互联网时代的文字错讹
实际上,互联网时代的文字错讹,除了繁简转换之误,还有不少新的衍生类型。

互联网时代的文字错讹

来源:光明日报2019-03-03

近日,在网络媒体上读到一篇学术论文,其中引用《大唐新语》“终南捷径”的典故说:“(卢)藏用指终南山谓之曰:‘此中大有佳处,何必在远!’(司马)承祯徐答曰:‘以仆所观,乃仕宦快捷方式耳。’”继而搜索“终南快捷方式”,“百度汉语”里竟然收有这一词条,释义依据即是《大唐新语》。“终南快捷方式”显然是“终南捷径”之误,这个错讹在许多严肃的学术著作里屡见不鲜,叶圣陶先生1914年发表过一篇文言小说《终南捷径》,也被有些研究者误作《终南快捷方式》。

究其原因,这一错误的产生与汉语词汇的繁简转换有关。由于计算机专有名词shortcut在内地和港台的翻译不同,内地译作“快捷方式”,港台译作“捷径”,因此在对这类译词进行繁简转换时,即使上下文不涉及翻译用语,也会出现繁体字“捷徑”变成简体字“快捷方式”的现象。

时值毕业季,在审读各类论文时发现,除了单个汉字繁简转换不对应的常见错误(比如“皇后”误成“皇後”、“千里”误成“千裏”),整个词语转换时发生的错讹也大量存在,其中“终南快捷方式”这类由繁转简的讹变相对较少,更多的是由简转繁时带来的讹误,如:资料→數據、信息→資訊、申请项目→申請專案、数字化→數位化。更有甚者,如海内存知己→海記憶體知己、卜算子→卜運算元、途中奔驰→途中賓士、鲁隐公元年→魯隱西元年。“资料”变成“数据”、“信息”变成“资讯”还并不影响文意,但“海内存知己”变成“海记忆体知己”就会让一般读者感到莫名其妙。这些错误的发生可归因于内地与港台对同一事物的称名不同,尤其涉及译名分歧最多,于是按词繁简转换时就会出现错误的关联。类似现象,江庆柏先生《电脑自动转换中文简繁字产生的问题》(《古籍整理出版情况简报》2014年第1期)一文已有揭示,但未引起足够重视,各类出版物中繁简转换错误层出不穷。

实际上,互联网时代的文字错讹,除了繁简转换之误,还有不少新的衍生类型。例如,因电脑、手机输入法产生的错讹。现今最常用的是拼音输入法,由于输入拼音后在候选项里会有多组备选字词,在选取时因操作不慎或者判断失误,会导致文本中音近讹字的出现。同样,使用形码输入法,如五笔字型输入法,以及手写输入法等,会导致形近讹字的出现。

此外,还有一类非常特殊的错讹,因九宫格输入而产生。九宫格是手机拼音输入法最常用的一种键盘布局,将ABC……XYZ等26个字母分布在8个键位上,这样一来,比如拼写“早上”和“晚上”是完全相同的键位,在备选词里又毗邻,容易导致“早”“晚”混用的情况,这类不涉及汉字形音义关系的错误关联在传统书写中不会发生。

再如,因OCR(Optical Character Recognition,光学字符识别)产生的错讹。OCR的原理就是通过扫描纸本等载体上的文字,确定其形状,然后根据计算机程序进行匹配识别转译成字符。简而言之,就是把图像上的文字转换成文本字符。OCR软件在许多领域应用广泛,如果识别的对象本身是规范的排版文本,识别率非常高,人工校读也简便易行。但是在涉及古籍文本时,就容易发生形近而讹,加之人工校读不仔细,会遗患无穷。比如几年前,在全国各地售卖糖炒栗子的包装上,常会看到板栗简介中援引《诗经》的“树之棒果”,“棒果”是“榛栗”之讹,通过查检发现,这可能是某篇学术论文在OCR时发生的错误,导致网上关于板栗的简介以讹传讹,最终传播到了大众生活中。

