn bản.
  3. Phân tích tần suất, vị trí, vai trò, mối tương quan của những YTNN ảnh hưởng đến ĐKVB tiếng Việt và khái quát các đặc trưng của chúng.
  4. Xác định các YTNN tiềm năng ảnh hưởng đến ĐKVB tiếng Việt phần lớn theo hướng định lượng, từ đó đề xuất các giải pháp hợp lý để áp dụng đo ĐKVB tiếng Việt.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các yếu tố ngôn ngữ nội tại (bề mặt và bề sâu) ảnh hưởng đến ĐKVB tiếng Việt; không xét đến các yếu tố chủ quan bên ngoài về năng lực tiếp nhận của người đọc.
  • Phạm vi nghiên cứu:
    • Về cấp độ ngôn ngữ: Nghiên cứu được triển khai trên 3 cấp độ: (1) từ, (2) câu, và (3) văn bản, thực hiện theo định hướng định lượng kết hợp đối chiếu với tiếng Anh.
    • Về ngữ liệu: Khảo sát trên văn bản văn xuôi thuộc sách giáo khoa Tiếng Việt bậc Tiểu học (lớp 2 đến lớp 5), sách giáo khoa Ngữ văn bậc Trung học cơ sở (lớp 6 đến lớp 9), sách giáo khoa Ngữ văn bậc Trung học phổ thông (lớp 10 đến lớp 12) (Nxb Giáo dục, 2016), SGK các môn khoa học lớp 10 (Sinh học, Lịch sử, Tin học) và các văn bản sách báo tiếng Việt, tiếng Anh.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu đo độ khó văn bản tiếng Anh

Luận án đã hệ thống hóa lịch sử nghiên cứu ĐKVB tiếng Anh qua các giai đoạn:

  • Phương pháp đo từ khó của Lively và Pressey (1923): Dựa trên danh sách từ của Thorndike (1921), đưa ra công thức đo độ khó từ vựng trên mẫu 1.000 từ và khẳng định tần suất từ tỷ lệ nghịch với độ khó của từ.
  • Phương pháp của Vogel và Washburne (1928): Khảo sát 152 cuốn sách từ Danh sách Winnetka, thiết lập phương trình hồi quy $X_1 = 0,085X_2 + 0,101X_3 + 0,604X_4 - 0,411X_5 + 17,43$ dựa trên số từ khác nhau ($X_2$), số lượng giới từ ($X_3$), số từ nằm ngoài danh sách Thorndike ($X_4$) và số câu đơn ($X_5$).
  • Phương pháp của Dale và Tyler (1934): Nghiên cứu tài liệu cho người lớn có khả năng đọc hạn chế, xác định 3 biến số có hệ số tương quan 0,511 gồm: số từ kỹ thuật ($X_2$), số từ khó không kỹ thuật ($X_3$) và số mệnh đề không xác định ($X_4$), lập phương trình: $X_1 = -9,4X_2 - 0,4X_3 + 2,2X_4 + 114,4 \pm 9,0$.
  • Nghiên cứu của William S. Gray và Bernice E. Leary (1935): Công trình kinh điển khảo sát 288 yếu tố, tinh lọc còn 82 chỉ số tiềm năng, 64 yếu tố thực nghiệm và rút ra 44 yếu tố có hệ số tương quan đáng kể. Phương trình hồi quy gồm 5 biến: số từ khó ($X_2$), số đại từ nhân xưng ($X_5$), độ dài câu trung bình ($X_6$), tỷ lệ từ đơn nghĩa ($X_7$), và số cụm giới từ ($X_8$).
  • Chỉ số ĐKVB của Irving Lorge (1939, 1944): Sử dụng các bài kiểm tra đọc chuẩn của McCall-Crabbs làm điểm chuẩn (benchmarks), đề xuất công thức: $Index = 0,07(w/s) + 13,01(p/w) + 10,73(h/w) + 1,6126$ (với $w$: tổng số từ, $s$: số câu, $p$: cụm giới từ, $h$: số từ khó ngoài danh sách 769 từ của Dale).
  • Công thức Rudolf Flesch (1943, 1946, 1948): Xây dựng công thức Flesch Reading Ease ($R.E. = 206,835 - 0,846 wl - 1,015 sl$) và chỉ số quan tâm của con người Human Interests ($HI = 3,635 pw + 0,314 ps$), hiện được tích hợp trong Microsoft Word.
  • Công thức Dale - Chall (1948, 1995): Sử dụng danh sách 3.000 từ quen thuộc kết hợp với độ dài trung bình của câu.
  • Các mô hình khác: Chỉ số Gunning Fog (1968) dựa trên độ dài câu và từ đa âm tiết; Đồ thị Fry (1968); Công thức SMOG của McLaughlin (1969); Quy trình điền khuyết (Cloze procedure) của Wilson L. Taylor (1953); Công cụ ngôn ngữ học tính toán Coh-Metrix (Graesser, McNamara, Crossley, 2004, 2008) phân tích hơn 200 chỉ số liên kết và cú pháp.

