吉蒙蒙，郭愛萍

(太原理工大學(xué) 外國語學(xué)院，山西 太原 030024)

中美作者英語科技論文的語篇銜接對(duì)比——一項(xiàng)基于Coh-Metrix的研究

吉蒙蒙，郭愛萍

(太原理工大學(xué) 外國語學(xué)院，山西 太原 030024)

文章采用Coh-Metrix計(jì)算機(jī)評(píng)估方法，選取中美作者英語科技論文“方法”部分建成語料庫，分別從連接詞、詞匯銜接及情景模型構(gòu)建三個(gè)維度對(duì)語篇銜接進(jìn)行了多維考察。結(jié)果表明，連接詞使用總數(shù)上，中美作者不存在顯著差異，但中國作者使用的邏輯和轉(zhuǎn)折連接詞顯著少于美國作者；詞匯銜接方面，兩者在利用潛在語義關(guān)系來增強(qiáng)語篇銜接性方面不存在顯著差異，但美國作者使用的詞干重疊和相鄰句子間的論元重疊顯著多于中國作者；情景模型構(gòu)建上，兩者不存在顯著差異?？傮w來說，與美國作者相比，中國作者在英語科技論文邏輯連接詞、轉(zhuǎn)折連接詞、詞干重疊和相鄰句子間的論元重疊等顯性銜接的運(yùn)用上比較欠缺。

科技論文；語篇銜接；對(duì)比研究

一、引言

英語科技論文是科技工作者進(jìn)行國際學(xué)術(shù)交流的重要手段。由于科技論文的專業(yè)性、技術(shù)性和抽象性，“高銜接的科技文本更易于理解”[1]228。銜接手段在語篇理解中具有重要作用，可以使語篇表意更明確、邏輯更清晰、語篇更連貫[2]。根據(jù)Graesser等的觀點(diǎn)，語篇理解包括五個(gè)層面：表層、文本層、情景模型層、體裁及修辭層、語用層[3]，而銜接特征最直接地體現(xiàn)于文本層和情景模型層[4]。文本層“捕捉”文本的顯性信息，而情景模型層反映文本的深層意義[5]。

早期，Halliday & Hasan將銜接分為詞匯銜接和語法銜接兩個(gè)類別[6]。2002年，Louwerse提出了兩種新的分類方式：一是將銜接分為局部銜接和整體銜接；二是從銜接的來源進(jìn)行區(qū)分，如連接詞包括增補(bǔ)連接詞、時(shí)間連接詞和因果連接詞等[7]。這兩種分類方法對(duì)于分析科技文本的語篇銜接具有重要作用[8-9]。但是這些銜接理論只能指導(dǎo)對(duì)科技論文顯性銜接特點(diǎn)的考察，而銜接包括顯性銜接與隱性銜接兩個(gè)層次[10]。與顯性銜接聚焦表層形式上的連接不同，隱性銜接通過句與句之間含而不露的語義關(guān)系來呈現(xiàn)深層意義上的連接。雖然唐詠雪和夏偉蓉發(fā)現(xiàn)較多使用隱性銜接是科技論文英文摘要的一個(gè)語篇特點(diǎn)[11]，但現(xiàn)有文獻(xiàn)對(duì)如何通過隱性銜接手段實(shí)現(xiàn)語篇銜接以及情景模型層面的銜接有何特點(diǎn)研究不夠。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，一種新的文本分析軟件Coh-Metrix開始運(yùn)用于銜接分析，它能自動(dòng)測(cè)量多種表層及深層語言特征，突破了過去只能對(duì)銜接進(jìn)行表層或文本層分析的局限[12-13]。在Coh-Metrix中，文本層的銜接手段包括連接詞(connectives)和指稱銜接(referential cohesion)，情景模型層包括潛在語義分析(Latent Semantic Analysis,簡稱LSA)和情景模型(situation model)構(gòu)建[4,14]。這四類指標(biāo)不但囊括了Halliday & Hasan等提出的銜接手段，而且擴(kuò)展到了對(duì)文本深層銜接或隱性銜接的考察。當(dāng)前，作為語篇銜接特點(diǎn)及差異研究的重要工具，Coh-Metrix在國內(nèi)對(duì)英語科技論文的研究中運(yùn)用得還很少。Ye[15]雖然比較了中美作者英語科技論文摘要的語言特征，發(fā)現(xiàn)中國作者在指稱銜接和情景模型上的得分比美國作者高，但未說明具體的指標(biāo)參數(shù)。因此，本文以中美作者英語科技論文“方法”部分為語料，采用文本自動(dòng)檢索工具Coh-Metrix提取文本層和情景模型層的銜接數(shù)據(jù)，考察中美作者英語科技論文在連接詞、詞匯銜接和情景模型構(gòu)建上的異同，以期為中國學(xué)者撰寫更具銜接性的英語科技論文提供建議，為跨文化背景下的科技論文寫作及學(xué)術(shù)交流提供借鑒。