汉语文献的文字讹误类型,以形近而讹和音近而讹为主,从文字的书写主体即人自身来看,形近而讹主要与视觉判断有关,音近而讹主要与听觉判断有关。

笔者在以往的研究中还发现,书写对象的特点也会带来一定的影响。比如汉字中形声字数量庞大,尤其进入楷书阶段以后,形声字比例大增,到了南宋已占汉字的90%以上,大量形声字的存在,使得同一声旁且形旁相近的文字最易发生讹混。如“杨(楊)”与“扬(揚)”,皆从“昜”声,而形旁“木”与“扌”相近,整个字形尤为相似,且读音相同,字义也多存相关性,于是在书写与传抄过程中,极易发生异变与混同。汉语中的讹字、异体字、通假字的孳生往往与形声字这个特性有关。如今电脑拼音输入法产生的错误,也是这一历史问题的延续与变体,有时看似操作不慎,其实是因为受到形声字这一特性的干扰。再者,汉字的结构特点与书写习惯也会影响文字的正误,如古人直行竖写,就会发生《战国策》中“触龙言”被写成“触讋”的错误。

可见,传统文字错讹的原因主要在两个层面:一是书写主体(书写者)判断疏失,一是书写对象(汉字、文本等)特性干扰,但是前文例举的错讹“终南快捷方式”、“早”“晚”混用、“树之棒果”等,已超出了这两个层面,它们有个共同之处,都和新型的书写媒介有关。无论是繁简转换,还是九宫格输入、OCR文字识别,错误的发生,都在这些中间环节。这让我们意识到,互联网时代书写主体和书写对象之间还存在着一个机器智能的媒介,新型文字错讹本质上是机器智能带来的副作用,要化解机器智能的不足和局限,只有不断提升技术工具性能,并且增加人工干预。

面对新型文字错讹,总体而言,要大力发展信息技术,如人工智能、大数据、构建知识关联来解决新时代的新问题。以前文例举的几种错讹类型而言,如繁简转换,可以在word软件里关闭“转换常用词汇”,只按字转换,不按词转换。由于一个简体字对应多个繁体字,由繁转简时,一般较少出现讹误,这种方法能够有效规避“終南捷徑”转成“终南快捷方式”的问题。但是由简转繁,这种方法又会带来不少繁简单字不对应的错误,必须辅以严格的校对。另一方面,需要通过更新技术手段解决词汇在转换过程中带来的关联错误,比如在计算机中建立繁简词表,并标明具体对应的时间与地域信息,如是中国古代的繁体字词,还是港台当代的繁体字词,进而构建历时性的繁简词库与共时性的繁简词库。至于九宫格输入、OCR文字识别等新型错讹,目前除了技术革新,比如基于大数据的聚类分析,恐怕还得依靠人工校正。

当然,最彻底有效的规范手段,是加强语言文字知识的普及教育,从文字使用者角度树立规范与责任意识,防患于未然。

《光明日报》( 2019年03月02日12版)


无障碍
推荐 | 要闻 重庆 两江评 | 区县 教育 文艺 | 健康 财经 生活 | 问政 汽车 直播 | 政法 视听 专题 | 鸣家 史家 旅游 | 房产 国企 原创 | 应急 信用 新闻发布
  • 站内
站内
分享
新浪微博
微信

互联网时代的文字错讹

2019-03-03 07:30:00 来源:

近日,在网络媒体上读到一篇学术论文,其中引用《大唐新语》“终南捷径”的典故说:“(卢)藏用指终南山谓之曰:‘此中大有佳处,何必在远!’(司马)承祯徐答曰:‘以仆所观,乃仕宦快捷方式耳。’”继而搜索“终南快捷方式”,“百度汉语”里竟然收有这一词条,释义依据即是《大唐新语》。“终南快捷方式”显然是“终南捷径”之误,这个错讹在许多严肃的学术著作里屡见不鲜,叶圣陶先生1914年发表过一篇文言小说《终南捷径》,也被有些研究者误作《终南快捷方式》。

