學術文體與語氣（進階）：資訊流、立場校準與引用修辭

同樣「正式、客觀、精確」，為什麼這篇讀起來像專家、那篇像作業？

你已經學會了入門篇的三根支柱：避開片語動詞、適度 hedging、把 a lot of 換成數字。於是你交出一份每句都「合規」的稿子——沒有縮寫、沒有 prove、沒有 the best。可是審稿人或老師仍寫下：「reads like a list of facts」「lacks an argument」「the stance is unclear」。

問題出在哪？因為語域（register）不只是單字層次的禮儀，更是一套句子如何排列、立場如何鋪陳、聲音如何校準的系統。入門篇教你「不要寫錯」；這篇教你「如何寫得像個有判斷力的學者」。兩者的差距，往往不在任何單一句子，而在句子與句子之間的資訊流動（information flow）、在你對每個主張投注的承諾強度（commitment），以及在你如何用引用把自己定位進一場學術對話。

這篇進階文章假設你已掌握基礎，直接進入四個更精細的機制：資訊結構、立場與介入系統（stance & engagement）、語法隱喻的取捨工藝，以及引用的修辭學。每一節都附「不佳 vs 改良」對照，但這次的「不佳」多半文法全對、甚至已經很正式——錯的是更深的層次。

機制一：資訊結構——句子不是孤島，是一條河

英文句子在學術語境裡有一個常被忽略的潛規則：舊資訊在前，新資訊在後（given-before-new）。每個句子的開頭（語言學稱為 theme，主位）應該銜接讀者「已經知道」的東西；句尾（rheme，述位）才放「新的、要強調的」資訊。這條原則讓讀者的注意力像接力棒一樣順暢傳遞。

看一段每句都「正確」卻讀起來顛簸的文字：

不佳（資訊流斷裂）：

Cognitive load increases when working memory is overloaded. A reduction in learning efficiency is the result of this overload. Instructional design that segments content can address the problem.

每句單看都對，但讀起來卡。為什麼？因為新概念出現在錯的位置，句首沒有承接前句的尾巴。

改良（given-new 串接）：

Cognitive load increases when working memory is overloaded. This overload, in turn, reduces learning efficiency. To address it, instructional designers can segment content into smaller units.

第二句用 This overload 接住第一句句尾的 overload；第三句用 To address it 接住第二句的問題。讀者每讀一句，開頭都踩在熟悉的地面上，新資訊則穩穩落在句尾。這就是學術散文「順」的祕密——不是用了什麼高級字，而是資訊的鋪設方向對了。

看一個例子：句尾重量（end-weight）與 it-cleft

英文還有一條相關原則：把長而複雜的成分放到句尾（end-weight）。頭重腳輕的句子讓讀者懸著一口氣。

不佳（頭重腳輕）：

That the intervention reduced anxiety across all three cohorts despite considerable individual variation was surprising.

主詞拖了一長串，謂語只有兩個字，讀者得撐到最後才知道作者要說什麼。

改良（用 it 把重量挪到後面）：

It was surprising that the intervention reduced anxiety across all three cohorts, despite considerable individual variation.

It was surprising that... 這種 extraposition（外置）結構，把短的評價放前面、把長的子句推到後面，符合 end-weight，也讓讀者先拿到「這件事令人意外」這個框架，再去消化細節。同理，當你想強調某個特定元素時，可用 cleft 結構：It is the timing, not the dosage, that matters 把焦點精準打在 timing 上。這些都不是炫技，而是用句法引導讀者的注意力。

機制二：立場與介入——客觀不等於沒有聲音

入門篇破除了「不能用 I」的迷思，也教了 hedging。但進階的真相是：學術客觀性不是「消除作者」，而是「精密地調控作者的存在感」。Ken Hyland 的 stance and engagement 模型把這套機制講得最清楚。所謂 stance（立場），是作者對命題投注的態度與承諾，包含四種資源：