Các nghiên cứu đo độ khó văn bản tiếng Việt

Luận án điểm lại hai công thức duy nhất trước đó của nhóm Nguyễn Thanh Liêm và Alan B. Henkin:

  • Công thức năm 1982: $RL = 2 \times WL + 0,2 \times SL - 6$ (với $WL$: độ dài từ, $SL$: độ dài câu).
  • Công thức cải tiến năm 1985: $RL = 0,74 WL + 0,08 SL + 0,09 WD - 1,05$ (bổ sung biến $WD$: tỷ lệ từ Hán-Việt).

Khoảng trống luận án lựa chọn giải quyết

Các nghiên cứu trước đối với tiếng Việt chỉ dừng ở mẫu thử nghiệm rất nhỏ (24 văn bản), tính toán thủ công và chỉ xét các đặc trưng bề mặt. Luận án giải quyết khoảng trống này bằng cách:

  • Khảo sát trên bộ ngữ liệu quy mô lớn (555 văn bản).
  • Mở rộng phân tích toàn diện các YTNN từ bình diện bề mặt (độ dài ký tự, chữ, từ, câu) đến bình diện bề sâu (nghĩa của từ, tần suất từ, từ Hán-Việt, từ loại, cấu trúc câu nhập nhằng, độ sâu cây cú pháp, phương tiện liên kết, kiểu văn bản).
  • Đối chiếu có hệ thống giữa cấu trúc hình thái học, cú pháp học tiếng Việt (ngôn ngữ đơn lập) với tiếng Anh (ngôn ngữ biến hình) trong mối liên hệ với độ khó văn bản.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

Luận án kế thừa các quan niệm về văn bản của L. Hjelmslev, Diệp Quang Ban (2003, 2009), Trần Ngọc Thêm (2013), Hoàng Tuệ (1989), Nguyễn Thị Ly Kha (2008), Cù Đình Tú (2007) và lý thuyết từ vựng - ngữ pháp của Nguyễn Thiện Giáp (2008, 2016), UBKHXHVN (1983, 1993). Văn bản được định nghĩa là sản phẩm của quá trình tạo lời, tồn tại dưới dạng thức viết, có tính thống nhất về nội dung và hình thức nhằm thực hiện chức năng thông báo thông tin.

Về mặt lý luận tiếp nhận văn bản, luận án phân định rõ ràng các khái niệm then chốt:

Số TT Đặc điểm Độ hiểu về văn bản (Comprehensibility) Độ phức tạp của văn bản (Complexibility)
Độ rõ của văn bản (Legibility) Độ khó của văn bản (Readability)
1 Đối tượng nghiên cứu Khả năng nhận thức của con người Văn bản Văn bản
2 Nội dung nghiên cứu Đặc điểm người đọc (kỹ năng, kiến thức nền, động lực) Các yếu tố hình thức (kiểu chữ, cỡ chữ, màu nền, bố cục) Các yếu tố nội dung ngôn ngữ (từ, câu, cú pháp, liên kết)
3 Tính chất Giải mã (decoding), chủ quan, không thể tính toán đo lường trực tiếp Mã hóa (encoding), khách quan, có thể đo lường và tính toán Mã hóa (encoding), khách quan, có thể đo lường và tính toán
4 Phương pháp nghiên cứu chính Nghiên cứu định tính Nghiên cứu định lượng trên kho ngữ liệu Nghiên cứu định lượng trên kho ngữ liệu
5 Ngành nghiên cứu Ngôn ngữ học, Tâm lý học, Giáo dục học Ngôn ngữ học, Ngôn ngữ học ứng dụng, Ngôn ngữ học tính toán Ngôn ngữ học, Ngôn ngữ học ứng dụng, Ngôn ngữ học tính toán

Phương pháp nghiên cứu

Luận án kết hợp bốn phương pháp nghiên cứu:

  1. Phương pháp miêu tả (descriptive method): Mô tả quá trình xử lý ngữ liệu, đặc điểm biểu hiện và mức độ ảnh hưởng của các YTNN trong văn bản tiếng Việt và tiếng Anh.
  2. Phương pháp đối chiếu (contrastive method): So sánh các YTNN giữa tiếng Việt và tiếng Anh để nhận diện các điểm tương đồng và dị biệt ảnh hưởng đến ĐKVB.
  3. Phương pháp điển cứu (case study method): Sử dụng các nghiên cứu trường hợp điển hình mang tính minh họa nhằm phân tích sâu cấu trúc cây cú pháp, hiện tượng nhập nhằng, và các yếu tố liên kết.
  4. Phương pháp thống kê (statistical method): Xử lý định lượng dữ liệu văn bản theo cấp lớp, bậc học; tính toán tần suất xuất hiện, độ dài trung bình, tỷ lệ từ loại và hệ số tương quan Pearson.

Nguồn dữ liệu và công cụ hỗ trợ

Tổng số ngữ liệu khảo sát gồm 555 văn bản:

  • 371 văn bản trong sách giáo khoa môn Tiếng Việt và Ngữ văn từ lớp 2 đến lớp 12 (Nxb Giáo dục, 2016):
Bậc học Tiểu học (TH) THCS THPT Tổng số VB
Lớp 2 3 4 5 Tổng TH 6 7 8 9 Tổng THCS 10 11 12 Tổng THPT
Số VB 67 62 40 40 209 28 13 17 21 79 15 19 49 83 371
  • 100 văn bản trích từ SGK Sinh học lớp 10, Lịch sử lớp 10, Tin học lớp 10 (Nxb Giáo dục, 2016).
  • 65 văn bản tiếng Việt và 19 văn bản tiếng Anh trích xuất từ sách báo có xuất xứ rõ ràng.
  • Nguồn ngữ liệu bổ trợ: Kho ngữ liệu tiếng Việt "Vcor" (hơn 17 triệu câu, 346 triệu từ, 443 triệu chữ thuộc 42 lĩnh vực) và Kho ngữ liệu từ Hán-Việt của Trung tâm Ngôn ngữ học Tính toán (Trường ĐH KHTN – ĐHQG TP.HCM).
  • Công cụ kỹ thuật ứng dụng: Bộ công cụ CLC-Vietnamese Toolkit, công cụ gán nhãn từ loại CLC-VN-POS, công cụ trực quan hóa cây cú pháp CLC Syntactic Tree Viewer, công cụ Coh-Metrix và phần mềm Microsoft Word.

