不同学科学术期刊用语中的独特语言特征:关键特征分析

《Applied Corpus Linguistics》:Distinctive Linguistic Features in Academic Journal Registers across Disciplines: A Key Feature Analysis

【字体: 时间:2026年09月09日 来源:Applied Corpus Linguistics 4.3

编辑推荐:

  摘要本研究探讨了已发表学术写作在两个维度上的语言和功能差异:学科领域和期刊风格。我们采用Egbert和Biber(2023)提出的关键特征分析方法,对来自六个学科(应用语言学、生物学、历史学、哲学、物理学和政治学)的834篇期刊文章(约350万字)进行了分析,这些文章涵盖了四种期

  

摘要

本研究探讨了已发表学术写作在两个维度上的语言和功能差异:学科领域和期刊风格。我们采用Egbert和Biber(2023)提出的关键特征分析方法,对来自六个学科(应用语言学、生物学、历史学、哲学、物理学和政治学)的834篇期刊文章(约350万字)进行了分析,这些文章涵盖了四种期刊风格(定性研究、定量研究、理论研究报告以及评价性评论/论坛)。分析中不仅包括以往多维度研究中使用的语言特征,还添加了在高级学术写作中重要的新特征(如名词-名词搭配、指示代词+名词结构、示例化与改写标记、存在性there等)。通过描述性的功能分类来解释这些关键特征,并参考了相关研究和语境使用情况。研究结果通过四个案例呈现:历史学、物理学、评价性文章和理论文章。历史学文章的特征表现为叙述性、描述性和人文/社会视角;物理学文章则侧重于信息明确表达、量化处理、物理实体与过程描述以及客观呈现方式。就期刊风格而言,评价性文章具有明显的观点和评价色彩,作者主体性较强;理论文章则依赖抽象/假设性推理、详细描述以及明确的立场表达。总体而言,该研究表明关键特征分析能有效地揭示学术写作中的跨学科和跨风格差异,对于研究写作教学具有实际应用价值。

引言

分析已发表的学术写作的语言特征已成为一个日益重要的研究领域,这主要与其在学术英语(EAP)教学中的直接相关性有关。从多维度分析(例如Author2, 2013)到专注于特定语言类别的方法(例如Charles, 2006),这些研究揭示了不同学科如何传播知识,以及这些知识如何应用于高级本科生和研究生的专业写作教学(Hyland, 2004; 2008; Peacock, 2011; Author2, 2015; Gilmore & Millar, 2018; Jiang & Hyland, 2018; Lu, Yoon & Kisselev, 2018; Omidian, Shahriari & Siyanova-Chanturia, 2018; Kim & Crosthwaite, 2019; Liu & Xiao, 2022)。
在大量研究学术期刊写作语言差异的研究中,较少有研究关注期刊文章内部的不同情境变化以及这些变化如何影响文章的语言构成(Cao & Hu, 2014; Hu & Cao, 2015; Author2, 2013; 2015)。Author2(2015)关于学术期刊风格的综合研究是一个重要的例外,表明期刊文章并非单一风格,而是会根据研究范式或文章类型(如定性、定量、理论)而有所差异。虽然这并不意味着学科差异不重要,但如果不考虑学术期刊写作的子风格,这种研究是不完整的且具有误导性(Author2, 2015)。近年来,人们越来越认识到子风格之间的差异,体现在越来越多的研究直接比较不同研究范式下的语言变化(例如Gao, Pham, & Polio 2023, 2025; Liu & Tseng, 2021; Cao, 2021; Montgomery, 2023; Candarli & Jones, 2019)。
虽然识别学术写作的语言特征很重要,但有效教授这些特征同样关键。研究表明,当语言特征与交际功能相结合时,语法教学效果最佳(Celce-Murcia, 1991; Kanda & Beglar, 2004)。因此,许多基于语料库的研究采用了能够建立形式与功能联系的方法。Biber(1988)的多维度分析(MDA)便是一种此类方法,它允许研究者分析一组语言特征,识别其共现模式,并从功能角度解读这些特征在各种风格/学科中的使用情况。然而,MDA也存在一些局限性,尤其是在应用于写作教学时。首先,该方法需要复杂的统计技术(如因子分析);其次,尽管它能生成功能性结论,但可能难以确定可融入写作课程的具体语言特征。特别是当某种风格在某个维度上处于中间位置时,该风格可能以间接方式使用相关特征,从而降低教学相关性。这一点反映了基于维度的解释方法的普遍局限性,并非本研究选择特定学科的基础。相反,这促使我们采用更简单、以特征为中心的方法来直接识别学科和风格特征。Egbert、Larsson和Biber(2020)也提倡使用“最小必要”的统计方法,以更简便、更有意义的方式解读语言数据。
为了解决上述问题——即考虑期刊文章的子风格和采用“最小必要”的统计方法进行语言分析——本研究采用Egbert和Biber(2023)提出的关键特征分析方法,通过两个维度(学科和子风格)来研究期刊文章的功能差异。这种新方法关注语言特征而非词汇项,能够识别特定风格的特征(Egbert & Biber, 2023)。分析使用了包含六个学科(应用语言学、生物学、历史学、哲学、物理学、政治学)和四种期刊风格(定性研究、定量研究、理论研究报告及评价性评论/论坛)的“学术期刊风格语料库”(AJRC)。
本研究旨在揭示学术写作不仅受学科影响,还受到不同期刊风格特定交际目的的塑造。我们预计学科特征会反映不同的认知方式和知识共享方式,而风格特征则体现不同学科在报告研究结果、理论论证和评价观点方面的共性。通过识别与这些目的相关的语言特征,本研究旨在提供比单纯风格描述更细致、更有用的学术写作描述。
本研究探讨以下问题:
  • 1.
    学术期刊风格语料库中各个学科的关键特征是什么?
  • 2.
    如何通过历史学、物理学、评价性文章和理论文章的案例研究,从功能角度解释选定的学科和风格关键特征?

章节片段

方法

在本研究中,我们使用了Egbert和Biber(2023)的关键特征分析方法(KF分析),来识别应用语言学(AL)、生物学(BIO)、历史学(HIS)、哲学(PHIL)、物理学(PHYS)、政治学(POL)六个学科以及三种类型的研究报告(定性(QL)、定量(QT)、理论(THEO)和评价性(EVAL)四种期刊风格中的独特语言特征。

结果与讨论

根据Cohen的d值标准0.25,我们确定了每个学科和期刊风格的关键特征数量。其中,哲学学科的关键特征最多(53个),其次是物理学(30个)、生物学(29个)、应用语言学(21个)和历史学(20个)、政治学(17个)。在期刊风格中,理论报告(THEO)的关键特征最多(27个),其次是评价性文章(EVAL,24个)、定量研究(QT,18个)和定性研究(QL,13个)。关键特征及其解释性分类的完整列表如下

结论与教学启示

本研究采用Egbert和Biber(2023)的关键特征分析方法,分析了六个学科和四种期刊风格的文章功能差异。关键特征用于识别目标语料库相对于参考语料库的独特语言特征。在此研究中,我们进一步将定量分析扩展为结合语境对这些特征进行描述性分类。

资金来源

本研究未获得公共、商业或非营利机构的任何资助。

Author2与同事

CRediT作者贡献声明

Nergis Danis:负责撰写初稿、数据可视化、方法设计、研究实施、形式分析及概念构建。Bethany Gray:负责撰写初稿、数据可视化、监督指导、方法设计、研究实施、形式分析及数据整理、概念构建。
Nergis Danis|Bethany Gray
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号