究其原因,这一错误的产生与汉语词汇的繁简转换有关。由于计算机专有名词shortcut在内地和港台的翻译不同,内地译作“快捷方式”,港台译作“捷径”,因此在对这类译词进行繁简转换时,即使上下文不涉及翻译用语,也会出现繁体字“捷徑”变成简体字“快捷方式”的现象。

时值毕业季,在审读各类论文时发现,除了单个汉字繁简转换不对应的常见错误(比如“皇后”误成“皇後”、“千里”误成“千裏”),整个词语转换时发生的错讹也大量存在,其中“终南快捷方式”这类由繁转简的讹变相对较少,更多的是由简转繁时带来的讹误,如:资料→數據、信息→資訊、申请项目→申請專案、数字化→數位化。更有甚者,如海内存知己→海記憶體知己、卜算子→卜運算元、途中奔驰→途中賓士、鲁隐公元年→魯隱西元年。“资料”变成“数据”、“信息”变成“资讯”还并不影响文意,但“海内存知己”变成“海记忆体知己”就会让一般读者感到莫名其妙。这些错误的发生可归因于内地与港台对同一事物的称名不同,尤其涉及译名分歧最多,于是按词繁简转换时就会出现错误的关联。类似现象,江庆柏先生《电脑自动转换中文简繁字产生的问题》(《古籍整理出版情况简报》2014年第1期)一文已有揭示,但未引起足够重视,各类出版物中繁简转换错误层出不穷。

实际上,互联网时代的文字错讹,除了繁简转换之误,还有不少新的衍生类型。例如,因电脑、手机输入法产生的错讹。现今最常用的是拼音输入法,由于输入拼音后在候选项里会有多组备选字词,在选取时因操作不慎或者判断失误,会导致文本中音近讹字的出现。同样,使用形码输入法,如五笔字型输入法,以及手写输入法等,会导致形近讹字的出现。

此外,还有一类非常特殊的错讹,因九宫格输入而产生。九宫格是手机拼音输入法最常用的一种键盘布局,将ABC……XYZ等26个字母分布在8个键位上,这样一来,比如拼写“早上”和“晚上”是完全相同的键位,在备选词里又毗邻,容易导致“早”“晚”混用的情况,这类不涉及汉字形音义关系的错误关联在传统书写中不会发生。

再如,因OCR(Optical Character Recognition,光学字符识别)产生的错讹。OCR的原理就是通过扫描纸本等载体上的文字,确定其形状,然后根据计算机程序进行匹配识别转译成字符。简而言之,就是把图像上的文字转换成文本字符。OCR软件在许多领域应用广泛,如果识别的对象本身是规范的排版文本,识别率非常高,人工校读也简便易行。但是在涉及古籍文本时,就容易发生形近而讹,加之人工校读不仔细,会遗患无穷。比如几年前,在全国各地售卖糖炒栗子的包装上,常会看到板栗简介中援引《诗经》的“树之棒果”,“棒果”是“榛栗”之讹,通过查检发现,这可能是某篇学术论文在OCR时发生的错误,导致网上关于板栗的简介以讹传讹,最终传播到了大众生活中。

汉语文献的文字讹误类型,以形近而讹和音近而讹为主,从文字的书写主体即人自身来看,形近而讹主要与视觉判断有关,音近而讹主要与听觉判断有关。

笔者在以往的研究中还发现,书写对象的特点也会带来一定的影响。比如汉字中形声字数量庞大,尤其进入楷书阶段以后,形声字比例大增,到了南宋已占汉字的90%以上,大量形声字的存在,使得同一声旁且形旁相近的文字最易发生讹混。如“杨(楊)”与“扬(揚)”,皆从“昜”声,而形旁“木”与“扌”相近,整个字形尤为相似,且读音相同,字义也多存相关性,于是在书写与传抄过程中,极易发生异变与混同。汉语中的讹字、异体字、通假字的孳生往往与形声字这个特性有关。如今电脑拼音输入法产生的错误,也是这一历史问题的延续与变体,有时看似操作不慎,其实是因为受到形声字这一特性的干扰。再者,汉字的结构特点与书写习惯也会影响文字的正误,如古人直行竖写,就会发生《战国策》中“触龙言”被写成“触讋”的错误。