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu và cơ sở lý luận

Chương này tập trung xác lập cơ sở lý thuyết cho toàn bộ đề tài:

  • Phân tích và hệ thống hóa các định nghĩa về văn bản, ĐHVB, ĐRVB và ĐKVB.
  • Đánh giá toàn diện các công thức ĐKVB tiếng Anh cổ điển và hiện đại (Lively & Pressey, Vogel & Washburne, Dale & Tyler, Gray & Leary, Lorge, Flesch, Dale-Chall, Gunning Fog, Fry, SMOG, Cloze, Coh-Metrix) cùng 2 công thức tiếng Việt của nhóm Nguyễn Thanh Liêm.
  • Phân tích chi tiết 44 yếu tố ngôn ngữ có hệ số tương quan cao trong nghiên cứu của Gray & Leary (1935), làm cơ sở xây dựng hệ thống biến số cho tiếng Việt.
  • Thiết lập khung lý thuyết về đặc trưng loại hình học: tiếng Việt là ngôn ngữ đơn lập, không biến đổi hình thái, đơn vị cơ sở là "tiếng" (âm tiết tương ứng với chữ viết), phân biệt từ đơn tiết và từ đa tiết (chủ yếu là từ song tiết); phân định thực từ và hư từ; xem xét hiện tượng chuyển loại, từ đa nghĩa, từ đồng âm và từ Hán-Việt.

Chương 2: Sự ảnh hưởng của yếu tố từ đối với độ khó của văn bản tiếng Việt (đối chiếu với tiếng Anh)

Chương 2 khảo sát định lượng các đặc trưng của từ trên ngữ liệu 371 văn bản SGK và báo chí:

  • Đặc trưng bề mặt: Phân tích độ dài văn bản và độ dài từ tính bằng số chữ (âm tiết) qua các cấp lớp và bậc học (TH, THCS, THPT). Độ dài trung bình của từ tiếng Việt tăng dần theo bậc học, phản ánh tỷ lệ xuất hiện của các từ phức đa âm tiết.
  • Ngữ nghĩa của từ: Khảo sát hiện tượng từ đa nghĩa, từ đồng âm dựa trên Từ điển Tiếng Việt. Văn bản ở các lớp cao có mật độ sử dụng nghĩa chuyển và nghĩa trừu tượng cao hơn rõ rệt so với các lớp tiểu học.
  • Tần suất từ: Kết quả thống kê và đối chiếu với Từ điển tần số Vcor cho thấy yếu tố tần suất từ có ảnh hưởng chi phối lớn nhất đến ĐKVB trong phạm vi từ. Từ có tần suất xuất hiện càng cao trong kho ngữ liệu toàn dân thì văn bản chứa từ đó càng dễ đọc.
  • Yếu tố từ loại và từ Hán-Việt:
    • Khảo sát sự phân bố các từ loại (danh từ, động từ, tính từ, đại từ, số từ, v.v.).
    • Thống kê tỷ lệ từ Hán-Việt trong SGK và báo Tuổi Trẻ Online. Số lượng và tỷ lệ từ Hán-Việt tăng lũy tiến từ Tiểu học đến THCS và đạt cao nhất ở THPT và báo chí; tỷ lệ từ Hán-Việt tỷ lệ thuận với mức độ khó của văn bản.
  • Trường từ vựng và chủ đề: Phân tích sự chuyển dịch từ các chủ đề sinh hoạt, gia đình, nhà trường ở bậc Tiểu học sang các chủ đề xã hội, triết lý, khoa học ở bậc THCS và THPT (tương ứng với các bậc trình độ từ A1 đến C2 theo khung CEFR).

Chương 3: Sự ảnh hưởng của yếu tố câu đối với độ khó của văn bản tiếng Việt (đối chiếu với tiếng Anh)

Chương 3 khảo sát các yếu tố thuộc bình diện câu:

  • Yếu tố bề mặt của câu: Đo lường độ dài câu tính bằng số lượng ký tự, số chữ và số từ qua các bậc học. Độ dài trung bình của câu tăng đều đặn từ lớp 2 đến lớp 12. Đối chiếu với tiếng Anh cho thấy độ dài câu là chỉ số bề mặt tương đồng phản ánh độ phức tạp cú pháp ở cả hai ngôn ngữ.
  • Yếu tố từ loại trong câu: Khảo sát tần suất và vị trí phân bổ của các lớp từ loại trong cấu trúc câu tiếng Việt.
  • Trật tự từ và cấu trúc ngữ pháp:
    • Phân tích ảnh hưởng của câu nhập nhằng (ambiguity) về cấu trúc ngữ nghĩa - cú pháp làm gia tăng gánh nặng xử lý của người đọc.
    • Phân tích các câu có thành phần ngoài nòng cốt (khởi ngữ, trạng ngữ, thành phần phụ chú, tình thái).
  • Yếu tố bề sâu - Độ phức tạp của cây cú pháp:
    • Ứng dụng công cụ CLC Syntactic Tree Viewer để phân tích cú pháp câu.
    • Thống kê trung bình số lượng mệnh đề, số lượng ngữ và số tầng (độ sâu) của cây cú pháp qua các cấp lớp.
    • Kết quả chứng minh độ sâu của cây cú pháp và số lượng mệnh đề trong câu là những YTNN bề sâu có tương quan chặt chẽ với cấp độ khó của văn bản tiếng Việt.

Chương 4: Sự ảnh hưởng của yếu tố văn bản đối với độ khó của văn bản (đối chiếu với tiếng Anh)

Chương 4 khảo sát văn bản như một chỉnh thể hoàn chỉnh:

  • Yếu tố ngôn ngữ bề mặt: Thống kê số lượng câu trung bình trong một văn bản theo cấp lớp và bậc học; phân tích tỷ lệ giữa câu đơn và câu ghép. Kết quả cho thấy tỷ lệ câu đơn chiếm đa số ở bậc Tiểu học và giảm dần, trong khi câu ghép tăng mạnh ở THCS và THPT.
  • Yếu tố liên kết văn bản:
    • Khảo sát kết từ và phép nối, phép sở chỉ, phép lặp và phép thế.
    • Thống kê tỷ lệ hư từ (liên từ, giới từ, trợ từ, hệ từ) so với thực từ theo từng bậc học. Mật độ hư từ thực hiện chức năng liên kết cú pháp và diễn ngôn tăng cao ở các văn bản có độ khó cao.
    • Phân tích hệ số tương quan Pearson giữa các lớp từ loại và ĐKVB tiếng Việt.
  • Thể loại và kiểu văn bản: Khảo sát các kiểu văn bản (miêu tả, tự sự, nghị luận, thuyết minh) và chủ điểm trong SGK Tiếng Việt và Ngữ văn; xác định sự khác biệt về tần suất từ loại và đặc trưng bề mặt giữa các thể loại văn bản.
  • Yếu tố văn cảnh: Đánh giá vai trò của ngữ cảnh sử dụng văn bản đối với mức độ tiếp nhận thông tin.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận

  • Là công trình nghiên cứu hệ thống đầu tiên xác lập cơ sở lý thuyết ngôn ngữ học toàn diện cho việc đánh giá độ khó của văn bản tiếng Việt trên cơ sở đối chiếu với tiếng Anh.
  • Phân định ranh giới khoa học rõ ràng giữa "Độ hiểu về văn bản" (Comprehensibility - thuộc về người đọc, tính chủ quan) và "Độ phức tạp của văn bản" (Complexibility - thuộc về văn bản, tính khách quan), trong đó xác định ĐKVB (Readability) là đối tượng nghiên cứu định lượng của ngôn ngữ học ứng dụng và ngôn ngữ học tính toán.
  • Xác định hệ thống các yếu tố ngôn ngữ chi phối ĐKVB tiếng Việt ở cả ba cấp độ:
    • Cấp độ từ: Tần suất từ (yếu tố ảnh hưởng lớn nhất), độ dài từ tính bằng chữ/âm tiết, tỷ lệ từ Hán-Việt, từ đa nghĩa.
    • Cấp độ câu: Độ dài câu (tính bằng từ/chữ), số lượng câu đơn/câu ghép, độ sâu của cây cú pháp, số lượng mệnh đề và cụm ngữ.
    • Cấp độ văn bản: Số lượng câu trong văn bản, tỷ lệ hư từ/thực từ, phương tiện liên kết (phép nối, phép thế, phép lặp), thể loại và kiểu văn bản.