二、研究方法

(一)銜接分析工具和指標(biāo)

本研究以Coh-Metrix3.0為工具考察科技論文銜接特征。據(jù)設(shè)計(jì)者介紹，開發(fā)Coh-Metrix 的初衷就是為了測(cè)量文本的銜接特征，最新的Coh-Metrix3.0版分析系統(tǒng)可提供106項(xiàng)語言特征的量化指標(biāo)。根據(jù)本研究的需要，我們選取與銜接相關(guān)的20項(xiàng)指標(biāo)，歸入連接詞、詞匯銜接和情景模型構(gòu)建三個(gè)維度，以分析英語科技論文的顯性銜接和隱性銜接特點(diǎn)。

其中，六項(xiàng)連接詞指標(biāo)反映文本的顯性銜接特點(diǎn)，增補(bǔ)連接詞、因果連接詞、時(shí)間連接詞、轉(zhuǎn)折連接詞、邏輯連接詞和各類連接詞總體頻率由Coh-Metrix3.0自動(dòng)計(jì)算并產(chǎn)出以每千詞為基準(zhǔn)的標(biāo)準(zhǔn)化頻率。

詞匯銜接維度同時(shí)涉及顯性和隱性銜接特點(diǎn)，因?yàn)樗ǔ尸F(xiàn)詞匯間語義互指性的指稱銜接和考察語義相似性的潛在語義分析，前者屬于顯性銜接手段，而后者屬于隱性銜接手段[12]。指稱銜接是文本中相鄰句子或所有句子間的詞匯重疊，相鄰句子間的指稱銜接反映文本的局部銜接情況，所有句子間的指稱銜接反映整體銜接情況。Coh-Metrix3.0能夠測(cè)量四類指稱銜接，包括名詞重疊、論元重疊、詞干重疊和實(shí)義詞重疊，各類指稱銜接數(shù)值在0到1之間，數(shù)值越大，語義互指性越強(qiáng)，文本越銜接。潛在語義分析得出句子間語義相似性的余弦均值。如果兩個(gè)句子的語義相似性余弦值接近1,則表明兩個(gè)句子有較大的語義相關(guān)性，它們討論的是相似或同一命題，句子間較銜接[16]。已知信息的使用是有效的語篇銜接手段[17]。Coh-Metrix3.0還提供了可以反映文本新舊信息銜接的指標(biāo)：文本中已知信息和新信息的比值(LSA given/new)，這一比值越接近1，說明已知信息越多，文本越銜接。

