基于隱喻使用的多維法與語域分析*

孫亞 崔子璇

（對外經濟貿易大學， 北京100029）

提 要：Biber 的多維分析法通過識別語言特征和解析功能維度進行語域分析，其不足之處在于分析語域的語言特征均為語法特征。 本研究以語域專門隱喻的語義特征（源域）和語法特征（詞性）為變量，設計并運用基于隱喻使用的多維分析法。 結果表明，隱喻使用可以是語域的區別性特征，此方法不僅如Biber 多維分析法一樣能分析出觀察語料的語域類型和主要語域特征，還能補充Biber 的多維分析法，即揭示語域交際意圖的具體內容；此方法還可以解析觀察語料的基于隱喻使用的3 個維度，說明觀察語料的隱喻使用之間的關系及隱喻使用的基本結構。

1 引言

目前，隱喻研究正經歷著兩種“轉向”。 一是對隱喻的認識從“語言使用和思維方式”轉變為“語言使用、思維方式和交際功能”，形成隱喻的3平面模式：語言、思維和交際（Steen 2011：26），即隱喻是語言形式（含手勢）、概念結構和交際功能3 個方面的跨域映射（Herrmann， Sardinha 2015：8）。 二是研究方法上的轉變，從依賴單個語篇或主觀印象的證據，到分析大規模語料，再到探索語域中的隱喻使用（Deignan et al. 2013；Herrmann， Sardinha 2015：10； Semino et al. 2018：266）。 隱喻使用是語域的重要語言特征，本文擬以Biber 的多維分析法為基礎，設計基于隱喻使用的多維分析法，探討基于隱喻使用的語域特征。

2 語域分析與隱喻使用

語域（register）指因情景語境（包括話語范圍、話語基調和話語方式）的變化而產生的語言功能的變體，呈現出一系列相互聯系的、共現頻率高于隨機概率的語言特征（Halliday 1988：162）。 基于不同的語域而形成不同的語篇類型（簡稱語類，text type），如學術說明型（Learned Exposition）。 語域分析的內容為描寫語域的情景語境特征，描述語域的典型語言特征（詞匯語法特征），以及分析語言特征和情景語境之間的功能關系（Biber， Conrad 2009：8） 。

“我們的概念系統即思考和行為的方式基本上都是隱喻的” （Lakoff， Johnson 1980：3），因而可認為隱喻使用是語域的典型語言特征之一。 先前的相關研究涉及一般性語類中的隱喻使用，如會話、小說、新聞報道、學術語篇（Steen et al. 2010，何安平郭桂杭2020：19）；專門性語類中的隱喻使用，如政治話語（Musolff 2016）、商務話語（Herrera-Soler， White 2012）、教育話語（Wan， Low 2015）等；更具體的專門性語類中的隱喻使用，如企業使命宣言（Sun， Jiang 2014：4－14）、財務報告（Ho， Cheng 2016：37－48）等。

隱喻使用因語域而異（Krennmayr 2017），Steen 等（2010）比較BNC 子語料庫的學術、新聞、小說和會話4 種語類中隱喻使用的頻率和詞性方面的差異，發現使用隱喻頻率高的語類依次為學術（17.5%）、新聞（15. 3%）、小說（10%）、會話（6.7%），大部分隱喻類符是動詞和介詞。

語域分析的常見方法是多維分析法（Multi-Dimensional Analysis，簡稱MDA），該方法基于語料庫來解釋語域特征、分析語域變異（Biber 1995，2014；江進林許家金2015：225－235）。 該方法通過提取觀察語料中的67 個語言特征（如代詞、名詞形式、時態語態標記、地點和時間狀語、否定結構等），解析出6 個功能維度（交互性與信息性表達、敘述性與非敘述性關切、情景獨立性與情景依賴性表達、顯示勸說性表達、信息抽象性與非抽象性、即席信息組織精細度），確定語域類型（如科技說明型、一般敘述型、互動勸說型）。 該方法已廣泛用于分析各種語類，如小說、電影、歌曲、學術話語、商務話語等（Sardinha， Pinto 2014； 江進林許家金2015：225－235）。 MDA 依賴的語言特征多為語法特征，相對忽略語義特征，使得語域分析不夠完整。 本研究以語義特征“隱喻”為突破口，擬設計基于隱喻使用的多維分析法（Metaphor-based Multi-Dimensional Approach，簡稱MMDA），探討基于隱喻使用的語域特征。

3 研究設計

本研究主要回答以下3 個問題：（1）基于MDA，觀察語料屬于何種語域類型并呈現何種維度特征和主要語言特征；（2）確定M-MDA 變量的方法，基于M-MDA，觀察語料呈現何種維度特征；（3）與MDA 相比，M-MDA 有何優勢。

