避險之外的立場工程：校準、增強與跨句一致性

當審稿人說「你太肯定了」：避險之外的立場工程

你已經學會用 may、might、suggest、appear 把過於武斷的句子軟化。但在真實投稿中，最棘手的退稿意見往往不是「你太武斷」，而是更難捉摸的兩種：「你的主張前後語氣不一致」（your claims read inconsistently confident）以及「你避險過頭，看不出你究竟主張什麼」（the hedging obscures your actual contribution）。

這揭示了一件入門篇不會講的事：避險（hedging）不是越多越安全，而是一套需要「分配」的有限資源。一篇好的論文不是通篇都軟、也不是通篇都硬，而是知道在哪裡該硬、在哪裡該軟、以及兩者如何過渡。這篇文章談的不是「如何軟化句子」，而是如何在整篇論文的尺度上經營立場（stance management）——把避險、增強（boosting）、態度標記（attitude markers）當成一個彼此牽動的系統來操作。

避險與增強：立場是有兩個方向的

入門篇把焦點放在「減弱」——怎麼把 X causes Y 改成 X may contribute to Y。但 Hyland 的 metadiscourse 框架裡，立場標記（stance markers）其實有兩個相反的力：

• 避險詞（hedges）：may、might、possibly、appear、suggest、tend to、to some extent——降低你對命題的承諾（commitment）。
• 增強詞（boosters）：clearly、demonstrate、establish、it is evident that、undoubtedly、in fact——提高承諾，向讀者宣告「這點我有把握，不必再議」。

新手只練避險，結果寫出的論文「全身是軟的」，反而失去說服力。Boosters 的功能是把讀者的注意力導向你最確定、最想捍衛的那幾個點。當一切都被避險，讀者無從分辨你的核心貢獻；適度的增強等於在說「這裡是我願意賭上信譽的地方」。

不佳（通篇避險，主張被稀釋）： The results may possibly suggest that the intervention could perhaps have had some effect on learning outcomes, which might tentatively indicate a relationship.

改良（核心發現用 booster 釘住，邊界用 hedge 守住）： The intervention clearly improved post-test scores (d = 0.62). Whether this advantage persists beyond one semester, however, remains an open question.

注意改良版的結構：確定的事用增強語氣直述（clearly improved），不確定的延伸用避險語氣標記（remains an open question）。立場的功力，在於這個「硬—軟切換」乾淨俐落，而不是把每一句都磨成中間色。

強度梯度：把避險詞當成刻度尺

很多學生把 may、might、could、possibly 當同義詞隨意替換，這是迷思。它們在承諾強度上構成一條梯度，誤用會讓審稿人覺得你對自己的數據沒有清楚的感覺。

由強到弱，一個實用的近似梯度：

關鍵原則：動詞的強度要與你證據的強度匹配（calibration）。審稿人讀到的不只是你的結論，還有你「對自己結論的態度」是否合理。

不佳（證據弱但用了強動詞——over-claiming）： Our correlational data demonstrate that social media use causes anxiety.

改良（相關性數據配相稱的中等強度動詞）： Our correlational data indicate an association between social media use and anxiety, though the causal direction cannot be determined from this design.

不佳（證據強卻過度避險——under-claiming，同樣是病）： The randomized trial might possibly suggest the drug could perhaps reduce symptoms.

改良（RCT 是高強度設計，配得起 demonstrate）： The randomized trial demonstrates that the drug reduces symptoms relative to placebo (p < .001).

請記住：under-claiming 不是謙虛，是另一種校準失敗。把一個設計嚴謹的 RCT 寫得像猜測，審稿人會懷疑你是否理解自己方法的證據力。

看一個例子：同一個發現，三種強度該配哪一種

假設你的數據顯示「使用 AI 助教的班級，期末平均高 8 分，p = .03，但樣本只有兩個班、未隨機分派」。

• 太強：The use of an AI tutor proves that AI raises academic achievement.（單一準實驗證明不了「AI 提升成就」這種普遍命題）
• 太弱：The AI tutor may possibly have somehow been related to scores.（你明明有顯著差異與效果量，不該寫得像沒發生過）
• 校準得當：Classes using the AI tutor scored higher on the final exam (Δ = 8 points, p = .03). Because assignment was not randomized, this difference should be interpreted as preliminary rather than causal.