• Hedges（緩和語）：may、might、possibly、it appears that——降低承諾，替反對意見留空間。
• Boosters（強化語）：clearly、demonstrate、it is evident that——提高承諾，表達確信。
• Attitude markers（態度標記）：surprisingly、importantly、unfortunately——標示作者的評價情緒。
• Self-mention（自我提及）：I、we、the author——標示作者的可見度。

而 engagement（介入）則是作者拉讀者進對話的資源：reader pronouns（you、we、one）、提問（rhetorical questions）、指引（consider、note that、as we can see）。

關鍵不在於「用不用」這些資源，而在於校準（calibration）——讓語氣強度精確匹配證據強度，並且在 hedge 與 boost 之間動態切換。

看一個例子：在同一段裡同時 hedge 與 boost

新手常陷入兩個極端：要嘛通篇 hedging 顯得心虛，要嘛通篇 booster 顯得武斷。成熟的作者會在有把握處 boost、有不確定處 hedge，讓讀者清楚知道哪些是地基、哪些是推測。

不佳（一律弱化，立場糊成一團）：

Our data might possibly suggest that the method could perhaps be somewhat more effective, although it may be that other factors might also play a role.

讀完不知道作者到底主張什麼。過度 hedging 等於沒有立場。

不佳（一律強化，傲慢且脆弱）：

Our data clearly demonstrate that the method is definitively superior. It is obvious that no other factor is involved.

一旦有反例，整段就垮了，而且讀起來咄咄逼人。

改良（分層校準）：

Our data clearly show that the method outperforms the baselines on this dataset (a robust, replicated finding). However, whether this advantage generalizes to other domains remains uncertain, and may depend on factors we did not control.

同一段裡：對「在此資料集上勝過基準」這個有實證支撐的事實，用 boost（clearly show）；對「能否推廣」這個未驗證的問題，用 hedge（remains uncertain、may depend on）。這種精密分層，正是研究所訓練要培養的核心判斷力——它向讀者展示你知道自己證據的邊界在哪裡。

動手試試：替每個主張標上「承諾溫度」

拿你自己的一段討論（Discussion）來做這個練習：替每一個主張動詞標 H（hedge）、B（boost）或 N（中性），然後問自己——這個溫度匹配我的證據嗎？

示範句：

The treatment eliminated(B) the symptom, which proves(B) the mechanism and will(B) work in clinical settings.

三個 booster 連發，但你的證據真有那麼強嗎？校準後：

The treatment substantially reduced(B, 有資料支撐) the symptom, which is consistent with(H, 機制只是推論) the proposed mechanism and may(H, 臨床尚未驗證) translate to clinical settings.

第一個動作有量化資料，保留 boost；後兩個是推論與外推，降溫成 hedge。做完這個練習，你會發現很多看似「客觀」的句子其實偷偷過度承諾了。

機制三：語法隱喻與名詞化——工藝，不是裝飾

入門篇的研究所視角提過名詞化（nominalization）與「殭屍名詞（zombie nouns）」。進階篇要把它變成一個可操作的取捨技能。名詞化是 Halliday 所稱語法隱喻（grammatical metaphor）的核心：把本該用動詞表達的「過程」重新包裝成名詞，把本該用形容詞表達的「性質」包裝成名詞。

它的威力在於讓一個過程變成可被再論述的對象。比較：

The economy grew rapidly. This surprised analysts. (兩個小句)

打包後：

The rapid growth of the economy surprised analysts. (一個小句，growth 成了可被主詞化的「東西」)

更進一步，這個被打包的名詞可以馬上被當主詞、被修飾、被進一步推論：This rapid growth, which exceeded all forecasts, triggered...。名詞化是學術寫作能把複雜論證層層疊起來的語法引擎。

但代價是：動作的執行者消失、句子失去能量、抽象度飆升。判斷何時打包、何時拆開，是進階作者的真功夫。

看一個例子：過度名詞化的「殭屍化」與還原

不佳（殭屍名詞堆疊，動作者全失蹤）：

The implementation of the modification of the protocol resulted in an improvement in the retention of information by participants.

