王志娟 彭宣維
〔關(guān)鍵詞〕 知識(shí);表征;學(xué)科;符號(hào)學(xué);功能
知識(shí)(knowledge)指主體在認(rèn)識(shí)主客觀世界的過程中整合相關(guān)經(jīng)驗(yàn)而生成的內(nèi)容,是人類智力活動(dòng)的產(chǎn)物;表征(representation)是“將實(shí)體概念化、可視化或物化為另一種形式或模式的轉(zhuǎn)換”[1],是一種認(rèn)知方式,是知識(shí)呈現(xiàn)的主要途徑[2];知識(shí)表征指知識(shí)通過不同符號(hào)系統(tǒng),如語(yǔ)言、圖像、模型、數(shù)學(xué)方程、手勢(shì)等,得以體現(xiàn)的途徑??偲饋?lái)看,作為意識(shí)化、符號(hào)化和結(jié)構(gòu)化的信息系統(tǒng)[3],知識(shí)及其表征是一切學(xué)科領(lǐng)域的核心內(nèi)容,在認(rèn)知心理學(xué)、知識(shí)管理、人工智能、教育社會(huì)學(xué)、語(yǔ)言學(xué)等學(xué)科領(lǐng)域獲得廣泛關(guān)注。本文將集中概述該領(lǐng)域代表性研究成果,并指出其進(jìn)一步發(fā)展方向。
一、知識(shí)的定義和分類
由于知識(shí)內(nèi)涵豐富、外延寬廣,前人根據(jù)不同標(biāo)準(zhǔn)、方法和維度,對(duì)知識(shí)的定義和分類進(jìn)行過多種方式的表述。
最初,柏拉圖在《泰阿泰德篇》中將知識(shí)定義為“得到證成的真信念”,并初步區(qū)分了命題性知識(shí)、專家知識(shí)和高級(jí)的理智能力[4]。亞里士多德把知識(shí)分為理論、實(shí)踐和生產(chǎn)三部分,各部分又以學(xué)科為標(biāo)準(zhǔn)分為不同次類。理論部分有神學(xué)、物理學(xué)、形而上學(xué)和數(shù)學(xué);實(shí)踐部分包括倫理學(xué)和政治學(xué);生產(chǎn)部分分為修辭學(xué)和詩(shī)學(xué)[3]142。上個(gè)世紀(jì)60 年代以來(lái),隨著葛梯爾問題[5] 的出現(xiàn),即得到辯護(hù)的真信念一定就是知識(shí)嗎?后續(xù)關(guān)于知識(shí)內(nèi)涵的發(fā)展以對(duì)葛梯爾問題的反應(yīng)為主線分為內(nèi)在主義、外在主義[6]93和德性知識(shí)論[7]。內(nèi)在主義關(guān)注確證的條件,認(rèn)為信念的確證是由它與其他信念或理由之間的關(guān)系決定的,強(qiáng)調(diào)意識(shí)對(duì)信念之間關(guān)系的內(nèi)在把握[8];外在主義則關(guān)注知識(shí)的條件,或用增加知識(shí)條件的做法來(lái)達(dá)到目的,或用完全替換知識(shí)條件的方法來(lái)解決問題[9];德性知識(shí)論運(yùn)用倫理學(xué)概念解釋規(guī)范性認(rèn)識(shí),認(rèn)為“理智德性”是主體的認(rèn)知能力,而知識(shí)是產(chǎn)生于該認(rèn)知德性的真信念[9]。
波普爾[10] 認(rèn)為認(rèn)識(shí)論是關(guān)于科學(xué)知識(shí)的理論,并提出著名的“三個(gè)世界”理論,將其中的知識(shí)看作一個(gè)相對(duì)獨(dú)立的世界。具體而言,世界一是關(guān)于物理世界和物理狀態(tài)的世界;世界二指意識(shí)經(jīng)驗(yàn)世界;世界三指書籍、圖書館、計(jì)算機(jī)貯存器以及諸如此類事物的邏輯內(nèi)容。三個(gè)世界獨(dú)立存在,但相互作用。為了論證世界三的存在,波普爾將知識(shí)區(qū)分為主觀知識(shí)和客觀知識(shí)。前者由生物體的傾向構(gòu)成,稱為生物體的知識(shí);后者由理論、推測(cè)、猜想的邏輯內(nèi)容構(gòu)成[10]84。世界二的知識(shí)屬于主觀知識(shí);世界三的知識(shí)屬于客觀知識(shí),科學(xué)知識(shí)應(yīng)歸入第三個(gè)世界,屬于客觀理論、客觀問題和客觀論據(jù)的世界[10]126。