為回答上述問題，本研究使用自建企業使命宣言語料庫為觀察語料，該庫的文本主要源自中美兩國世界500 強企業英文網站的使命、愿景、策略等欄目，共102，547 詞。 企業使命宣言是一種商務話語，因而選擇的參照語料為大型商務英語語料庫中按分層隨機方法抽取的子庫，共2，060，063詞（江進林許家金2015：225－235）。

本研究使用的工具和步驟如下。 首先，使用軟件MAT（Multi-Dimensional Analysis Tagger）（Nini 2016）對語料進行Biber 的多維分析，通過自動賦碼67 個語言特征，獲得每個文本的每個語言特征的標準化值及每個文本的每個維度值，發現并觀察語料的語域類型、維度特征和典型語言特征。

其次，設定基于隱喻使用的多維分析變量——語域專門隱喻（register-specific metaphor）的語義和語法特征。 語域專門隱喻指與該語域的主題有顯著聯系的隱喻，其區別性特征是源域和詞性（Krennmayr 2017：165）。 本研究運用語料分析網絡界面Wmatrix（Rayson 2016，孫亞2012：51－54）生成觀察語料的主題語義域（觀察語料的主題），其中I2.1［商務：總稱］位居前列。 限于篇幅，本文選擇該目標域中詞語business（es），corporation（s），company／companies，enterprise（s）為檢索詞，按照MIPVU（Steen et al. 2010）識別與這些詞語相關的隱喻。 例如，backbone 是隱喻載體詞，其Wmatrix 語義賦碼為B1［人體］和MAT 語法賦碼為NN（名詞短語），二者分別為backbone 的語義和語法特征。

再次，參考Biber 的多維分析步驟使用軟件SPSS 對隱喻使用的上述語義和語法特征進行因子分析。 具體來說，統計出每個隱喻載體詞的語義特征和語法特征在每個文本中的每千詞標準化頻率；使用主軸因子法進行首次非旋轉因子分析，排除共因子方差小于0.2 的變量；排除上述變量后進行第二次非旋轉因子分析，獲得因子矩陣表決定因子數；根據因子數進行第三次斜交旋轉因子分析，獲得每個因子的變量（載荷值大于0.35），若某變量出現在多個因子列表中，按其最高值確定其歸屬的因子；根據因子所含的變量對因子（維度）命名，并解釋其在該語域中的交際功能。

4 結果與討論

4.1 基于MDA 的結果

4.11 觀察語料的語域類型與主要維度特征

MAT 的處理結果表明，觀察語料最接近的語域類型為學術說明型語類，主要代表性次語類包括官方文件、新聞評論、學術語篇等，其主要交際目的是傳遞信息。 觀察語料（企業使命宣言）的主要交際意圖與此吻合，企業使命宣言“一般由企業的CEO 和管理層共同商討決定， 形成一份較為簡練的書面性陳述”，向企業內外說明存在理由、經營領域、經營思想等，旨在樹立和營銷企業品牌（鄧路符正平2007：19－20）。 而參照語料（商務英語）屬于互動性較強的勸說型語類（江進林許家金2015：225－235），主要代表性次語類包括即席演講、職業信件、訪談等。

本研究使用MAT 提取觀察語料與參照語料的6 個維度值，然后運用SPSS 對這兩組數據進行獨立樣本t 檢驗。 結果表明，二者在這些維度上都存在顯著的差異（參見表1），尤其是維度1 和維度3。

表1 觀察語料和參照語料的維度差異（t 檢驗）

首先，維度1 指示說話者的主要交際意圖是信息性還是交互性。 該維度值高的話語是以情感和人際為焦點、內容碎片化的交互性表達，如電話、面對面會話等；維度值低的話語是經思考后的信息性表達，強調信息表達的精細化和整合性，如官方文件、學術話語、新聞報道。 觀察語料屬于后者，是信息表達型話語。 其次，維度3 指示話語是指稱明晰型還是語境依賴型。 該維度值高的話語中涉及的指稱較明晰，話語的信息性更強，信息整合度更高，如官方文件、學術話語；維度值低的話語需要受眾在話語的實際物理語境中識別意欲表達的指稱物，如廣播和會話。 觀察語料屬于前者，是指稱明晰型話語。

4.12 觀察語料的主要語言特征

每個維度所指示的交際功能體現于一組語言特征的頻繁共現，這些特征的交際功能往往具有相似性。 每個維度一般包括正載荷特征（簡稱正特征）和負載荷特征（簡稱負特征）。 維度值高，則偏向使用正特征，反之亦然。