一句話塞了 implementation、modification、improvement、retention 四個名詞化，沒有一個真正的動作動詞，讀者得自己腦補「誰做了什麼」。

改良（把關鍵過程還原成動詞，保留必要的打包）：

After we modified the protocol, participants retained information more effectively.

modified、retained 變回動詞，動作者（we、participants）回來了，句子重新有了主語與動作的骨架。注意這不是「消滅所有名詞化」——modification、retention 在別的語境（例如要把它當主題反覆討論時）仍然有用。原則是：當名詞化讓你失去動作者、且這個動作者很重要時，拆開它。

一個快速自檢法：數一個句子裡 -tion / -ment / -ance / -ity 結尾的抽象名詞。如果一句裡超過三個、而真正的動詞只剩 be 或 result in，那它很可能殭屍化了。

機制四：引用的修辭學——你怎麼引，洩漏你的立場

學術寫作的客觀性有一個常被忽略的維度：你如何引用他人，本身就是一種立場表態。新手以為引用只是「標出處」，進階作者知道引用是把自己定位進學術對話的修辭行為。

第一個工具是 integral vs non-integral citation（融入式 vs 非融入式引用）：

• 融入式：把作者名放進句子文法結構裡，焦點在「誰主張」——Hyland (2005) argues that...
• 非融入式：把出處放在括號或上標，焦點在「主張本身」——Stance is a key feature of academic prose (Hyland, 2005).

選哪一種洩漏了你的重點：想強調某個學者的權威或要與其對話時用融入式；想讓命題本身當主角、出處只是佐證時用非融入式。通篇都用同一種，論述就會單調且失去層次。

第二個、也是更關鍵的工具是 reporting verbs（引述動詞）的立場負載。X claims that 和 X demonstrates that 在文法上都對，但對讀者傳達的訊息天差地遠。

看一個例子：引述動詞如何偷偷表態

不佳（全用中性 says/states，立場與評價全消失）：

Smith (2020) says the method works. Jones (2021) says it does not. Lee (2022) says something similar to Smith.

讀者完全看不出你怎麼評價這三份研究、你站哪邊、誰的證據比較強。

改良（用引述動詞分層表態）：

Smith (2020) demonstrates that the method improves accuracy. Jones (2021), however, contends that this effect disappears under stricter controls. Lee (2022) corroborates Smith's findings with a larger sample.

demonstrates（你認為其證據充分）、contends（標示這是有爭議的主張）、corroborates（標示這份研究支持並強化前者）——三個動詞讓讀者瞬間看懂這場辯論的地形，也看懂你的判斷。引述動詞大致可分三類：

立場傾向	引述動詞	傳達的訊息
中性陳述	states, notes, describes, reports	不表態，僅轉述
帶有肯定/強證據	demonstrates, shows, establishes, confirms	你認為證據紮實
帶有保留/標示爭議	claims, contends, suggests, asserts, alleges	標示這是主張而非定論

警告：用 claims 或 alleges 引一份你其實認同的研究，會無意間貶低它；反過來用 demonstrates 引一份證據薄弱的研究，又會誤導讀者。引述動詞的選擇，是進階學術寫作裡最精細、也最容易暴露作者功力的環節之一。

重點回顧

• 資訊結構決定「順不順」：遵守 given-before-new（句首接舊資訊、句尾放新資訊）與 end-weight（長成分放句尾）。很多「每句都對卻讀起來卡」的稿子，問題是資訊流方向錯了，而非用字不夠正式。
• 客觀是調控聲音，不是消除聲音：用 Hyland 的 stance 模型（hedges / boosters / attitude markers / self-mention）精密校準——有實證的地方 boost、需外推的地方 hedge，讓語氣強度匹配證據強度。
• 名詞化是雙面刃工藝：它讓過程變成可再論述的對象、撐起複雜論證；但過度使用會殭屍化、抹去動作者。原則是「失去重要動作者時就拆開」。
• 引用是立場表態：融入式 vs 非融入式決定焦點在「誰說」還是「說什麼」；引述動詞（states / demonstrates / claims）洩漏你對被引研究的評價，選錯會誤導讀者。
• 進階素養 = 判斷與校準：基礎是「不寫錯」，進階是「在每個句子做出契合此情此景的取捨」。

