基于隐喻使用的多维法与语域分析
发布时间:2023-04-28 03:38
Biber的多维分析法通过识别语言特征和解析功能维度进行语域分析,其不足之处在于分析语域的语言特征均为语法特征。本研究以语域专门隐喻的语义特征(源域)和语法特征(词性)为变量,设计并运用基于隐喻使用的多维分析法。结果表明,隐喻使用可以是语域的区别性特征,此方法不仅如Biber多维分析法一样能分析出观察语料的语域类型和主要语域特征,还能补充Biber的多维分析法,即揭示语域交际意图的具体内容;此方法还可以解析观察语料的基于隐喻使用的3个维度,说明观察语料的隐喻使用之间的关系及隐喻使用的基本结构。
【文章页数】:8 页
【文章目录】:
1 引言
2 语域分析与隐喻使用
3 研究设计
4 结果与讨论
4.1 基于MDA的结果
4.11 观察语料的语域类型与主要维度特征
4.12 观察语料的主要语言特征
4.2 基于M-MDA的结果
4.21 M-MDA的变量与因子分析
4.22 M-MDA的维度Ⅰ:基于[人物运动]隐喻的信息性表达
4.23 M-MDA的维度Ⅱ:基于[物体增大]隐喻的非叙述性表达
4.24 M-MDA的维度Ⅲ:基于[物体方位]隐喻的信息性表达
4.3 M-MDA的优势
5 结束语
本文编号:3803664
【文章页数】:8 页
【文章目录】:
1 引言
2 语域分析与隐喻使用
3 研究设计
4 结果与讨论
4.1 基于MDA的结果
4.11 观察语料的语域类型与主要维度特征
4.12 观察语料的主要语言特征
4.2 基于M-MDA的结果
4.21 M-MDA的变量与因子分析
4.22 M-MDA的维度Ⅰ:基于[人物运动]隐喻的信息性表达
4.23 M-MDA的维度Ⅱ:基于[物体增大]隐喻的非叙述性表达
4.24 M-MDA的维度Ⅲ:基于[物体方位]隐喻的信息性表达
4.3 M-MDA的优势
5 结束语
本文编号:3803664
本文链接:https://www.wllwen.com/waiyulunwen/yingyulunwen/3803664.html
最近更新
教材专著