用 may 與 suggest 拿捏主張強度：學術寫作的語氣與立場

當你的數據只說「也許」，你卻寫成「一定」

想像你剛跑完一份問卷研究，發現使用 AI 助教的學生，期末成績平均比沒用的高了 4 分。你很興奮，在論文裡寫下：

不佳： AI tutoring improves student performance.（AI 輔導提升了學生表現。）

審稿人讀到這句話，眉頭立刻皺起來。因為你的研究只有一個學期、一個班級、4 分的差距，而你卻用了一個放諸四海皆準的全稱斷言（universal claim）。你說的是「AI 輔導提升表現」——彷彿這是已經被證實的真理。但你的數據根本撐不起這麼重的結論。

問題不在於你的研究做得不好，而在於你「說話的力道」用錯了。學術寫作裡有一個常被初學者忽略、卻決定論文成敗的能力：用語言精準地校準你對主張的把握程度。這在語言學上稱為「模糊限制」（hedging）與「立場表達」（stance）。簡單說，就是用 may、suggest、tend to 這類詞，告訴讀者：「我有幾分證據，就說幾分話。」

為什麼學術寫作需要「示弱」

很多學生有個直覺：寫得越肯定，論文越有力。在中學作文裡，老師確實鼓勵「立場鮮明」。但學術社群的遊戲規則正好相反——過度肯定，反而暴露你的不成熟。

原因有三層。

第一，知識本身是暫時的（provisional）。科學從不宣稱掌握最終真理，每一篇論文都是在已知證據下的最佳推論，隨時可能被新資料推翻。當你寫 "X causes Y"（X 導致 Y），你等於宣告這是鐵律；但若你只觀察到相關性，更誠實的說法是 "X may contribute to Y"（X 可能促成 Y）。

第二，hedging 是學術禮貌（academic politeness）。研究者社群是一個對話場域，你提出的主張是「邀請同行檢驗」，而非「下達結論」。適度的模糊限制，等於對讀者說：「這是我的詮釋，歡迎你質疑。」

第三，它保護你免於被反例擊垮。一旦你寫了 "All students benefit from..."（所有學生都受益於……），只要審稿人想得到一個反例，你的句子就崩了。而 "Most students appear to benefit from..."（多數學生似乎受益於……）則留有餘地，更難被推翻。

但這裡有個關鍵的平衡：hedging 不是叫你變得含糊其辭、毫無立場。寫滿 may、might、possibly 的論文同樣糟糕——讀者會覺得你連自己的研究都不敢相信。真正的功夫，在於根據證據強度，調到剛剛好的那一格。

主張強度的光譜：從 must 到 might

把語氣想像成一台收音機的音量旋鈕，從最強到最弱，是一條連續的光譜（spectrum）。學術寫作就是在每一個句子裡，把旋鈕轉到與證據相符的位置。

我們可以粗略分成幾格：

最強（斷言事實）： is, are, will, must, demonstrates, proves - 適用：數學證明、已被反覆驗證的定律、你的數據直接顯示的客觀事實。 - 例：The experiment shows that the average response time was 320 ms.（實驗顯示平均反應時間為 320 毫秒。）——這是你直接測到的，可以肯定。

中強（強推論）： indicates, demonstrates that, clearly, strongly suggests - 適用：證據充分、邏輯紮實，但仍屬詮釋。 - 例：These results strongly suggest a link between sleep and memory consolidation.（這些結果強烈顯示睡眠與記憶鞏固之間的關聯。）

中等（謹慎推論）： suggests, indicates, appears to, seems to, is likely - 適用：最常用的學術區間。你有證據，但承認其他解釋可能存在。 - 例：The findings suggest that feedback timing may influence engagement.（研究結果顯示回饋時機可能影響投入程度。）

較弱（試探性）： may, might, could, possibly, tends to - 適用：初步發現、樣本小、探索性研究。 - 例：Online discussion might foster deeper reflection, though further study is needed.（線上討論或許能促進更深的反思，但仍需進一步研究。）

最弱（推測）： it is possible that, one could speculate, perhaps - 適用：超出數據範圍的延伸臆測，通常出現在討論段落的末尾。

請注意，這條光譜的核心邏輯是：你寫的力道，必須對齊你手上的證據。這就像法庭上的證人——你只能說你親眼看到的，超過的部分要明確標示為「我推測」。

動詞、情態與副詞：hedging 的三種工具

模糊限制不是只有 may 一個詞。它有一整套工具箱，分屬三大類，混合使用才自然。

工具一：報告動詞（reporting verbs）

當你描述研究結果或引述文獻時，動詞的選擇就決定了力道：

• 不佳： The data prove that gamification increases motivation.（資料證明遊戲化提升動機。）
• 改良： The data suggest that gamification may increase motivation.（資料顯示遊戲化可能提升動機。）

