1. Introduction

本章讨论了2022年ChatGPT的发布如何加速了大型语言模型在语言学习中的应用，强调其在交互性、语境理解和个性化解释方面相较于传统词典的优越性。文中指出，一种问答式知识生产范式正在兴起，它以自然的人机对话取代关键词查询，从而模糊了词典、语料库和翻译工具之间的界限。一项针对250名大学生的调查显示，用户如今将任何在线双语资源笼统地归入"词典"这一标签之下，这凸显了重新评估工具边界的必要性。大型语言模型能够自动生成条目，涵盖标准词典的组成部分——释义、例句、语用说明——但在权威性和可靠性方面存在根本差异，促使学者宣称一个新的词典学时代已经到来。本章认为，系统评估大型语言模型生成的条目，有助于明确其作为替代方案的可行性，指导传统词典在数字化转型中的优化，同时也有助于揭示学习者行为的演变。最后，本章强调了大型语言模型在面向外向型汉语学习者词典应用研究方面的匮乏，并确立了本研究在ChatGPT与人工编纂的Juzi汉语词典之间进行比较分析的框架，以评估释义质量、 pinpoint词类差异，并衡量人工智能辅助对外汉语词典编纂的可行性与局限性。

2. Literature Review

本章回顾了大型语言模型与传统词典在语言学习中的实证比较，并考察了大型语言模型在词典编纂中日益凸显的作用。针对223名中高级大学生的对照实验显示，ChatGPT在词汇理解和产出任务上均优于《朗文当代高级英语辞典》，且在产出任务中的查询时间显著更快。一项包含166名参与者的三组复制研究证实了ChatGPT在产出任务上优于单语和双语词典，在理解任务上与双语词典表现相当。一项阅读任务研究表明，《麦克米伦高阶英语词典》的释义相对于无释义条件提升了表现，而ChatGPT生成的释义也产生了类似的增益，表明人工智能释义具有实用价值。进一步的自动文本相似性分析显示，ChatGPT输出近似于《牛津高阶学习词典》的微观结构，支持其词典学潜力。

研究者将ChatGPT的有效性归因于交互性、即时反馈和语境敏感性，但强调最佳效果源于人工智能与传统工具的混合整合。文献还记录了大型语言模型在核心词典学流程中的扩展作用：释义生成、例句创作和义项划分。ChatGPT的释义可与人工作者相媲美，但例句质量略逊一筹。全自动生成具有自然语言、低成本和灵活性的优势，但存在术语漂移、边界模糊和幻觉等问题。系统评估证实，连续模型更新（GPT-3至GPT-4）提升了编纂质量，专门系统如多义词自动例句生成器和OxfordEval大规模句子评估系统也已出现。

该领域已迈向"后编辑词典学"，即人工编辑对自动生成内容进行润色。人机协作必须以人为主导，强调跨学科监督和批判性互动。尽管有所进步，大型语言模型输出仍未达到编辑标准，需要大量后编辑，尤其是对文化敏感表达。未来词典学因此必须强调生产效率、数据复用和技术整合，同时重新定义人在指导和精炼方面的角色。

在汉语词典学中，初步研究评估了ChatGPT以《现代汉语词典》风格编纂条目的能力；37.5%的生成条目获得多数认可，表明潜力但存在明显质量差距。其他研究通过提示学习成功生成了汉语新词的标准化释义。然而，与英语相比研究仍然稀缺，且尚无研究涉及面向对外汉语学习者的外向型词典，凸显了本文所填补的研究空白。

3. Methodology

本章描述了一项混合方法评估，对比ChatGPT-4o与人工编辑的Juzi汉语学习者词典，样本为从官方等级标准中抽取的60个分层目标词。定量和定性标准评估释义的准确性、清晰度和例句质量，旨在绘制大型语言模型在词典学中的能力与局限图谱。ChatGPT-4o作为OpenAI最新版本被选中，因其改进的多义处理和语境推理能力；而由北京语言大学编纂的Juzi则代表了为数字学习者优化的专家人工实践。

60项样本平衡了初、中、高级水平，涵盖单义、多义和习语项目，涉及主要词类。零样本提示指令ChatGPT扮演词典编纂者角色，限制元语言并与学习者词汇对齐；要求提供词性、简洁的义项释义，以及每个义项的三个多样化例句。生成按词逐个进行，在相同提示条件下完成。Juzi条目逐字提取，例句多于三条时限制为前三条，确保数据集统一以便后续比较分析。

4. Results

本章通过对比ChatGPT输出与人工编纂的Juzi词典，评估了60个样本汉语词的释义质量，重点关注准确性和可理解性。准确性以《现代汉语词典》（第7版）为评判标准，发现ChatGPT存在五类反复出现的错误：义项缺失、语义不正确或不精确、词性标注错误、义项冗余，以及基于同义词的循环解释。最常见的失败是多义项目的义项遗漏；如"import"缺少贸易义项，"forever"缺少"永久未来"义项。词性误标出现在抽象或习语单位——ChatGPT将"once"标为连词，"as for"标为连词，"that is to say"标为副词。冗余义项造成冗赘，而"anxiety, unease, worry"等同义词串模糊了细微差别。相比之下，Juzi释义保持义项分立、词性标注一致、措辞简洁。