Polanyi[11] 將知識(shí)分為顯性知識(shí)和隱性知識(shí),前者能夠以一定的符號(hào)系統(tǒng)(如語(yǔ)言、圖表、手勢(shì)、盲文等)得到完整表述,后者是個(gè)人的、受情景限制的、能夠感知但難以表達(dá)的知識(shí)。顯性知識(shí)具有客觀性,隱性知識(shí)具有主觀性[12]69。顯性與隱性并非絕對(duì)二分,大部分知識(shí)兩者兼具,唯程度不同,兩者構(gòu)成一個(gè)連續(xù)圖譜[13]16,可以相互轉(zhuǎn)化[14]:隱性知識(shí)可以通過比喻和類推等形象化的方法轉(zhuǎn)化為顯性知識(shí);顯性知識(shí)可以通過理解、消化和吸收轉(zhuǎn)化成為隱性知識(shí)[15]39。隱性知識(shí)是知識(shí)管理的研究重點(diǎn);該學(xué)科從知識(shí)的隱含性角度揭示知識(shí)功能的實(shí)踐性和實(shí)用性[16]。
人工智能則依據(jù)知識(shí)實(shí)現(xiàn)或獲取方式的不同,把它分為程序性知識(shí)和陳述性知識(shí):兩者屬于同一種知識(shí)狀態(tài)的兩種方法[17],是儲(chǔ)存在計(jì)算機(jī)(人腦)記憶內(nèi)的描述、技能和規(guī)則等信息[18]19–29。描述所表征的是關(guān)于外在世界中具體物體或地點(diǎn)的陳述或程序[18]104;規(guī)則由命題構(gòu)成,用于描述世界中的物體和事件,包括人類專家的推理過程[18]32。認(rèn)知神經(jīng)科學(xué)則借用上述程序性和陳述性知識(shí)兩個(gè)概念,通過基于雙重分離的記憶力類型來(lái)給予區(qū)分。該學(xué)科認(rèn)為程序性知識(shí)與命題無(wú)關(guān),其知識(shí)內(nèi)容是活動(dòng);陳述性知識(shí)內(nèi)容是命題。認(rèn)知心理學(xué)則認(rèn)為知識(shí)是主體與客體相互作用過程中獲取的信息,存儲(chǔ)在大腦中,可由心理圖像、文字或抽象命題表征,強(qiáng)調(diào)知識(shí)的認(rèn)知結(jié)構(gòu)[19]273。
綜上所述,無(wú)論是哲學(xué)的認(rèn)識(shí)論(或知識(shí)論)對(duì)知識(shí)概念的抽象性思考,知識(shí)管理學(xué)科對(duì)知識(shí)功能的實(shí)踐性、實(shí)用性探究,還是學(xué)者們從不同學(xué)科或維度所做的界定和闡釋,都拓展了知識(shí)的外延;不同種類的知識(shí)之間沒有明確界限,可以通過一定方式轉(zhuǎn)換,如難以表述的隱性知識(shí)可用人類的其他符號(hào)表達(dá):用語(yǔ)言直接或間接表達(dá)隱性知識(shí)中的認(rèn)知成分,用動(dòng)作演示或示意圖畫等符號(hào)系統(tǒng)表征隱性知識(shí)的技術(shù)成分[20]111??梢?,知識(shí)這一概念通過不同的符號(hào)系統(tǒng)得到了充分詮釋。
二、不同學(xué)科領(lǐng)域的知識(shí)表征研究
作為一門交叉領(lǐng)域,知識(shí)表征得到了不同領(lǐng)域?qū)W者的廣泛關(guān)注。