說明：prove 是一個極重的詞，幾乎只該用於數學或邏輯。社會科學、教育研究裡的資料幾乎從不「證明」任何事，它們只「指向」某個結論。

工具二：情態動詞（modal verbs）

may, might, could, can, would 是調整把握度最直接的方式：

• 不佳： This approach will solve the problem of student disengagement.（這個方法將解決學生不投入的問題。）
• 改良： This approach could help address the problem of student disengagement.（這個方法或許能有助於處理學生不投入的問題。）

說明：will 是對未來的確定承諾，風險極高。改成 could help address，既保留了你的主張，又留了退路。

工具三：模糊副詞與形容詞（hedging adverbs / adjectives）

likely, possibly, apparently, relatively, somewhat, in some cases, to some extent：

• 不佳： Students who used the tool performed better.（使用工具的學生表現較好。）
• 改良： Students who used the tool performed somewhat better, at least in this sample.（使用工具的學生表現略為較好，至少在本樣本中如此。）

說明：加上 somewhat（略為）和 at least in this sample（至少在本樣本中），你把一個過度概括的句子，收斂成了一個誠實、可辯護的陳述。

工具四：限定範圍（scope limiting）

明確說出「在什麼條件下」，是最被低估的 hedging 手法：

• 不佳： Collaborative learning improves outcomes.（協作學習改善成效。）
• 改良： Within the context of this undergraduate course, collaborative learning appeared to improve outcomes.（在本門大學部課程的脈絡中，協作學習似乎改善了成效。）

看一個例子：把一段話從「過度自信」改到「剛剛好」

來看一段教育研究論文討論段落的真實改寫。假設研究發現：一個班 40 名學生，用了 AI 寫作回饋工具後，作文分數平均上升。

原稿（過度肯定）：

Our study proves that AI feedback improves writing quality. All students who used the tool wrote better essays. This shows that AI feedback is the best method for teaching writing, and schools should replace human feedback with AI.

（本研究證明 AI 回饋改善寫作品質。所有使用工具的學生都寫出更好的作文。這顯示 AI 回饋是教寫作的最佳方法，學校應以 AI 取代真人回饋。）

問題盤點：proves（證明，太重）、All students（所有學生，全稱斷言，幾乎必假）、the best method（最佳方法，無依據的最高級）、should replace（應取代，超出數據的政策建議）。這段話幾乎每一句都把旋鈕轉到最大，審稿人會一句句反駁。

改良稿（校準後）：

Our findings suggest that AI feedback may contribute to improvements in writing quality. Most students who used the tool showed gains in their essay scores, though the effect varied across individuals. These results point to AI feedback as a potentially useful complement to—rather than a replacement for—human feedback. Further research with larger and more diverse samples is needed before drawing firm conclusions.

（本研究結果顯示 AI 回饋可能有助於寫作品質的改善。多數使用工具的學生在作文分數上有所進步，但效果因人而異。這些結果指向 AI 回饋可作為真人回饋的潛在有用補充——而非取代。在得出確切結論前，仍需以更大、更多元的樣本進行後續研究。）

改了什麼？proves → suggest...may、All → Most 並補上 varied across individuals（因人而異）、把 best method 與 replace 改成 complement rather than replacement（補充而非取代），最後加一句 Further research is needed（仍需後續研究）。整段話的可信度反而大幅提升——因為它聽起來像一個誠實的研究者，而非推銷員。

動手試試：為下列句子轉旋鈕

試著把這些句子調到合適的力道（先別看答案）：

1. Social media destroys students' attention spans.
2. This theory explains why people procrastinate.
3. Exercise makes you smarter.

參考改法：

1. → Social media use may be associated with shorter attention spans in some contexts.（社群媒體使用在某些情境下可能與較短的注意力持續時間有關。）——把 destroys 這種戲劇化動詞換成 may be associated with（可能與……有關），並限定 in some contexts。
2. → This theory offers one possible explanation for why people procrastinate.（這個理論為人們為何拖延提供了一種可能的解釋。）——explains 暗示唯一解釋，offers one possible explanation 承認有其他理論。
3. → Regular exercise has been linked to improvements in certain cognitive functions.（規律運動已被連結到某些認知功能的改善。）——避免 makes you smarter 這種因果＋全稱的雙重風險，改用 has been linked to（被連結到）並限定 certain cognitive functions。