Đóng góp về mặt thực tiễn và kiến nghị

  • Cung cấp bộ tiêu chí ngôn ngữ học định lượng giúp các nhà biên soạn sách giáo khoa, giáo trình và tài liệu kiểm soát độ khó của văn bản phù hợp với từng lứa tuổi học sinh và cấp học.
  • Đặt nền tảng dữ liệu và thông số ngôn ngữ học để các nhà khoa học công nghệ thông tin và ngôn ngữ học tính toán mô hình hóa, xây dựng công cụ đo độ khó văn bản tiếng Việt tự động tương tự như Flesch hay Coh-Metrix của tiếng Anh.
  • Ứng dụng trong việc soạn thảo và chuẩn hóa văn bản trong các lĩnh vực xã hội như: báo chí, y tế (hướng dẫn sử dụng thuốc), pháp luật (hợp đồng, văn bản quy phạm), nông nghiệp (tài liệu khuyến nông), thương mại và dịch vụ.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế: Luận án tập trung khảo sát ngữ liệu văn xuôi trong sách giáo khoa từ lớp 2 đến lớp 12 và một số văn bản sách báo, chưa mở rộng sang thể loại thơ và sách giáo khoa lớp 1 (do đặc thù dạy đánh vần, chữ và vần). Ngoài ra, nghiên cứu chỉ tập trung vào các yếu tố ngôn ngữ nội tại của văn bản mà không khảo sát thực nghiệm các yếu tố tâm lý - nhận thức chủ quan từ phía người đọc.
  • Hướng nghiên cứu tiếp: Mở rộng khảo sát trên các kho ngữ liệu chuyên ngành đa dạng hơn; phối hợp với các kỹ sư xử lý ngôn ngữ tự nhiên để lập trình phần mềm tự động hóa hoàn toàn việc đo ĐKVB tiếng Việt; nghiên cứu tích hợp thang đo ĐKVB tiếng Việt vào Khung năng lực ngoại ngữ 6 bậc dùng cho Việt Nam (VSTEP) và các kỳ thi đánh giá năng lực tiếng Việt cho người nước ngoài.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho các nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên ngành Ngôn ngữ học, Ngôn ngữ học Ứng dụng, Ngôn ngữ học Tính toán: Tham khảo khung lý thuyết, phương pháp nghiên cứu đối chiếu ngôn ngữ học và quy trình xử lý ngữ liệu định lượng kết hợp công cụ tin học.
  • Các nhà biên soạn sách giáo khoa, chương trình giáo dục: Sử dụng các bảng số liệu thống kê về độ dài từ, độ dài câu, tỷ lệ từ Hán-Việt và độ phức tạp cú pháp để kiểm soát và phân cấp độ khó của ngữ liệu dạy học từ lớp 2 đến lớp 12.
  • Các kỹ sư xử lý ngôn ngữ tự nhiên (NLP) và trí tuệ nhân tạo: Khai thác các phát hiện về độ sâu cây cú pháp, tần suất từ loại và hệ số tương quan để phát triển các thuật toán đánh giá độ phức tạp văn bản tiếng Việt tự động.
  • Biên tập viên, nhà báo, người soạn thảo văn bản pháp luật và hành chính: Tham khảo các quy tắc về độ dài câu, trật tự từ, từ đa nghĩa và liên kết văn bản nhằm biên soạn tài liệu rõ ràng, dễ tiếp nhận cho công chúng.