首先,哲學(xué)的認(rèn)識(shí)論對(duì)知識(shí)表征的研究停留在知識(shí)的來(lái)源及其在人腦中的儲(chǔ)存方式上,如柏拉圖認(rèn)為知識(shí)以理念的形式存在于人腦中,人通過后天回憶掌握知識(shí);笛卡爾則認(rèn)為人們關(guān)于外部世界的知識(shí)來(lái)自于表示外部事物的心理客體;波普爾等邏輯經(jīng)驗(yàn)主義者認(rèn)為科學(xué)知識(shí)來(lái)源于主體對(duì)世界的觀察和經(jīng)驗(yàn),尤其是邏輯推理和分析。哲學(xué)視角的知識(shí)表征研究相對(duì)缺失,甚至有學(xué)者指出以往哲學(xué)認(rèn)識(shí)論對(duì)知識(shí)的本質(zhì)研究有一個(gè)致命弱點(diǎn),那就是沒有研究知識(shí)的表征問題[21]。
其次,認(rèn)知心理學(xué)強(qiáng)調(diào)知識(shí)的心理表征,有兩種主要理論:命題符號(hào)理論[22] 和知覺符號(hào)理論[23]。前者認(rèn)為,主體與環(huán)境互動(dòng)產(chǎn)生、并以文字或圖像形式出現(xiàn)的感知經(jīng)驗(yàn),是以抽象的命題形式儲(chǔ)存在大腦中的;命題與命題之間形成命題網(wǎng)絡(luò);命題網(wǎng)絡(luò)隨著新命題的出現(xiàn)以及對(duì)命題的不同操作不斷更新、擴(kuò)展、延伸,容量無(wú)限,解釋力強(qiáng)。但該理論也受到諸多詬?。菏紫?,相關(guān)實(shí)證研究在探究驗(yàn)證圖片和文字概念符號(hào)的命題性時(shí)發(fā)現(xiàn),本該只有認(rèn)知特征,卻出現(xiàn)了知覺特性[24]。其次,來(lái)自神經(jīng)科學(xué)的學(xué)者則認(rèn)為:歸類知識(shí)涉及的知覺客體位于大腦感覺運(yùn)動(dòng)區(qū),該區(qū)域特定部位受損會(huì)直接影響歸類過程,這充分說(shuō)明歸類知識(shí)并不是命題性的[25]。再者,該理論無(wú)法準(zhǔn)確描述知覺事物轉(zhuǎn)換成命題的過程[26];對(duì)人為虛構(gòu)的實(shí)驗(yàn)圖片的心理表征解釋力不足[19]286 等。為了克服上述這些問題,知覺符號(hào)理論應(yīng)運(yùn)而生。它認(rèn)為,知識(shí)以知覺符號(hào)的形式體現(xiàn),主體通過選擇性注意把一部分知覺狀態(tài)提取出來(lái),并儲(chǔ)存在長(zhǎng)時(shí)記憶中;通過激活途徑,知覺狀態(tài)起到了代表外界事物的知覺符號(hào)的作用,大量知覺符號(hào)集合起來(lái)則形成認(rèn)知表征。
認(rèn)知心理學(xué)認(rèn)為不同的知識(shí)類型,其表征方式有所不同。陳述性知識(shí)以命題網(wǎng)絡(luò)或圖式方式表征,程序性知識(shí)以產(chǎn)生式的方式表征。Gagne[27] 主張從知識(shí)表征的整體角度探究知識(shí)的本質(zhì),認(rèn)為不同知識(shí)類型在處理不同問題時(shí)表達(dá)出不同的表征方式,但其中的產(chǎn)生式表征方式鑲嵌在命題網(wǎng)絡(luò)中,兩者共同建構(gòu)知識(shí)網(wǎng)絡(luò)[21]。而作為更為廣泛意義上的知識(shí)表征,大數(shù)據(jù)知識(shí)表征[28–30] 則彰顯表征符號(hào)的多樣性。它們既可以是客觀的物理符號(hào),也可以是主觀的心理意象;既可以是靜態(tài)事物,也可以是動(dòng)態(tài)機(jī)制[31],還可以同時(shí)實(shí)現(xiàn)對(duì)陳述性知識(shí)和程序性知識(shí)、顯性知識(shí)和隱性知識(shí)的綜合表征。