情景模型維度反映文本的深層語篇銜接，即隱性銜接。“它的產(chǎn)生是由于對(duì)語言使用的描述中還加入了可能世界、時(shí)間、地點(diǎn)、語用因素、語言使用者狀況等信息單元，如果我們用語篇基礎(chǔ)表示語篇(語言使用的產(chǎn)物)的內(nèi)涵(意義)，那么情景模型即成為語篇的(中介)外延，在語篇生成和理解的宏觀語用描述過程中，情景模型具有更強(qiáng)的解釋力?！盵18]1“因果性、目的性和時(shí)間性是信息類情景模型構(gòu)建的關(guān)鍵”[19]167，Coh-Metrix3.0主要通過這三項(xiàng)指標(biāo)統(tǒng)計(jì)情景模型層面的文本銜接。其中，因果銜接通過因果連接詞和因果動(dòng)詞的比率(ration of causal particles to causal verbs)、目的銜接通過目的連接詞和目的動(dòng)詞的比率(ration of intentional particles to intentional verbs)、時(shí)間銜接通過文本中時(shí)態(tài)的一致性(tense and aspect repetition)來體現(xiàn)。

(二)語料收集

本研究的語料選自建筑領(lǐng)域的權(quán)威期刊CementandConcreteResearch，該刊是SCI來源期刊，2015年影響因子為3.48，選取范圍為該刊2001年第1期到2016年第9期。本文在選取語料時(shí)遵循以下兩個(gè)原則：1)為保證中美語料的作者分別是中國二語作者和美國一語作者，統(tǒng)籌考慮了作者的國別、機(jī)構(gòu)和姓名；2)為保證語料撰寫體例的一致性，所選語料均明確包括摘要、引言、方法、結(jié)果和討論、結(jié)論五個(gè)部分。經(jīng)篩選，共獲得102篇語料，其中中國作者語料52篇，美國作者語料50篇。

“方法”部分是論文結(jié)果和討論以及結(jié)論部分的重要支撐，同時(shí)也是作者引導(dǎo)和“控制”讀者的重要手段[20]。“該部分內(nèi)容表述是否清楚，語篇銜接性是否良好會(huì)影響到讀者的理解和實(shí)驗(yàn)方法的驗(yàn)證以及重復(fù)使用。”[21]575因此，本文從有效論文中選取“方法”部分，經(jīng)過轉(zhuǎn)換、整理和文本清理，自建了中美作者英語科技論文“方法”部分的語料庫，將其分別命名為中國作者語料庫(Chinese Speaker Corpus，簡稱CSC)和美國作者語料庫(Native Speaker Corpus，簡稱NSC)。

(三)數(shù)據(jù)分析

筆者采用Coh-Metrix3.0對(duì)兩個(gè)自建語料庫進(jìn)行了檢索，得出數(shù)據(jù)。之后，使用SPSS17.0進(jìn)行描述性統(tǒng)計(jì)分析，并對(duì)通過正態(tài)分布驗(yàn)證的CSC和NSC數(shù)據(jù)進(jìn)行了獨(dú)立樣本T檢驗(yàn)。

三、結(jié)果分析與討論

(一)CSC和 NSC的描述性分析

在篇數(shù)相近的情況下，CSC的總詞數(shù)、平均句子數(shù)和平均詞數(shù)均少于NSC(見表1)。

表1 CSC和NSC基本信息的描述性統(tǒng)計(jì)

總詞數(shù)和平均句子數(shù)反映的是文本的總體詳細(xì)程度和復(fù)雜性[22]118。表1數(shù)據(jù)顯示，中國作者英語科技論文的總體詳細(xì)度和復(fù)雜性低于美國作者。類符形符比反映詞匯的多樣性，它與文本長度有關(guān)，文本越長，這一數(shù)值可能越小[23]。NSC中的文本總體較長，所以類符形符比較小。中國作者英語科技論文的類符形符比高于美國作者。已有研究表明，一些高水平的二語作者能夠使用多樣的詞匯，因而文章呈現(xiàn)出高水平的詞匯多樣性[24-25]。詞匯使用比較豐富多樣，也意味著詞匯重疊的機(jī)率比較小，為了便于讀者對(duì)文本的理解，加強(qiáng)銜接性十分必要[26]。中國作者英語科技論文在總體詳細(xì)度和復(fù)雜性上不及美國同行，這可能與中國作者是非本族語使用者，受有限的詞匯知識(shí)和語法知識(shí)制約有關(guān)。