深入探討（研究所視角）

進階語域素養的盡頭，是把寫作看成一套可被實證分析與系統訓練的人際符號系統，而非可背誦的規則清單。

Appraisal 理論：評價語言的全景地圖。 Martin 與 White 的 Appraisal framework（評價理論）把 Hyland 的 stance 推得更系統。它分三大系統：Attitude（態度，含 affect 情感 / judgement 評判 / appreciation 鑑賞）、Engagement（介入，作者如何處理其他聲音，含 monogloss 單聲 vs heterogloss 多聲）、Graduation（級差，評價的強弱調節）。其中 Engagement 系統特別關鍵：當你寫 it is widely accepted that...，你在做 contract（收縮對話空間）；當你寫 some may argue that...，你在做 expand（擴張對話空間），邀請異見。研究所等級的論證，本質上是一連串精心設計的對話空間收放——這也是為什麼好的 Discussion 讀起來像在跟整個領域辯論，而非獨白。

語步結構與 CARS 模型的微觀延伸。 入門篇提過 Swales 的 CARS（Create A Research Space）模型描述 Introduction 的三個 move：建立領域（establishing a territory）、指出缺口（establishing a niche）、佔據缺口（occupying the niche）。進階層次要關注的是每個 move 內部的語域切換：在「指出缺口」時，作者往往會升高 booster 與對比連接詞的密度（However, little is known about...、few studies have examined...），因為這是論文「製造張力」的修辭高點。能在語料庫中量化這些 move-specific 的語域特徵，正是 genre analysis 的前沿工作。

語料庫與計算文體學作為實證方法。 要超越「憑感覺」掌握某領域語域，需借助 corpus linguistics 與 computational stylometrics：用 keyword analysis 找出某學科相對於通用英文的過用詞（如機器學習論文高頻的 propose、leverage、outperform），用 collocation 分析找出該領域的慣用搭配，用 n-gram 與 move-tagging 描繪語步結構。這正對應 Educational Omics 框架的 Linguomics 維度——把語域特徵、詞彙密度、hedging/boosting 比例、名詞化密度等量化成多模態指標，用以追蹤學習者的學術寫作發展軌跡，甚至建立可解釋的回饋系統，告訴學生「你的 Discussion 過度 boosting 了」這類具體、可操作的診斷。

AI 時代的語域素養再定位。 當大型語言模型能瞬間產出語域「表面正確」的學術散文，門檻便從生產移向批判性編輯。生成式模型有可辨識的語域偏誤：傾向過度 boosting（過度自信的 clearly、undoubtedly）、傾向均質化的 hedging（無視證據強度地撒 may）、傾向堆疊名詞化而失去動作者、傾向用中性 reporting verb 抹平學術辯論的張力。一個受過進階語域訓練的學習者，能逐句診斷並重新校準這些偏誤——這呼應人機共學（Human-AI Collaboration）的核心命題：AI 是高速的改寫與對照夥伴，但「哪一版的承諾溫度真正契合此處的證據、此處的讀者、此處的對話空間」，仍是學習者不可外包的後設判準。語域素養因而從「寫得出來」升級為「判斷得出來、調控得出來」——這正是進階學術寫作教育在 AI 時代最值得守護的核心。

延伸閱讀方向：Ken Hyland《Stance and Engagement: a model of interaction in academic discourse》與《Disciplinary Discourses》、Martin & White《The Language of Evaluation: Appraisal in English》、John Swales《Genre Analysis》與 CARS 模型、Halliday & Matthiessen 論 grammatical metaphor、以及 corpus-based 學術寫作研究（如 Biber 的 register variation 系列）。