概念地圖模型(concept maps)是另一種知識(shí)表征方式,由Novak 于1970 年在康奈爾大學(xué)提出,廣泛應(yīng)用于教育領(lǐng)域[32] 和知識(shí)管理。概念地圖包括概念以及概念或命題之間的關(guān)系,彼此用連接線表示,連接線上用文字對(duì)概念或命題之間的關(guān)系做出說(shuō)明[33]。它具有層級(jí)結(jié)構(gòu),最上層是最具包容性、最為一般性的概念;更具體的概念按層級(jí)結(jié)構(gòu)以此往下排列。概念地圖不同領(lǐng)域中概念之間的關(guān)系(命題)由“交叉連接”(cross-links)表示。概念圖以地圖的形式展示某個(gè)領(lǐng)域中命題或概念之間的關(guān)系,揭示特定領(lǐng)域的知識(shí)體系,以及知識(shí)之間的關(guān)聯(lián)方式。實(shí)際上,這是把語(yǔ)言規(guī)劃到圖表中,即把語(yǔ)篇內(nèi)小句中的概念或命題提取出來(lái),用連接線和文字表示。這在很大程度上就是語(yǔ)篇的地圖化。據(jù)此,概念地圖并沒有從本質(zhì)上揭示概念之間的語(yǔ)義關(guān)系,即知識(shí)的本質(zhì),只是實(shí)現(xiàn)了語(yǔ)篇的地圖形式化。
人工智能中的知識(shí)表征強(qiáng)調(diào)知識(shí)的計(jì)算表征。在通常情況下,它會(huì)建立一個(gè)表達(dá)抽象概念的本體論框架,進(jìn)而根據(jù)邏輯規(guī)則執(zhí)行各種表征程序,這些程序在各自的環(huán)境中適應(yīng)性地進(jìn)行表征與推理[34]。迄今,人工智能領(lǐng)域已研制開發(fā)出了多種知識(shí)表征方法。其中,命題邏輯(propositional logic)[35]、一階(謂詞)邏輯[first-order (predicate) logic][36]、二階(謂詞)邏輯[second-order(predicate)logic][37]屬于經(jīng)典邏輯方法。命題邏輯表征簡(jiǎn)單的陳述性知識(shí);一階邏輯擴(kuò)展了命題邏輯,引入量詞,量化個(gè)體;二階邏輯擴(kuò)展了一階邏輯,引入全集概念,不僅可以量化個(gè)體,還可以量化性質(zhì),即個(gè)體的集,并不斷演化為普通邏輯(common logic)[38]。
此外,規(guī)則(rules)、框架(frames)、語(yǔ)義網(wǎng)絡(luò)(semantic framework)、產(chǎn)生式、面向?qū)ο笳Z(yǔ)言( object-oriented language)、Prolog、Java、SQL、Petri網(wǎng)和知識(shí)交換格式(Knowledge Interchange Format,KIF),也被認(rèn)為是知識(shí)表征的技術(shù)或方法[39–40]。
描述邏輯(description logics)是一系列基于邏輯的知識(shí)表征語(yǔ)言,以結(jié)構(gòu)化方式表示應(yīng)用領(lǐng)域的術(shù)語(yǔ)知識(shí)[41]。它與之前的知識(shí)表征方法(如語(yǔ)義網(wǎng)絡(luò)和框架)的區(qū)別在于:它具有形式化的、基于邏輯的語(yǔ)義內(nèi)涵[42]135。概念圖符模型( conceptualgraph)是Sowa 在20 世紀(jì)80 年代基于人工智能語(yǔ)義網(wǎng)絡(luò)和邏輯圖提出來(lái)的知識(shí)表征方式,包括概念節(jié)點(diǎn)和關(guān)系節(jié)點(diǎn):前者表示實(shí)體、屬性、狀態(tài)和事件,后者指概念之間的關(guān)系。作為一種二維邏輯形式,概念圖符實(shí)際上是一種標(biāo)準(zhǔn)的邏輯謂詞符號(hào)變體,包括標(biāo)準(zhǔn)的邏輯和計(jì)算程序。這是它與Novak概念地圖的根本區(qū)別。