校準版做了三件事：對「分數較高」這個可直接觀察的事實用直述；對「因果」這個過度延伸用明確的範圍限定；並把限制歸因到具體的方法理由（未隨機分派），而不是空泛地說「可能有限制」。

立場是會「累積」的：跨句一致性

入門篇處理單句，進階的難點在跨句、跨段的立場一致性。審稿意見「your claims read inconsistently」通常是指：你在 Results 用 suggest，到了 Discussion 同一個發現突然變成 prove；或摘要寫得斬釘截鐵，正文卻處處避險。

讀者會把你散落各處的立場標記累加成一個整體印象。前後矛盾會直接侵蝕可信度（credibility）。

不佳（同一發現，三處強度漂移）： Abstract: We prove that feedback enhances retention. Results: Feedback appeared to be associated with higher retention. Discussion: This definitively establishes the role of feedback.

改良（三處對齊到「中等強度」）： Abstract: We provide evidence that feedback supports retention. Results: The feedback group showed higher retention (d = 0.45). Discussion: These results support a facilitative role for feedback, consistent with prior work.

一個實用的自檢法：定稿前，把同一核心發現在摘要、結果、討論、結論四處的「主張動詞」抓出來並排，確認它們落在同一個強度帶。允許 Discussion 比 Results 稍微往前推一格（因為那是詮釋的場域），但不該跨越兩格以上。

避險不只是動詞：被忽略的四種資源

學生常以為避險就是換動詞，於是反覆使用 may/suggest 顯得單調。其實英文避險是分散在多個層次的，善用它們能讓語氣自然且精準。

1. 情態動詞（modal verbs）：may, might, could, would——最常被用、也最容易過度用。
2. 語彙動詞（lexical verbs）：suggest, indicate, appear, seem, tend to——把避險嵌入主句謂語。
3. 副詞/形容詞（approximators & probability adverbs）：approximately, roughly, largely, in most cases, relatively, probable——避險「數量」與「範圍」而非「真假」。
4. 範圍限定子句（limiting clauses）：within this sample, under these conditions, given the small N, for the participants studied——把主張的適用邊界講清楚，這是最被忽略卻最有力的避險。

第四種特別重要：範圍限定不是削弱主張，而是精準定義主張的有效範圍。一個被正確限定範圍的強主張，遠勝一個四處撒 may 的模糊主張。

不佳（靠堆情態動詞避險，主張變糊）： The method might could possibly work better in some cases perhaps.

改良（主張直述，用範圍限定子句界定邊界）： Within the three datasets examined, the method outperformed the baseline; its behavior on larger or noisier data remains to be tested.

動手試試：把「情態堆疊」改成「範圍限定」

下面三句都犯了「靠多個情態詞避險導致語意稀薄」的毛病。試著把核心主張改成直述，再用一個範圍限定子句承接不確定性。

1. The model may possibly tend to perform somewhat better.
2. Students might perhaps could benefit to some degree from the tool.
3. This approach could maybe work in certain potential situations.

參考改法：

1. The model outperformed the baseline on this benchmark; generalization to other domains is untested.
2. Students who completed all modules improved; effects for partial completers were not assessed.
3. This approach succeeded under the controlled conditions described; deployment at scale may surface other constraints.

每一句的結構都變成「確定的部分直述 + 不確定的部分明確劃界」，而不是把整句泡在情態詞裡。

學科差異：避險不是放諸四海皆準

一個常見迷思是「學術寫作一律要謙抑避險」。但 hedging 的密度與形式高度因學科而異，套錯規範會讓你的論文在目標社群裡顯得不專業。

• 人文與社會科學：避險密度高，常用 lexical hedges（it can be argued that, one interpretation is）、態度標記豐富，因為論證本身允許多元詮釋。
• 實驗自然科學：避險偏向方法性與統計性（within measurement error, under these assumptions, the data are consistent with），而非詮釋性；核心結果常用較直接的語氣陳述。
• 工程與計算領域：對 benchmark 結果常用 booster 直述（outperforms, achieves state-of-the-art），避險集中在「外部效度」與「適用範圍」。

所以「該避險多少」不能脫離 target venue 抽象地問。最可靠的做法是讀目標期刊近三年同主題論文，統計它們在 Results 與 Discussion 的立場動詞——這是逆向工程一個學術社群「語氣規範」的最快路徑。

不佳（把人文式詮釋避險搬到工程論文，顯得沒自信）： It might perhaps be argued that our system could conceivably achieve somewhat competitive results.