可见,传统文字错讹的原因主要在两个层面:一是书写主体(书写者)判断疏失,一是书写对象(汉字、文本等)特性干扰,但是前文例举的错讹“终南快捷方式”、“早”“晚”混用、“树之棒果”等,已超出了这两个层面,它们有个共同之处,都和新型的书写媒介有关。无论是繁简转换,还是九宫格输入、OCR文字识别,错误的发生,都在这些中间环节。这让我们意识到,互联网时代书写主体和书写对象之间还存在着一个机器智能的媒介,新型文字错讹本质上是机器智能带来的副作用,要化解机器智能的不足和局限,只有不断提升技术工具性能,并且增加人工干预。

面对新型文字错讹,总体而言,要大力发展信息技术,如人工智能、大数据、构建知识关联来解决新时代的新问题。以前文例举的几种错讹类型而言,如繁简转换,可以在word软件里关闭“转换常用词汇”,只按字转换,不按词转换。由于一个简体字对应多个繁体字,由繁转简时,一般较少出现讹误,这种方法能够有效规避“終南捷徑”转成“终南快捷方式”的问题。但是由简转繁,这种方法又会带来不少繁简单字不对应的错误,必须辅以严格的校对。另一方面,需要通过更新技术手段解决词汇在转换过程中带来的关联错误,比如在计算机中建立繁简词表,并标明具体对应的时间与地域信息,如是中国古代的繁体字词,还是港台当代的繁体字词,进而构建历时性的繁简词库与共时性的繁简词库。至于九宫格输入、OCR文字识别等新型错讹,目前除了技术革新,比如基于大数据的聚类分析,恐怕还得依靠人工校正。

当然,最彻底有效的规范手段,是加强语言文字知识的普及教育,从文字使用者角度树立规范与责任意识,防患于未然。

《光明日报》( 2019年03月02日12版)


亲爱的用户,“重庆”客户端现已正式改版升级为“新重庆”客户端。为不影响后续使用,请扫描上方二维码,及时下载新版本。更优质的内容,更便捷的体验,我们在“新重庆”等你!
看天下
[责任编辑: 张义 ]
发言请遵守新闻跟帖服务协议
精彩视频
版权声明:
联系方式:重庆华龙网集团股份有限公司 咨询电话:60367951
①重庆日报报业集团授权华龙网,在互联网上使用、发布、交流集团14报1刊的新闻信息。未经本网授权,不得转载、摘编或利用其它方式使用重庆日报报业集团任何作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:华龙网”或“来源:华龙网-重庆XX”。违反上述声明者,本网将追究其相关法律责任。
② 凡本网注明“来源:华龙网”的作品,系由本网自行采编,版权属华龙网。未经本网授权,不得转载、摘编或利用其它方式使用。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:华龙网”。违反上述声明者,本网将追究其相关法律责任。
③ 华龙网及其客户端标明非华龙网的确定来源或未标注华龙网LOGO、名称、水印的文字、图片、音频、视频等稿件均为非原创作品。如转载涉及版权等问题,请及时与华龙网联系,联系邮箱:cqnewszbs@163.com。
附:重庆日报报业集团14报1刊:重庆日报 重庆晚报 重庆晨报 重庆商报 时代信报 新女报 健康人报 重庆法制报 三峡都市报 巴渝都市报 武陵都市报 渝州服务导报 人居周报 都市热报 今日重庆
关闭