你會發現，調整語氣的同時，你其實被迫想清楚：你的證據到底支持到哪一步？ 這正是 hedging 最大的價值——它不只是修辭，更是一種思考的紀律。

反向操作：什麼時候該「加強」而非「弱化」

新手學會 hedging 後，常掉進另一個陷阱：什麼都不敢說了。整篇論文充滿 may, might, possibly, it could be argued that，讀者反而抓不到你的貢獻在哪。

有兩種情況你應該轉強旋鈕：

第一，陳述你直接測到的數據時。 不要對客觀事實 hedging。

• 不佳（過度示弱）： The results might possibly suggest that the mean score may have been around 75.（結果或許可能顯示平均分數可能在 75 左右。）
• 改良： The mean score was 75.2 (SD = 8.3).（平均分數為 75.2，標準差 8.3。）

你測到就是測到，這是事實，直接陳述。Hedging 用在「詮釋」，不用在「測量」。

第二，陳述你論文的核心貢獻時。 在引言或結論點明你做了什麼，要清楚有力。

• 不佳： This paper might perhaps offer some small contribution to the field.（本文或許也許對該領域提供些微貢獻。）
• 改良： This paper makes two contributions: first, ...; second, ...（本文做出兩項貢獻：第一……；第二……。）

學術寫作的高手，是在「該強的地方強、該弱的地方弱」之間自由切換的人。

重點回顧

• hedging（模糊限制）的本質：用 may、suggest、appear to 等語言工具，讓你的主張力道與證據強度對齊——有幾分證據說幾分話。
• 三大工具箱：報告動詞（prove → suggest）、情態動詞（will → could）、模糊副詞與範圍限定（somewhat、in this sample、within this context）。
• 過度肯定的三大地雷：全稱斷言（all, every, always）、過重動詞（prove, demonstrate）、無依據的因果與最高級（causes, the best）。
• 避免反向過頭：對直接測到的數據、以及論文的核心貢獻，要轉強旋鈕、清楚陳述，別什麼都 hedge。
• hedging 是思考紀律：調整語氣的過程，逼你誠實面對「證據到底支持到哪一步」，這比修辭本身更重要。

深入探討（研究所視角）

從語言學的角度看，hedging 與 stance 屬於後設論述（metadiscourse）研究的核心領域。Ken Hyland 的開創性工作將學術論述中的 stance（立場） 系統化為四個維度：hedges（模糊限制）、boosters（強化語，如 clearly, demonstrate）、attitude markers（態度標記，如 unfortunately, interestingly）與 self-mention（自我提及，如 we, our）。Hyland 與其後繼者（如 Aull、Lancaster 等人的語料庫研究）以大規模語料庫分析發現，hedge 與 booster 的使用密度，是區辨「專家寫作」與「學生寫作」的可靠指標：新手往往 booster 過多、hedge 不足，呈現出與證據不相稱的過度自信。

這背後其實連接到一個更深的科學哲學議題：Karl Popper 的可否證性（falsifiability）。Popper 主張，科學陳述的價值不在於它「被證明為真」，而在於它「可以被否證」。Hedging 在語言層面實踐了這個精神——一個可被否證的主張，必然是有條件、有範圍、可能出錯的，因此語言上就該帶著限定詞。當你寫 "X may contribute to Y under conditions C"，你其實是在說：「如果在條件 C 下找不到這個關聯，我這個主張就被推翻了。」這種精確的可否證性，正是強論文的標誌。

值得注意的是，hedging 規範存在顯著的跨領域與跨文化差異。在硬科學（如物理）中，由於變因可控、證據強，boosters 的使用相對較多；而在社會科學與人文領域，由於詮釋空間大，hedges 密度通常更高。對使用學術英文為第二語言（English as an Additional Language）的學生而言，這層差異尤其關鍵：中文學術寫作的 hedging 慣例與英文不盡相同，某些在中文聽來自然的肯定語氣，直譯成英文可能顯得過於武斷（dogmatic）。這也是 Uedu「優學術寫作」特別強調此主題的原因——學會 hedging，不只是學一組詞彙，而是學會用目標學術社群所期待的「認識論姿態」（epistemic stance）來思考與書寫。

在 Educational Omics 的 Linguomics（語言表達）維度下，hedge 與 booster 的密度比值，本身就是一個可量化、可追蹤的語言複雜度指標。當系統能自動偵測一位學生在不同學期的寫作中，hedging 使用是否從「過度自信」逐步走向「校準恰當」，這便提供了一條觀察學術寫作素養成長的客觀軌跡——也讓「語氣與立場」這個看似主觀的修辭問題，得以進入可被資料驅動（data-driven）研究的範疇。