这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
本研究由Gui Wang（浙江大学国际研究学院）、Jing Shu（北京师范大学国际汉语教育学院）、Li Wang（上海外国语大学贤达经济人文学院/上海师范大学外国语学院）合作完成，发表于Language Sciences期刊2024年第105卷（2024年6月21日在线发布）。研究基于1.7亿词规模的《时代》杂志语料库，分析了美国书面英语中数字使用的历时演变规律及其社会文化意义。
科学领域：本研究属于语料库语言学与社会语言学交叉领域，聚焦数字在语言中的使用模式及其文化表征功能。
研究动机：
1. 学术空白：尽管数字在语言中无处不在，但语言学领域对其系统性研究较少，尤其缺乏历时视角的分析。
2. 理论争议：传统观点认为数字是数学符号，与语言研究分离，但Coupland（2011）等学者提出数字是承载社会意义的重要语言元素。
3. 社会需求：数字使用模式可能反映社会变迁（如经济政策、技术发展），但缺乏量化证据。
研究目标：
1. 揭示数字使用频率与数量级（magnitude）、圆整性（roundness）的关系是否随时间变化；
2. 识别不同年代的文化显著性数字（culturally salient numbers）及其社会关联；
3. 分析大数字表达形式的标准化进程（如从“6,000,000”到“6 billion”的转变）。
研究分为数据提取、清洗、翻译、建模分析四个核心步骤：
1. 数据提取
- 语料库：1700万词的《时代》杂志语料（1923-2008年），按十年分段（如1920s-2000s）。
- 工具：使用Python的NLTK库识别文本中的数字（如“twenty-five”“1.2 million”），共提取366万条潜在数字。
2. 数据清洗
- 排除非基数数字：如序数词（“13th”）、日期、温度等，最终保留359万条有效数据。
- 特殊处理：手动翻译混合格式数字（如“5 million”转为“5,000,000”）。
3. 数据分析模型
- 因变量：数字频率（按十年标准化）。
- 自变量：
- 数量级：数字的对数值（log10）；
- 圆整性：6种属性（如10的倍数、5的倍数、2.5-ness等）；
- 文化显著性：通过贝叶斯负二项回归的残差识别高频异常值。
- 算法：采用贝叶斯负二项回归（Bayesian Negative Binomial Regression），解决计数数据的过离散问题。
1. 数量级与圆整性的稳定影响
- 小数字优势：1-9在所有年代均高频出现（如“1”在1920s标准化频率为5145/百万词），支持Dehaene（1992）的“心理表征理论”——小数字认知处理更高效。
- 圆整性效应：圆整数字（如10、20）频率显著高于邻近非圆整数字（如19、21），且10-ness属性预测力最强（回归系数4.29-5.60）。例外：5的倍数属性（multiple of 5）预测力最弱，可能与十进制系统的“四舍五入”习惯有关。
2. 文化显著性数字的年代特征
- 年份数字主导：如1940s的“1941-1945”与二战报道相关，1990s的“911”反映反恐议题。
- 其他显著性数字：
- 技术类：波音飞机型号（如1950s的“707”、1980s的“747”）；
- 经济类：养老金计划“401(k)”在1990s后爆发式增长；
- 社会事件：1985年航班劫持事件对应的“847”。
3. 大数字表达形式的标准化
- 历时转变：1940年代前，大数字（如“60,000,000”）多用纯数字格式；1950年代后，混合格式（如“6 billion”）成为主流（2000s占比86.17%）。
- 驱动因素：政府文体指南修订（如1953年要求拼写“million”）、杂志编辑规范（如《时代》主编T.S. Matthews强调可读性）。
科学价值：
1. 首次量化证明数字使用模式受认知（数量级、圆整性）与社会文化（显著性事件）双重影响；
2. 提出“数字作为社会变迁指标”的分析框架，为语言与文化研究提供新视角。
应用价值：
1. 媒体研究：数字表达标准化进程反映新闻行业的规范化趋势；
2. 历史研究：文化显著性数字可辅助定位重大社会事件（如经济政策、技术革新）。
（报告字数：约1800字）