美国国防部和星条旗网站军事历史专题报道主页多模态研究 ——功能语言学和知识社会学路径

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:Mciael
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
系统功能语言学研究语言与社会、文化之间的关系,对各类语篇进行了详细研究。功能语言学语类研究曾从拓扑和类型学角度对其进行描述。以Martin为代表的系统功能语言学学者与和以Karl Maton为代表的知识社会学学者合作,探讨语言资源在历史知识建构的作用和方式。新媒体时代,语言、图像、声音等也成为讲述历史的符号资源,共同建构意义。但当下网站多模态语类研究多集中于新闻、漫画、购物网站等及其图文关系,历史类多模态文本的语类研究鲜有涉及。美军报纸网站和国防部网站设置历史专栏推出不同历史专题报道,运用多种图文组合方式讲述历史。对这些历史专题报道主页的系统研究将拓展历史语类认识,揭示美军利用此类多模态历史文本建构历史价值知识的模式。本研究四个主要研究问题为:1)历史语类包含哪些历史价值?2)美军历史专题报道主页中包含哪些多模态语类,其构成的多模态宏观语类之间有何异同?3)这些多模态宏观语类主页在历史价值知识建构模式方面有何异同?4)体现多模态宏观语类的历史专题报道在历史价值知识建构中呈现出哪些图文关系?本研究在系统功能语言学和知识社会学理论基础上,综合系统功能语言学语类理论、多模态理论和合法化符码理论搭建分析框架,梳理系统功能语言学历史语类研究中体现的历史价值参数。功能语言学特点是语篇语义和词汇语法分层研究。本文从语篇语义层分析历史专题报道主页的多模态语类以及多模态宏观语类中各多模态语类之间的关系,从词汇语法层探讨多模态文本中图文构建历史价值参数采用的符号资源特点及其共同建构模式。从历史人物类、历史战争回顾类、纪念历史事件、纪念历史人物角度,本研究从美军报纸《星条旗报》网站和美国防部网站的历史专栏当中选取四个系列历史专题报道主页,采用文本细读分析法,对其近5年来内容选择和设计变化趋势分别进行描述,并从多模态语类角度进行横向比较,发现不同历史专题报道主页上体现的多模态语类和多模态宏观语类。研究发现包括四个方面内容:第一方面,梳理美军网站历史专题报道多模态语类,丰富了对多模态语类种类和图文关系的理解。本文发现文本与图像在构建多模态语类时,两者关系呈动态变化。在图像主导意义生成的多模态语类中,文本对图像中参与者起解释说明作用,不承担语类阶段功能。例如,视觉历史叙述、视觉观察和视觉叙事属于典型的图像主导型多模态语类。在文本和图像扮演同等作用的多模态语类中,多模态语类语阶构成较为多样。通常,图像和文本各自占据相似大小的相邻空间,两种符号资源分别承担语阶功能。图像大小、网页中的位置、文字内容及其字体排版成为决定多模态语类的重要因素。且网页不同的位置对于符号资源选择和组合模式也有独特的倾向性。第二方面,基于新GeM模型,探讨美军历史专题报道主页宏观语类结构异同。本研究在GeM模型中引入语类分析方法,并利用该分析方法对所选四种历史专题报道主页进行分析。研究不仅发现了不同专题报道宏观语类结构中图文组合的多模态语类类型,而且还确定了各多模态语类在专题报道宏观多模态语类中的组合模式,并描绘了四种历史专题网站宏观语类之间的相似关系。第三方面,设计9阶语义密度和语义重力符码翻译表,发现美军历史专题网站历史价值参数的符号资源实现方式。从历史价值角度看,知识价值方面主要通过专有词汇和概念表征类图像实现。伦理价值主要通过语言评价资源和概念表征图像实现。解释/推理价值主要通过语言表因果短语或命题来实现。时间价值则通过语言资源中的介词或表示时间的连词,或通过图片颜色或背景变化所构建的时间框架实现。从符号资源角度看,语言资源和图像资源在实现历史价值方面各有特点。例如,语言资源主要使用专业术语或者当时历史环境中特有的事物名称来实现知识价值。