错误频率按单义、多义和习语项目绘制分布图。多义词承载了60项记录问题中的32项，仅义项缺失就占14项。单义词仅积累10项问题，多为语义不准确。习语短语无完全准确条目，因词性标注在每种情况下均失败。总体而言，21项释义完全准确——16项单义（59.3%）、5项多义（17.2%）、0项习语。当相同错误按语法类别分组时，实词主要受义项缺失（40.6%）、语义不精确（28.1%）和冗余（18.8%）之苦。虚词错误集中于语义不精确（66.7%），而混合和习语项目在词性标注上失败。

可理解性采用与《汉语水平等级标准》校准的分级可读性系统衡量。ChatGPT释义难度评分更高（5级至9级），而Juzi释义无论词目复杂程度如何均保持在4级。Juzi将释义词汇限制在3,181个独特项目，其中96.6%为初、中级，而ChatGPT引入更高等级的词位，如用"anxiety"解释"worry"，用"occasionally"解释"occasionally"。具体示例说明了对比：对于"worry"，ChatGPT提供"feel uneasy or anxious"，嵌入5级词汇；Juzi使用"feel uncertain and uneasy"，以1–3级词汇表述。

2. "adj. Not often happening."

本章讨论了ChatGPT生成内容与Juzi学习者词典人工编纂条目的比较质量，重点关注释义和例句。发现ChatGPT对"adj. Not often happening"的释义所使用的词汇和措辞超出了中级学习者的典型认知负荷，使该条目的教学实用性降低。通过Jaccard系数的定量比较显示，ChatGPT与Juzi释义之间的词汇重叠度仅为28%，凸显了措辞和概念框架选择上的分歧。

例句沿四个维度——准确性、可理解性、实用性和多样性——进行评估，并与Juzi对应项进行系统对比。

准确性：GPT生成的句子表现出多种反复出现的缺陷。最常见的是目标词的 outright 误用（如"光荣"被理解为"嘉奖"）。其他问题包括不及物动词的及物误用、不自然或模糊的措辞、目标词本身的遗漏，以及偶尔的搭配错误或句子片段。这些准确性与词的多义性或语法类别无关，指向随机生成而非原则性错误模式。

可理解性：使用自动可读性指标，GPT句子在所有水平带上的难度评分均高于Juzi句子，尽管GPT句子更短且词汇变化更少。GPT释义与GPT例句之间的差距也更宽，表明语言复杂性控制不一致。Juzi通过在语境例句前明确编码语法框架（"forms"），将隐性语法知识转化为显性图式，从而缓解难度，为学习者理解提供支架。

实用性和多样性：虽然GPT例句常描绘日常情境，但趋于平淡和重复。Juzi利用语料库驱动的模式语法，提供简洁而生动的例句，涵盖体育、旅行、生活规划等真实领域。GPT的句型分布97.5%偏向陈述句，而Juzi融入疑问句、祈使句和感叹句，实现更丰富的句法多样性。Juzi的搭配广度通过从语料库提取的高频结构系统扩展，涵盖正式和非正式语域。

5. Discussion

本章讨论了ChatGPT生成条目与人工编纂Juzi词典之间的比较质量，考察了模型在不同词类上的表现变化，并评估了其在面向外向型汉语学习者词典生产中的可行性与局限性。ChatGPT在四个质量维度上未达到人工标准：准确性、可理解性、实用性和多样性。释义存在义项缺失、不正确或循环解释、词性误标、冗余等问题，仅35%完全准确，而Juzi保持近乎完美的精确度。可读性分析显示ChatGPT使用更复杂的措辞，可理解性评分更低；0.28的Jaccard系数表明与Juzi刻意简化的元语言词汇重叠度极低。例句表现出用法错误、措辞不自然、目标词缺失、搭配不当和截断形式。它们还严重依赖陈述结构，语域覆盖有限，缺乏模式语法支架，而Juzi平衡了句型并明确突出能产模式。

研究进一步揭示，ChatGPT的弱点随语言复杂性加剧。多义词触发了69.6%的所有释义错误，"义项缺失"占主导；高频多义字如打、上、把仅保留了其记录义项的一小部分。单义项目产生的问题少得多，主要是轻微不准确或冗余。实词总体上产生更多问题，但虚词引发了比例上严重的释义错误和词性标注失败。难度水平不影响释义准确性，但随着词目复杂性增加，释义和例句的语言难度均上升，违反了要求控制元语言的学习者词典原则。

尽管存在这些缺点，ChatGPT提供了切实的益处。它能快速生成完整条目草稿和大量例句库，大幅削减时间和劳动成本。其语境广度提供多样化的使用场景、语域甚至短对话，超越许多传统词典的覆盖范围。多语言能力支持双语或多语编纂，基于更新语料库的持续微调承诺质量逐步提升。然而，当前局限性——语义遗漏、语法不精确、措辞晦涩、未能将语言复杂性与学习者需求对齐——使全面自动化为时过早。人工词典编纂者对于验证、简化和教学适应仍然不可或缺，将ChatGPT定位为高速助手而非替代者。

6. Conclusion

本章讨论了对ChatGPT与人工编纂Juzi在汉语学习者词典学中的比较评估。结果显示，虽然该模型在生成速度、语言灵活性和新词覆盖方面表现出色，但在释义精确性和例证方面存在不足，尤其对多义性、抽象虚词和面向学习者的元语言而言。定量结果显示准确性较低，集中于义项区分。尽管如此，ChatGPT在多模态、多语言和交互功能方面的优势超越了传统资源。最佳表现出现在具体、单义的词汇项目上。未来实践将转向人机协作，词典编纂者担任提示工程师和质量监督员，将人工智能素养与语言学专业知识相结合，以在语言快速变化中保持严格标准。