(二)連接詞使用對(duì)比

連接詞的作用在于標(biāo)記文本各片段間的邏輯關(guān)系，合理得當(dāng)?shù)厥褂眠B接詞有助于提高文本的銜接性[12,27]。CSC和NSC連接詞使用頻率統(tǒng)計(jì)結(jié)果見表2：

表2 CSC和NSC連接詞使用頻率對(duì)比

“方法”部分需要闡明實(shí)驗(yàn)步驟和具體過程，連接詞使用不足有可能給讀者理解實(shí)驗(yàn)過程帶來困擾。從表2可以看出，總體上，CSC中連接詞的出現(xiàn)頻率(82.78)稍高于NSC(80.00)，但兩者差異未達(dá)到顯著水平(P=0.248>0.05)。

連接詞使用類型上，中美作者之間既有共性又有差異。從表2可以看出，CSC和NSC中增補(bǔ)連接詞的出現(xiàn)頻率都最高，且CSC(38.99)略高于NSC(36.70)，但兩者差異未達(dá)到顯著水平(P=0.184>0.05)。因果連接詞在兩個(gè)語料庫中的出現(xiàn)頻率(28.07，28.76)都僅次于增補(bǔ)連接詞，相對(duì)較高，但中美作者并沒有顯著差異(P=0.665>0.05)。上述現(xiàn)象表明，增補(bǔ)連接詞和因果連接詞在促進(jìn)中美兩國作者科技論文語篇的銜接上均具有重要作用。時(shí)間連接詞上，CSC(13.79)和NSC(14.80)較為相近，不存在顯著差異(P=0.396>0.05)。這是由于“方法”部分的實(shí)驗(yàn)過程按一定時(shí)序發(fā)生。對(duì)于描寫事情出現(xiàn)先后順序的時(shí)間連接詞，中美作者在認(rèn)知上是基本一致的。然而，在邏輯連接詞和轉(zhuǎn)折連接詞的使用頻率上，CSC顯著低于NSC(P=0.004<0.01，P=0.000<0.01)。

“語言是思維和文化的載體，人類語言普遍現(xiàn)象的個(gè)體差異折射出不同文化和思維方式的差異?！盵28]118受邏輯思維差異的影響，一語作者和二語作者在連接詞的使用類型上確有不同。Reynolds[17]發(fā)現(xiàn)，二語作者在因果連接詞的使用上比一語作者少。他認(rèn)為，這可能與二語作者比較依靠敘事思維有關(guān)。邏輯連接詞表明句子間“是”“非”和“或”的關(guān)系，中美作者邏輯連接詞使用頻率的差異性反映了中西思維的差異[29]12。西方人注重實(shí)證性思維，強(qiáng)調(diào)概念的準(zhǔn)確性；中國人注重意向性思維，用詞比較委婉含蓄并且較少用邏輯推理去論證觀點(diǎn)。除了表達(dá)相反的意義，轉(zhuǎn)折連接詞還具有統(tǒng)領(lǐng)、解釋、增補(bǔ)、延伸和總結(jié)等功能，例如however、although等。但中國作者對(duì)轉(zhuǎn)折連接詞的理解基本停留在表達(dá)相反意義的層面，缺少使用轉(zhuǎn)折連接詞表達(dá)其他功能的意識(shí)，因此，轉(zhuǎn)折連接詞的使用頻率顯著低于美國作者。

(三)詞匯銜接特征對(duì)比

詞匯銜接體現(xiàn)的是一種語義上的銜接[6]，而“英語篇章中的語義銜接保證了文章的連貫性及其可讀性”[30]507。CSC和NSC指稱銜接和潛在語義分析使用情況見表3和表4。