这些术语或者名称作为小句中物质过程的参与者、目标或环境构建历史事实或事件。而图像资源主要通过连接性详尽结构,维度和定量图形和时空分析结构三种概念表征类图形实现知识价值。连结性详尽结构将事实与其特有属性连接在一起,并将这些属性完整地呈现给读者。维度和定量图形和时空分析结构使用参与者的数量或者出现频率来传达图形中参与者相关的事实。图表等概念表征类图形以其准确性和定量性构成了实现知识价值的权力图像。第四方面,利用9阶翻译表对四类美军历史专题报道主页进行分析,发现不同多模态宏观语类中历史价值建构特征。本9阶量表按照语义密度和语义重力大小分为:象征、事实、描述、欣赏、讲述、阐述、认可、呼吁和个人重述。其中象征语义密度最大、语义重力最小,而个人重述则相反。1)当专题报道网页打算用伦理价值说服读者时,文本和图片资源往往会频繁交互,并利用语义密度和语义重力多样化的资源实现知识的构建。但是,2)当主要目的是提供信息时,语义引力和密度将上移动到语力波顶部,而语义密度低和语义重力高的资源分配较少。文本和图片资源的交互频率显著性降低。在9阶语义范围区间之内,不同类型的网页对范围区间具有不同偏好:1)侧重促进道德和伦理价值观的网页例如“英雄”专题网页,更喜欢个人重述和欣赏之间的语义区间;2)侧重讲述历史事实和历史评价的网页例如“越战50年”专题网页,则更喜欢阐述与事实之间的语义区间;3)侧重于促进历史知识、提升价值观,如民族自豪感的网页,例如“诺曼底登陆纪念日”专题网页,更倾向认可和事实之间的语义区间,而4)专注于记录官方行动和提升集体价值观的网页例如“阵亡将士纪念日”主页,内容则更倾向讲述和象征之间的语义区间。本研究的价值包含三个方面。在理论价值方面,本研究提出了一个综合分析模式,将系统功能语类分析方法融入多模态语类分析框架中,不仅能全面描述多模态专题主页特征,也能分析多模态语类以及多种多模态宏观语类之间的关系,即多模态语类中语言和图片以及多模态宏观语类中的多模态语篇组合互动模式。此分析模式可以有效识别和解释专题主页中多模态语篇的内部特征,还可以拓展到所有多模态网络主页语篇。在分析方法层面,本文提出了知识建构9阶翻译量表,不仅可以描述单模态符号资源知识建构的模式,还能够体现多个模态在共同构建知识过程中的互动方式,为网站的多模态话语分析提供了操作性较强的分析方法。在指导实践层面,本文研究美军历史价值内涵和价值建构方式特点,契合我军先进军事文化建设需求,为我军讲好中国军队故事助力,对我军新媒体、网站和意识形态建设具有现实参考价值和实际借鉴意义。本文研究局限性之一在于仅从语言学视角开展研究。若采用跨学科视角,将历史学等研究视角纳入,将拓展历史价值知识建构研究的深度和广度。之二在于本文分析的网页话语主要为有限静态语料。而网页作为一个长尾集合器,主要利用其动态更新和互动性等特征满足不同用户的个性需求。未来研究需要将这些特征纳入研究范围,更好地分析网页多模态话语的价值知识建构特征和效果。此外,本研究采用的综合分析模式是否适用于历史专题报道主页以外的多模态历史讲述方式还有待于进一步探索和修订。
其他文献
本文主要研究自主驾驶汽车的场景感知和局部路径规划这两项关键技术。其中,场景感知由于输入数据的维数较高且包含大量噪声,因此是一项极具挑战的任务。目前的场景感知算法主要利用了计算机视觉和模式识别技术。通过使用机器学习,尤其是深度学习,可大幅提高场景感知的性能。然而,深度学习中所存在的(a)数据需求量大,(b)人工标签需求量大,以及(c)缺乏可解释性这三个问题,却严重地限制了其在场景感知中的应用。为此,
近年来,以深度学习为代表的核心技术引发了第三次人工智能的浪潮。从互联网巨头到中小规模企业、从研究所到各个高校,学术界和工业界都围绕深度学习技术开展了广泛的研究和探索。虽然以TPU为代表的深度学习专用硬件层出不穷,但是GPU集群仍然是开展深度学习研发的主流平台。相比于巨头互联网公司推出的大规模定制化深度学习平台,广大科研院校和中小规模企业由于预算有限,更偏向于采用高性价比的小规模GPU集群,来构建多