觀察語料的維度1 值低，說明觀察語料中大量使用名詞、介詞、定語性形容詞等負特征（Biber 1995：140－143），如例①。 名詞、詞長和類形符比是信息性表達的重要指標，名詞主要傳遞指稱意義，長詞比短詞意義更具體，類形符比指示選詞的多樣性和精確性，因而名詞頻率高、長詞使用多以及類形符比高則說明信息密度大、信息呈現更準確。 此外，介詞短語為后置修飾語能清晰地闡述被修飾詞語的所指，定語性形容詞通常濃縮大量信息來修飾名詞，這二者使用頻率高也說明信息密度大、信息整合度高。 這5 種特征共同作用，整合大量信息，并簡潔、精確地呈現信息（同上）。觀察語料與參照語料在上述5 個語言特征的使用方面都存在顯著差異（參見表2）， 尤其是名詞、形容詞、長詞使用頻率高。

①ExxonMobil is the world's largest publicly traded international oil and gas company. We hold an industry-leading inventory of global oil and gas resources. We are the world's largest refiner and marketer of petroleum products， and our chemical company ranks among the world's largest. We are also a technology company， applying science and innovation to find better， safer and cleaner ways to deliver the energy the world needs.

其次，觀察語料的維度3 值高，說明觀察語料中大量使用wh-詞引導的關系從句（在句中做賓語）、wh-詞引導的關系從句（在句中做主語）、介詞前移的關系從句、并列結構短語和名物化短語等正特征，如例②和③。 上述正特征或清楚地識別所指對象，或提供所修飾或指稱物的詳細信息，使話語中的指稱更加明晰，這樣的話語信息性更強，信息整合度更高（同上）。 如表3所示，觀察語料與參照語料在上述3 個語言特征的使用方面都存在顯著差異，尤其是并列結構短語和名物化短語使用頻率高。

表2 觀察語料和參照語料的維度1 語言特征差異（t 檢驗）

②We explore for， produce and transport crude oil and natural gas； refine， market and distribute transportation fuels and lubricants； manufacture and sell petrochemical products； generate power and produce geothermal energy； provide energy efficiency solutions； and develop the energy resources of the future， including biofuels.

③These efforts include development of integrated power generation and technology projects to support Exploration and Production （E＆P） and Refining and Marketing （R＆M）.

表3 企業使命宣言和商務英語的維度3 語言特征差異（t 檢驗）

4.2 基于M-MDA 的結果

4.21 M-MDA 的變量與因子分析

語域專門隱喻指與研究語料的主題有顯著聯系的隱喻。 例如，business 為觀察語料的主題詞，例④中相關的platforms，heart，strategies 和growth被識別為隱喻載體詞，即為語域專門隱喻。

， are mandated to construct the b. and honesty are at the heart ④a. our sub-groups functioning as businessplatforms of ourBusiness.We expect our people to maintain high c. we apply in the execution of ourbusinessstrategies have led to sustainable comp d. continuously profitable growth of thisbusiness.Special attention will be given to

Wmatrix 和MAT 將例④a 中platforms 分別標注為H1［建筑］和NN［名詞］。 根據Wmatrix 和MAT 的標注結果，本研究確定基于隱喻使用的多維分析的變量，如表4所示，主要包括兩類：（1）語法特征，即MAT 為隱喻載體詞所標注的7 個語法特征（V1-V7）；（2）語義特征，即Wmatrix 為隱喻載體詞所標注的源域共17 個（V8-V24）。

表4 M-MDA 的變量

對上述變量（每個隱喻載體詞的語義特征和語法特征在每個文本中的每千詞標準化頻率）進行第一次主軸因子非旋轉分析，結果如表5所示，KMO 值為0. 803，Bartlett 顯著水平值為. 000，表明所選樣本大小達到要求，收集的數據適合做因子分析，變量間的共同因子多，原始變量之間可能存在有意義的關系。 同時，發現共因子方差小于0.2 的變量4 個即V5、V13、V21 和V24。 排除上述變量后進行斜交旋轉因子分析，獲得因子矩陣表（參見表6），因子矩陣表由3 個主要因子和20個特征組成，各特征的因子載荷值如表6所示。