表3 CSC和NSC指稱銜接使用情況對(duì)比

注：0.45表示45%的相鄰句子存在名詞重疊，其他以此類推。

從表3可以看出，在實(shí)詞重疊上(包括相鄰句子間和所有句子間)，CSC和NSC之間基本一致。但在名詞重疊、論元重疊和詞干重疊上，NSC的數(shù)值均大于CSC，而且在相鄰句子論元重疊、詞干重疊，以及所有句子詞干重疊三項(xiàng)指標(biāo)上，CSC和NSC之間的差異達(dá)到顯著水平(P=0.012<0.05，P=0.011<0.05，P=0.012<0.05)，說明美國作者比中國作者更擅長運(yùn)用論元重疊和詞干重疊來增強(qiáng)科技論文句子間的語義互指，從而增強(qiáng)文本的銜接。

在論元和詞干重疊的使用頻率上，中國作者低于美國作者，這可能有兩個(gè)原因：一方面，漢語是孤立語，不存在像英語一樣的構(gòu)詞手法[31]，所以漢語銜接中沒有論元重疊和詞干重疊這樣的語義銜接方式。相反，英語是屈折語，其詞匯的構(gòu)成方式主要是派生法或詞綴法，即以詞根為中心，通過添加前綴或后綴的方式來構(gòu)成新詞。論元和詞干通?？梢宰鳛樵~根。所以美國作者更善于用論元和詞干重疊的方式來增強(qiáng)句子的銜接。另一方面，作為非本族語使用者，中國作者受有限詞匯深度和廣度的影響，對(duì)論元重疊和詞干重疊的掌握不如美國作者。

表4 CSC和NSC潛在語義分析(LSA)使用情況對(duì)比

相鄰句子間LSA和所有句子間LSA分別體現(xiàn)了語篇的局部和整體銜接情況。獨(dú)立樣本T檢驗(yàn)結(jié)果顯示，CSC和NSC在這兩項(xiàng)指標(biāo)上均不存在顯著差異(P=0.271>0.05，P=0.503>0.05)。表4數(shù)據(jù)還顯示，在已知信息與新信息比這一指標(biāo)上，CSC和NSC的數(shù)值基本一致。詞匯所蘊(yùn)涵的語義關(guān)系對(duì)實(shí)現(xiàn)語篇銜接的深層功能具有重要意義[32]。從語義相似性對(duì)比數(shù)據(jù)來看，中美作者在利用語義關(guān)系來增強(qiáng)語篇銜接性方面不存在顯著差異。

(四)情景模型構(gòu)建對(duì)比

CSC和NSC情景模型構(gòu)建對(duì)比即因果銜接、目的銜接和時(shí)間銜接對(duì)比情況見表5。

表5 CSC和NSC情景模型構(gòu)建對(duì)比

獨(dú)立樣本T檢驗(yàn)結(jié)果顯示，中美作者在因果銜接、目的銜接和時(shí)間銜接方面均不存在顯著差異(P=0.394>0.05，P=0.698>0.05，P=0.383>0.05)。這驗(yàn)證了人類認(rèn)知的共性，即人類對(duì)事物之間的因果、行為的目的和事件發(fā)生的順序的認(rèn)知方式具有一定規(guī)律性，而且這種方式共同存在于人類認(rèn)知機(jī)制里，是人類最基本的認(rèn)知方式，但這種認(rèn)知共性的深層特征和具體形式還值得探索，本文僅提供了三個(gè)維度的體現(xiàn)方式。

四、結(jié)論

本文使用語篇分析工具Coh-Metrix，從連接詞、詞匯銜接和情景模型構(gòu)建三個(gè)方面考察了中美作者英語科技論文語篇銜接的異同。結(jié)果發(fā)現(xiàn)，兩國作者在隱性銜接的運(yùn)用上不存在顯著差異，潛在語義和情景模型構(gòu)建基本一致。但在邏輯連接詞、轉(zhuǎn)折連接詞、相鄰句子論元重疊和詞干重疊等顯性銜接的運(yùn)用上，中國作者顯著弱于美國作者。