Câu hỏi thường gặp

1. Luận án phân biệt "Độ hiểu về văn bản" và "Độ khó của văn bản" như thế nào?
Trả lời: "Độ hiểu về văn bản" (Comprehensibility) là năng lực tiếp nhận chủ quan của người đọc (phụ thuộc vào kiến thức nền, kỹ năng đọc, động lực), mang tính giải mã và không thể đo trực tiếp trên văn bản. Trong khi đó, "Độ khó của văn bản" (Readability) là thuộc tính nội tại, khách quan của chính văn bản (bao gồm các yếu tố từ vựng, cú pháp, liên kết), mang tính mã hóa và có thể đo lường, tính toán định lượng được.

2. Tập ngữ liệu chính được tác giả sử dụng trong luận án gồm những gì?
Trả lời: Ngữ liệu gồm tổng cộng 555 văn bản: 371 văn bản văn xuôi trích từ SGK Tiếng Việt (Tiểu học) và Ngữ văn (THCS, THPT) từ lớp 2 đến lớp 12; 100 văn bản từ SGK Sinh học 10, Lịch sử 10, Tin học 10; 65 văn bản tiếng Việt và 19 văn bản tiếng Anh từ sách báo. Ngoài ra, tác giả sử dụng ngữ liệu bổ trợ từ Kho ngữ liệu Vcor (346 triệu từ) và Kho ngữ liệu Từ Hán-Việt của CLC.

3. Ở cấp độ từ, yếu tố ngôn ngữ nào có ảnh hưởng lớn nhất đến độ khó của văn bản tiếng Việt?
Trả lời: Yếu tố tần suất từ là YTNN có ảnh hưởng lớn nhất trong phạm vi từ. Văn bản sử dụng các từ có tần suất xuất hiện cao trong kho ngữ liệu toàn dân sẽ có độ khó thấp (dễ đọc), ngược lại văn bản chứa nhiều từ có tần suất thấp, từ chuyên ngành hoặc tỷ lệ từ Hán-Việt cao sẽ có độ khó cao.

4. Yếu tố cú pháp bề sâu nào được luận án xác định là có ảnh hưởng lớn đến độ khó ở cấp độ câu?
Trả lời: Độ sâu của cây cú pháp (số tầng/mức của cây phân tích cú pháp) cùng với số lượng mệnh đề và số lượng cụm ngữ trong câu là các yếu tố bề sâu có mối tương quan thuận rõ rệt với độ khó của câu và cấp lớp học.

5. Điểm khác biệt căn bản giữa tiếng Việt và tiếng Anh trong việc xác định độ dài từ là gì?
Trả lời: Tiếng Anh là ngôn ngữ biến hình, ranh giới âm tiết không trùng với chữ viết, độ dài từ thường được đo bằng số âm tiết (hoặc số ký tự). Tiếng Việt là ngôn ngữ đơn lập, đơn vị phát âm là "tiếng" (âm tiết) và mỗi âm tiết được ghi bằng một chữ quốc ngữ, do đó độ dài từ tiếng Việt được tính bằng số chữ (âm tiết) tạo nên từ đó (từ đơn tiết so với từ phức/song tiết).

Kết luận

Luận án tiến sĩ của Nguyễn Thị Như Điệp là công trình nghiên cứu chuyên sâu về các yếu tố ngôn ngữ ảnh hưởng đến độ khó của văn bản tiếng Việt trên cơ sở đối chiếu với tiếng Anh. Bằng việc kết hợp phương pháp ngôn ngữ học đối chiếu với kỹ thuật thống kê ngữ liệu định lượng trên 555 văn bản, tác giả đã làm sáng tỏ vai trò tác động của hệ thống các yếu tố ngôn ngữ từ cấp độ từ vựng, cú pháp đến cấu trúc văn bản. Kết quả nghiên cứu không chỉ bổ sung cơ sở lý luận quan trọng cho ngành Ngôn ngữ học So sánh - Đối chiếu và Ngôn ngữ học Ứng dụng tại Việt Nam mà còn mở đường cho việc xây dựng các công cụ đo độ khó văn bản tiếng Việt tự động phục vụ giáo dục, xuất bản và xử lý ngôn ngữ tự nhiên.