表6 因子矩陣

4.22 M-MDA 的維度I：基于［人物運動］隱喻的信息性表達

維度（因子）I 包含10 個變量，其中6 個語義變量和4 個語法變量。 首先，從V8［人體］和V23［人物］兩個語義變量以及觀察語料的主題［商務］來看，觀察語料體現人物隱喻，即［公司或企業是人］，歸屬于基本隱喻［商務實體是生物體］（BUSINESS ENTITIES ARE LIVING ORGANISMS）。 “在美國法律制度下公司和人一樣具有法律地位，如在法庭上訴訟或被訴訟”（Dancygier， Sweetser 2014：62），因而商務話語中擬人化十分常見，使無生命事物具備有生命事物的特征和行為，賦予商務組織人的特征和有意志的行為。 從V8 和V23 兩個語義變量的代表性類符（該語義域中頻數最高的類符）backbone 和leader，可以推理出映射至目標域［公司或企業］的人物特征為“重要的”和“領先的”。

表7 維度I 的語言特征

其它4 個語義變量V11［戰爭］、V15［體育］、V17［移動］和V18［移動：陸地］指明公司或企業被賦予的有意志的行為。 V11 和V15 分別指示概念隱喻［商務活動是戰爭］（BUSINESS ACTIVITIES ARE WARS） 和［商務競爭是競爭性運動］（BUSINESS COMPETITION IS COMPETITIVE SPORTS），這二者同屬“競爭隱喻家庭” 的成員（Morgan 2008：489）。 V17 和V18 表明概念隱喻是［商務活動是運動］ （BUSINESS ACTIVITIES ARE MOVEMENTS）。 從這4 個語義變量的代表性類符（strategy，leading，progress，drive），可以推理出目標域［公司或企業］的有意行為是“向前運動”“有策略的運動”“競爭性運動”。

其次，該維度所含的3 個語法變量中V1［形容詞］、V2［名詞］和V3［名物化］屬于MDA 維度1 的負特征，V7［過去時］屬于MDA 維度2 的正特征，分別實現的交際功能是信息性表達和敘述性表達（如4.1 節所述）。 從這4 個語法變量的代表性類符strategy，leading，operations 和ranked 來看，觀察語料旨在告知受眾企業的排名和企業的領先地位，以加強企業競爭力。

綜上所述，本研究將M-MDA 的維度I 命名為“基于［人物運動］隱喻的信息性表達”，即將“商務活動”隱喻地理解為“人的運動”，其交際價值在于賦予企業積極的特征和行為。

4.23 M-MDA 的維度II：基于［物體增大］隱喻的非敘述性表達

如表8所示，維度II 包括3 個語義變量和2 個語法變量，其中2 個變量（V4 和V19）在維度III 的載荷值更高而歸屬于維度III。 從語義變量V10［農業］和V20［度量］以及觀察語料的主題，可以推測出“公司或企業”被隱喻地理解為“可度量的物體”或“農作物”，即形成較具體的概念隱喻為［公司或企業是可度量的物體］和［公司或企業是農作物］，歸屬于基本隱喻［商務實體是物體］（BUSINESS ENTITIES ARE OBJECTS）。 同擬人化一樣，商務話語中的物化（objectification）也是常見現象，即將一些商務現象或事物描述成更具體的事物，或者賦予它們具體事物的特征和行為。 擬人化和物化有相通的作用，都是用心理更可及的認知域來認識抽象事物。 V10 和V20 這兩個源域頻數最高的類符grow 和expand 表明二者的語義共同點即［增大］，因而又涉及基本概念隱喻為［重要的是大的］（IMPORTANT IS LARGE）。 上述概念隱喻組合成復雜隱喻，即［商務的發展是物體的增大］。

表8 維度II 的語言特征

該維度所含語法變量V6 ［現在時］屬于MDA 維度2 的負特征，其交際功能特征是非敘述性表達，如學術話語和官方文件。 現在時動詞不受時間限制的客觀存在，往往反映一般的行為和期待（general practice and expectations），表示經常性或習慣性的動作或存在的狀態。 例如，該變量的代表性類符operate 指示企業的正常運轉情況。

綜上所述，本研究將M-MDA 的維度II 命名為“基于［物體增大］隱喻的非敘述性表達”，即將“商務的發展”隱喻地理解為“物體的增大”，其交際價值在于說明企業的逐步發展壯大。

4.24 M-MDA 的維度III：基于［物體方位］隱喻的信息性表達

如表9所示，維度III 包括語義變量V19［地點］和V4［地點副詞］，均與［方位］相關，結合觀察語料的主題，可推理出“公司經歷的狀態”被隱喻地理解為“事物所處的位置”，即形成較具體的概念隱喻為［（公司）經歷的經濟狀態是（事物）所處的位置］（EXPERIENCING AN ECONOMIC STATUS IS BEING AT A LOCATION）。 這兩個變量的代表性類符是top 和upstream，體現基本隱喻［重要的是高的］（IMPORTANT IS HIGH）。 上述概念隱喻組合成復雜隱喻［公司地位重要是物體位置高］，即觀察語料中各家企業公司都表明自己地位是位于同行企業的上游和先列（胡春雨徐玉婷2020：42－44）。