改良（工程社群慣例：結果直述，範圍避險）： Our system achieves competitive accuracy on three benchmarks; we did not evaluate latency under production load.

態度標記：被當成「不客觀」而誤刪的維度

立場系統的第三支，是態度標記（attitude markers）——表達評價而非機率的詞：importantly, surprisingly, unfortunately, remarkably, notably。新手常被「學術寫作要客觀」嚇到，把這類詞全刪光，結果論文讀起來像一份沒有觀點的清單，審稿人反而覺得「看不出哪裡重要」。

真相是：態度標記是你引導讀者注意力、宣告貢獻價值的工具，適度使用是專業而非主觀。重點在於評價要有依據，而非情緒宣洩。

不佳（零態度標記，平鋪直敘，重點淹沒）： The accuracy increased by 12%. The training time also changed. The error rate was lower.

改良（用態度標記分出輕重）： Accuracy increased by 12%. More importantly, this gain came without any increase in training time—a property notably absent from prior approaches.

但同樣要避免過度：surprisingly、remarkably 若用在其實不令人意外的地方，會被視為灌水。態度標記的可信度建立在你只在真正值得標記的地方使用它。

重點回顧

• 立場是雙向的：避險（hedge）降低承諾、增強（boost）提高承諾。只練避險會讓核心貢獻被稀釋；用 booster 釘住你最有把握的點。
• 避險詞構成強度梯度（demonstrate → indicate → suggest → appear → may）。校準的關鍵是讓動詞強度匹配證據強度——over-claiming 與 under-claiming 都是失敗。
• 立場會跨句累積。摘要、結果、討論、結論對同一發現的主張動詞應落在同一強度帶，允許 Discussion 微幅前推但不可大幅漂移。
• 避險分散在情態詞、語彙動詞、近似副詞、範圍限定子句四個層次。最有力的常是範圍限定子句——精準劃界勝過堆疊情態詞。
• 避險規範因學科而異，並無「越避險越安全」的通則。逆向工程目標期刊的立場用語，比套用抽象規則可靠。

深入探討（研究所視角）

若要把立場操作提升到研究方法的層次，可從三條線索深入。

第一，metadiscourse 的理論定位。 Hyland 的互動式 metadiscourse 模型把 hedges、boosters、attitude markers、engagement markers（如 consider, note that, our）並列為作者與讀者協商知識主張的資源。這條線索的研究問題是：學術寫作的「客觀」其實是一種精心建構的人際立場（interpersonal positioning），而非真的去除作者。Ken Hyland 與 Feng (Kevin) Jiang 近年的語料庫研究顯示，過去數十年科學論文的 hedging 與 self-mention 模式隨學科與時代系統性變動——立場不是個人風格，而是學科話語（disciplinary discourse）的社會化產物。

第二，與不確定性量化的接面。 在資料密集的研究裡，語言上的避險應當與統計上的不確定性對齊。一個值得追問的問題是：當你寫 the effect appears robust，這個「appears」對應的是信賴區間寬度、貝氏後驗的可信區間、還是僅是禮貌性套語？前沿做法（如 estimation thinking、報告效果量與區間而非只報 p 值）主張讓量化的不確定性直接驅動語言的避險強度，使語氣校準從「文體直覺」變成「可稽核的對應關係」。這對涉及多模態學習分析、效果量報告的教育科技論文尤其關鍵。

第三，LLM 時代的立場校準新風險。 大型語言模型生成的學術文字有兩個系統性偏差：一是傾向過度避險與套語化（hedge 堆疊、模板化的 it is important to note），二是在缺乏真實證據時仍用自信語氣斷言（confident hallucination）——恰恰是 calibration 的雙重失敗。對研究者而言，這帶出一個方法論議題：語氣的校準必須回到你自己的數據，不能外包給生成模型的預設語感。一個可操作的研究取向，是把「立場校準」當成可測量的寫作品質維度——例如比對論文中各主張的語言強度與其對應證據的統計強度，量化兩者的落差。這既是寫作教學的評量指標，也呼應 Educational Omics 中 Linguomics 維度對語言複雜度與語意立場的分析旨趣：當我們能把「作者對自己主張的承諾」變成可量測的訊號，避險就從一門文體技藝，升級為一個可研究的對象。