這些發(fā)現(xiàn)提供了三點(diǎn)啟示：第一，中國作者在英語科技論文寫作中需要平衡各類連接詞的使用，特別是恰當(dāng)?shù)剡x用轉(zhuǎn)折連接詞和邏輯連接詞，使論文寫作更接近一語作者。第二，中國作者在運(yùn)用各類詞匯重疊來增強(qiáng)語篇銜接時(shí)，要注意英漢語言的差異，除使用名詞重疊和實(shí)詞重疊等銜接手段外，還要掌握和運(yùn)用論元和詞干重疊等“地道”的語義銜接方式。第三，中國作者在寫作時(shí)應(yīng)盡量克服語言和思維差異的影響，使得論文在表層和深層上都具有銜接性，這樣才能寫出“純正”的英語科技論文。

總之，為順應(yīng)學(xué)術(shù)全球化的趨勢(shì)，提高學(xué)術(shù)論文的國際融入程度，中國作者在撰寫英語科技論文時(shí)，要關(guān)注中英文銜接方式上的差異，逐步消除差異，以便更好地促進(jìn)自身科技成果的推廣。當(dāng)然，受語料樣本規(guī)模的制約，本研究結(jié)果有待進(jìn)一步驗(yàn)證。

太原理工大學(xué)外國語學(xué)院張冬梅為本研究語料收集提供了幫助，特此感謝。

[1]Ozuru Y,Dempsey K,McNamara D S. Prior knowledge,reading skill,and text cohesion in the comprehension of science texts[J]. Learning and Instruction,2009,19(3):228-242.

[2]李艦君，陳艷紅，楊傳鳴. 語篇銜接理論在英文摘要中的應(yīng)用[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2013(5):57-62.

[3]Graesser A C,Millis K K,Zwaan R A. Discourse comprehension[J]. Annual Review of Psychology,1997,48(1):163-189.

[4]Graesser A C,Mcnamara D S. Computational analyses of multilevel discourse comprehension[J]. Topics in Cognitive Science,2011(3):371-398.

[5]Van Dijk T A,Kintsch W. Strategies of Discourse Comprehension[M]. New York:Academic Press,1983.

[6]Halliday M A K,Hasan R. Cohesion in English[M]. London:Longman,1976.

[7]Louwerse M. An analytic and cognitive parameterization of coherence relations[J]. Cognitive Linguistics,2002,12(3):291-315.

[8]陳蓉. 基于語料庫的科技英語論文引言的銜接特點(diǎn)研究[D]. 呼和浩特：內(nèi)蒙古大學(xué)，2012.

[9]李秋玲. 從準(zhǔn)確性、清晰性、簡潔性和銜接性角度分析英語科技論文[D]. 武漢：中國地質(zhì)大學(xué)，2014.

[10]牛保義. 隱性銜接論[J]. 外語教學(xué)，1998，19(3):1-5.

[11]唐詠雪，夏偉蓉. 科技論文英文摘要中邏輯銜接的運(yùn)用分析[J]. 云南民族大學(xué)學(xué)報(bào)，2009(6):154-157.

[12]梁茂成. 學(xué)習(xí)者書面語語篇連貫性的研究[J]. 現(xiàn)代外語，2006(3):284-292.

[13]杜慧穎，蔡金亭. 基于Coh-Metrix的中國英語學(xué)習(xí)者議論文寫作質(zhì)量預(yù)測(cè)模型研究[J]. 現(xiàn)代外語，2013(3):293-300.

[14]Plakans L. Cohesion features in ESL reading:Comparing beginning,intermediate and advanced textbooks[J]. Reading in a Foreign Language,2016,28(1):79-100.

[15]Ye D M. A Coh-Metrix analysis of language varieties between the journal articles of Chinese and American scientists[J]. International Journal of English Linguistics,2013,3(4):63-70.

[16]桂林. 基于計(jì)算機(jī)評(píng)估的L1和L2作文詞匯水平對(duì)比研究[J]. 外語教學(xué)與研究，2010(6):445-450.