城市作为区域经济、政治和文化的中心,城市居民的日常出行需求呈多样化高频次的特点,如通勤、购物、娱乐等。但公共交通拥挤、公共场所人群密集、道路交通拥堵等低出行舒适度的问题也日益突出。当前,多个城市推出实时“拥挤度”、“交通指数”等出行参考指标,城市居民可据此合理选择出行,人流密集管控、道路交通疏导等措施的实施有了较好的针对性。但这些实时监控的出行参考指标,只反映当前而没有预测其即将产生的变化,作用相
判定布尔公式的可满足性(SAT)是计算机科学领域经典的NP完全问题之一,由于众多领域的实际问题都可以转换为布尔可满足问题来求解,例如VLSI设计与验证、软件的形式验证、人工智能规划与优化等领域,因此几十年来一直是计算机理论领域的研究热点。近年来,随着布尔可满足求解技术的不断发展,软件实现的SAT求解器也逐渐走向成熟与完善,但针对某些类型的SAT实例,例如复杂3-SAT实例,存在学习时间长、求解效率
合成孔径雷达在军用领域和民用领域中都发挥着重要的作用。作为合成孔径雷达应用的重要方面,目标识别一直是研究的热点。基于机器学习的合成孔径雷达目标识别方法已经取得了非常优秀的性能。目前的合成孔径雷达目标识别技术都是以完整的目标作为处理对象。实际应用中经常出现遮挡等导致的目标残缺现象。传统的机器学习目标识别技术识别这些遮挡目标的性能会严重恶化。因此需要研究针对合成孔径雷达遮挡目标的目标识别技术。本文重点
数据聚类是最基础和最重要的数据分析手段,实现对海量数据快速智能的聚类分析对于帮助整理、摘要和储存数据具有重要意义。在大数据和人工智能快速发展的背景下,传统聚类算法逐渐不能满足人们的实际需求,基于深度神经网络的聚类方法成为当前领域的热门研究方向。现有的深度聚类算法普遍存在目标函数易退化、泛化能力弱、训练不稳定和无监督神经网络表达性不足等问题。如何设计具有强表达性、泛化性、稳定性的深度聚类算法是人工智
随着城镇化进程的持续推进以及人们生活水平的提高,城市人口和交通出行需求快速增长,失衡的交通供需关系引发了交通拥堵、交通事故、能源浪费等诸多问题。在缓解交通拥堵方面,单纯限制交通出行需求或新建交通基础设施的方法面临日益增大的压力,潜力越来越小。智能交通系统立足科技的进步平衡交通供需,在提升交通系统运行效率,保障交通安全,减少尾气排放等方面发挥着不可替代的作用,是城市交通未来发展的方向。对道路交通系统
计算机视觉系统作为许多智能平台的核心组成部分,将在工业4.0、智慧城市、自动驾驶以及军事领域的无人化作战中发挥极其重要的作用。视觉目标检测和跟踪是计算机视觉领域重要的基础任务,也是实现许多高级视觉应用的前提。近年来,随着计算机硬件性能的提升、大数据技术的进步以及深度学习技术的发展,视觉目标检测和跟踪技术取得了较大的进步。然而,由于噪声等诸多因素的影响,现有的视觉目标检测与跟踪技术还不能满足实际的应
当前,移动机器人已经应用到工业、服务、军事等各个领域。在探测、巡逻等多种任务场景中,移动机器人都需要自主导航以完成规定任务,其运动的基础是机器人定位。由于在城市高楼环境或复杂电磁干扰环境下,GPS信号误差过大无法用于定位,机器人需要寻求新的定位方式。而现有的单传感器的定位方式鲁棒性不强,机器人需要综合应用多种异构传感数据提高定位能力。因此,本文针对机器人定位的具体应用展开研究,提出了基于图像-点云
残余应力检测是装备关键构件状态评估和寿命预测的重要基础,也是应力调控的前提条件。残余应力产生于产品全寿命周期中,很难预测,其大小和状态随加工和工作条件的不同而存在较大差异。材料中的残余应力会严重影响其强度、硬度、疲劳和稳定性,极端情况下会导致脆性断裂和应力腐蚀开裂。目前,得到行业认可的残余应力检测方法主要是X射线法和中子衍射法。但X射线对人体有一定危害性,并且只能测量表层30 um内的残余应力,如