打字猴:1.705237319e+09
1705237319 ★He poured himself a glass of wine and opened the wine.
1705237320
1705237321 (★他给自己倒了一杯酒打开了瓶子。)
1705237322
1705237323 He jumped onto his horse and rode out into the sunset.
1705237324
1705237325 (他跳上马背,骑出去融入夕阳之中。)
1705237326
1705237327 ★He rode out into the sunset and jumped onto his horse.
1705237328
1705237329 (★他骑马出去融入夕阳之中,跳上马背。)
1705237330
1705237331 显然,在两对句子的第一句中,两个小句的顺序符合事件的自然时间顺序。相反,第二句至少说起来很奇怪,因为它们与这种自然顺序不相符。就句法规则本身而言,第二句没有什么毛病。然而,这两个句子还是不可接受,因为小句排列的顺序违反了象似顺序原则。
1705237332
1705237333 第二种象似性,即象似邻近,也许不那么明显,因为语言与语言外部的世界之间的相似关系没有那么突出。对比下列例子(基于Radden 1992:515以次):
1705237334
1705237335 the famous delicious Italian pepperoni pizza
1705237336
1705237337 (著名的美味的意大利辣香肠比萨饼)
1705237338
1705237339 ★the Italian delicious famous pepperoni pizza
1705237340
1705237341 (★意大利美味的著名的辣香肠比萨饼)
1705237342
1705237343 ★the famous pepperoni delicious Italian pizza
1705237344
1705237345 (★著名的辣香肠的美味的意大利比萨饼)
1705237346
1705237347 ★the pepperoni delicious famous Italian pizza
1705237348
1705237349 (★辣香肠的美味的著名的意大利比萨饼)
1705237350
1705237351 这些例子表明,只有第一句是可接受的,而其他三句(以及所有其他可能的组合)都不可接受。原因在于只有第一句遵守了象似邻近原则,这条原则认为,关系近的成分必须靠近放在一起。因为pepperoni(意大利辣香肠)是这种比萨饼的固有组成成分,所以这个词必须直接放在该名词前边;Italian(意大利)表示产地,应得到第二接近的位置,而比萨饼的特点delicious(美味的)和对它的评价famous(著名的)则居于离名词较远的位置。问题在于,语言描述由线性序列成分组成,而在真实世界中,比萨饼的所有特色却融合为一个单一的物体。
1705237352
1705237353 在进一步研究这个问题之前,让我们看一看第三类象似性,即象似量或者量的象似性(Givόn 1990:966以次)。想想看下面的例子:
1705237354
1705237355 This guy is getting on my nerves.
1705237356
1705237357 (这个家伙令我心烦。)
1705237358
1705237359 This aggressively impertinent egghead is getting on my nerves.
1705237360
1705237361 (这个好争吵的莽撞的学究令我心烦。)
1705237362
1705237363 显然,这两个句子充当主语的名词短语的长度存在明显的差别。这种差别对应于用于描写所指人物而提供的信息量,而这被认为是象似量的表现。然而,这种观点给象似量带来了一个严重的问题:不管提供了多少信息,真实世界中被指称的那个人却还是同一个人。换言之,象似量确立了语言表达式与真实世界中的人(或物体)之间关系的观点不可能以这种简单的形式得到认可,而这正是认知语言学开始起作用的关键所在。
1705237364
1705237365 将象似性置于认知基础上:拟象象似性的例证
1705237366
1705237367 如果记得认知语言学家并不主张去描述真实世界的物体和生命体,而是处理我们所具有的关于真实世界的范畴和认知模型,这就为象似性关系提供了一个新的参照点。我们现在不将词和语法结构跟真实的物体与事件进行对比,而是跟我们真实世界的范畴和认知模型进行对比,这使得拟象对比容易得多,且合理得多。这意味着,就我们的例子而言,象似量就是语言表达式的长度与为描写那个粗鲁无礼的学究而引出的认知模型的复杂性之间的关系。回到我们比萨饼这个例子上,我们发现,现在,象似邻近就成了相关物体范畴(PIZZA、PEPPERONI、ITALY)和形容范畴GOOD(好)(存在于delicious和famous之中)的心理邻近问题。当然,第一组例子中(倒一杯葡萄酒,骑出去融入夕阳之中)的象似顺序也可以理解为语言成分序列与各自的事件范畴序列之间的相似性关系。
1705237368
[ 上一页 ]  [ :1.705237319e+09 ]  [ 下一页 ]