盡管該維度的語法變量V4［地點副詞］是維度3 的負特征，指示的交際類型更偏向指稱情景依賴型（如4.1 節所示），然而該變量的代表性類符（副詞）的頻數遠低于語義變量V19 的代表性類符（形容詞）的頻數。 換句話說，該維度中形容詞比副詞的頻數高，形容詞是信息性表達的主要特征。 因而，本研究認為維度III 還是指向信息性表達。

表9 維度III 的語言特征

綜上所述，本研究將M-MDA 的維度III 命名為“基于［物體方位］隱喻的信息性表達”，即將“公司經歷的經濟狀態”隱喻地理解為“物體的所處方位”，其交際價值在于說明企業的領先位置。

4.3 M-MDA 的優勢

首先，M-MDA 的結果支持MDA 的發現。 MMDA 的3 個維度中的語法變量是觀察語料中的語域專門隱喻的語法特征，其中V1 ［名詞］、V2［形容詞］、V3［名物化］和V6 ［現在時］的共現表明，觀察語料的主要交際功能是信息性表達，這與MDA的結果一致（如4.1 節所述）。 從某種程度上，MMDA 的結果也反映出觀察語料的主要語域特征。換句話說，隱喻使用可以是語域的區別性特征。

其次，M-MDA 的結果補充MDA 的發現。 MDA的變量均為語法變量，這僅說明觀察語料是信息性表達語域，未能揭示出交際目的的具體內容。 而M-MDA 通過考察語域專門隱喻（語言隱喻）的24個語義和語法特征之間的內部依賴關系，轉化（簡化）成少數有概念意義、彼此獨立性大、能反映眾多原始特征所代表的3 大維度，即3 大隱喻（［人物運動］隱喻、［物體增大］隱喻和［物體方位］隱喻），能進一步說明觀察語料的信息表達的內容，即向受眾告知公司和企業的領先地位、發展前景等，以表明公司和企業的競爭力。

再次，M-MDA 的結果能揭示出觀察語料中所使用的源域（語義特征）之間的關系，形成隱喻使用的基本結構（參見圖1）。 第一，源域之間的關系為角色關系， 同屬相同的上位語義域或隱含相同的意義。 例如，維度I 的語義特征V11［戰爭］、V15［體育］、V17［移動］和V18［移動：陸地］的上位語義域都是［運動］；根據框架語義學，源域［人］使用或預設源域［運動］，它們之間是角色關系，即后者是前者的角色，因而它們的下位語義域如［人物］和［戰爭］之間也是角色關系；維度II 的語義特征V10［農業］和V20［度量］的類符表明，二者隱含相同的意義“大的或增大”。

第二，這些源域所體現的基本隱喻經過組合后形成觀察語料中的組合型復雜隱喻（compositionally complex metaphor），即概念層次上的語域專門隱喻。 例如，［商務實體是生物體］、［商務實體是物體］、［商務活動是運動］、［狀態是方位］、［重要的是大的］、［重要的是高的］等這些較為具體的隱喻映射又共同體現高層隱喻——［方位／運動事件結構］隱喻，即［有意行為是有目標的運動］（PURPOSIVE ACTION IS GOAL-DIRECTED MOTION）（Dancygier， Sweetser 2014：45）。 因而，它們相互兼容，形成的語域專門隱喻為［企業或公司的發展是人物向前運動和物體體積增大］和［企業或公司的位置領先是物體的方位高］。

5 結束語

本文認為，Biber 的多維分析法通過識別語言特征和解析功能維度進行語域分析，其不足之處在于識別的語言特征均為語法特征。 因而，本文以語域專門隱喻的語義和語法特征為變量，設計并運用基于隱喻使用的多維分析法。 研究結果表明，觀察語料是學術說明型語類，其主要交際功能是信息性表達，反映在諸多語言特征如名詞、形容詞、名物化短語的共現，支持Biber 多維分析法的結果；解析出的以隱喻使用為基礎的3 個維度進一步說明觀察語料的信息表達的內容，補充Biber多維分析法的結果；還揭示出觀察語料隱喻使用之間的關系及基本結構，從而探討基于隱喻使用的語域特征。 本文僅以隱喻使用為語義特征進行語域的多維分析，還存在一定的局限性，今后研究擬納入更多的語義特征，形成較為完善的語域分析法。