[17]Reynolds D W. Learning to make things happen in different ways:Causality in the writing of middle-grade English language learners[J]. Journal of Second Language Writing,2002,11(4):311-328.

[18]熊學(xué)亮. 情景模型理論評(píng)介[J]. 國外語言學(xué)，1993(4):1-7.

[19]Zwaan R A,Radvansky G A. Situation models in language comprehension and memory[J]. Psychological bulletin,1998,123(2):162-185.

[20]Bazerman C. Shaping Written Knowledge:The Genre and Activity of the Experimental Article in Science[M]. Madison:University of Wisconsin Press,1988.

[21]Ecarnot F,Seronde M-F,Chopard R. et al. Writing a scientific article:A step-by-step guide for beginners[J]. European Geriatric Medicine,2015,6(6):573-579.

[22]劉輝. 學(xué)術(shù)論文方法部分詞匯的比較研究——以學(xué)科性為考察維度[J]. 外語學(xué)刊，2015(2):116-121.

[23]McCarthy P M,Jarvis S. MTLD,vocd-D,and HD-D:A validation study of sophisticated approaches to lexical diversity assessment[J]. Behavior Research Methods,2010,42(2):381-392.

[24]Grant L,Ginther A. Using computer-tagged linguistic features to describe L2 writing differences[J]. Journal of Second Language Writing,2000,9(2):123-145.

[25]Jarvis S. Short texts,best-fitting curves and new measures of lexical diversity[J]. Language Testing,2002,19(1):57-84.

[26]McCarthy P M. An assessment of the range and usefulness of lexical diversity measures and the potential of the measure of textual,lexical diversity (MTLD)[D]. Memphis:University of Memphis,2005.

[27]Graesser A C,McNamara D S,Louwerse M M，et al. Coh-Metrix:Analysis of text on cohesion and language[J]. Behavior Research Methods,Instruments,& Computers,2004,36(2):193-202.

[28]崔林，成曉光. 學(xué)術(shù)論文中動(dòng)詞性據(jù)素使用情況的英漢對(duì)比研究[J]. 大連理工大學(xué)學(xué)報(bào)，2014(2):115-119.

[29]王玉英，張蓮. 漢英語篇指稱銜接對(duì)比一例[J]. 解放軍外國語學(xué)院學(xué)報(bào)，2006(6):8-12.

[30]胡合元. 從文學(xué)作品看英語篇章中的語義銜接[J]. 山東社會(huì)科學(xué)，2015(S2):507-509.

[31]李丹弟. 語用化視域下英漢構(gòu)詞綴化對(duì)比研究[J]. 中國外語，2015(4):38-44.

[32]Vollmer H. Textual coherence:Basics of textlinguistics,seminar[D]. Osnabrück:University of Osnabrück,2002.

AContrastiveCoh-MetrixAnalysisofTextualCohesioninEnglishScientificPapersbyChineseandAmericanWriters

JIMengmeng，GUOAiping

(ForeignLanguagesCollege,TaiyuanUniversityofTechnology,Taiyuan030024,China)

Applying a self-made corpus of theMethodsection in English scientific papers,this paper uses Coh-Metrix to contrast the textual cohesion devices used by Chinese and American writers from the dimensions of connectives,lexical cohesion and situation model. Results indicate that:1)there are significant differences in frequency of logical and adversative connectives,although their total number of connectives shows no difference;2)no difference is found in terms of latent semantic analysis,but American writers use more argument and stem overlap in referential cohesion;3)as for the construction of situation model,Chinese writers and their American counterparts have no significant difference. On the whole,the English scientific papers written by American writers are more cohesive than those written by Chinese writers,who performed poorly in explicit cohesion.

scientific paper;textual cohesion;contrastive study

H313

A

2095-2074(2017)05-0055-07

2017-07-04

吉蒙蒙(1993-)，女，山西襄汾人，太原理工大學(xué)外國語學(xué)院碩士研究生；郭愛萍(1967-)，女，山西太原人，太原理工大學(xué)外國語學(xué)院教授，博士。