隨著科學(xué)技術(shù)的發(fā)展,人們不再滿足于計(jì)算機(jī)依靠特定程序算法處理數(shù)據(jù)、解決問題的功能,而是轉(zhuǎn)向認(rèn)知型計(jì)算機(jī)。認(rèn)知型計(jì)算機(jī)具有人一樣的思維,能在感知大數(shù)據(jù)的基礎(chǔ)上更好地認(rèn)知世界。Elbedwehy 等[43] 提出了認(rèn)知型計(jì)算機(jī)的計(jì)算知識(shí)表征模型,其核心內(nèi)容便是知識(shí)表征,分為四個(gè)階段:原型形成(prototype formation)、辨別(discrimination)、概括化(generalization)和算法開發(fā)(algorithmdevelopment)。每一階段都用實(shí)時(shí)過程代數(shù)(the real-time process algebra, RTPA)做數(shù)學(xué)的形式化表示。實(shí)際上,這四個(gè)階段是進(jìn)行計(jì)算概念化的過程,形成計(jì)算機(jī)可識(shí)別的概念及其系統(tǒng);其中涉及的數(shù)學(xué)公式可以認(rèn)為是程序執(zhí)行所遵循的基本邏輯。
知識(shí)表征在人工智能與教育研究方面也有十分廣泛的合作。Arevalillo-Herráez 等[44] 將數(shù)學(xué)應(yīng)用題的數(shù)學(xué)結(jié)構(gòu)以超圖(hyper-graph)形式表征,進(jìn)而建構(gòu)出特定領(lǐng)域的知識(shí)表征模型與推理引擎,用于智能輔導(dǎo)系統(tǒng)。
系統(tǒng)功能語(yǔ)言學(xué)對(duì)知識(shí)表征研究做出了不可或缺的貢獻(xiàn)[45]。歷史地看,系統(tǒng)功能語(yǔ)言學(xué)的系統(tǒng)語(yǔ)法就是一種在計(jì)算機(jī)程序設(shè)計(jì)原理基礎(chǔ)上發(fā)展起來(lái)的自然語(yǔ)言理論模型[46],這對(duì)該理論反哺知識(shí)表征可謂順理成章。早在20 世紀(jì)50?60 年代,Halliday就曾嘗試將系統(tǒng)功能語(yǔ)言學(xué)的雛形“階和范疇語(yǔ)法”用于機(jī)器翻譯和機(jī)器詞典研究[47–48]。20 世紀(jì)60年代,Halliday 與計(jì)算機(jī)專家合作,在南加州大學(xué)的信息科學(xué)研究所設(shè)計(jì)出了82 個(gè)語(yǔ)法子系統(tǒng)[49]268–284,為后來(lái)的PENMAN 系統(tǒng)生成發(fā)揮了決定性作用:在隨后的20 多年間,人們開發(fā)了一大批語(yǔ)言生成系統(tǒng)以表征知識(shí),諸如“PROTEUS[50–51]、PENMAN、SLANG[52]、GENESYS[53]、WAG[54]、漢語(yǔ)句法實(shí)現(xiàn)系統(tǒng)(Chinese Syntactic Realization System)[55],等等。目前,它已經(jīng)成為該領(lǐng)域中應(yīng)用最為廣泛的語(yǔ)言學(xué)理論[56]”[45]38。近年來(lái)還有一批學(xué)者從多模態(tài)角度進(jìn)行過有效的知識(shí)表征嘗試[45]60–78。
總起來(lái)看,不同領(lǐng)域的知識(shí)表征方法具有相似之處。無(wú)論是命題符號(hào)理論、知覺符號(hào)理論、Sowa的概念圖符模型,還是認(rèn)知型計(jì)算機(jī)的計(jì)算知識(shí)表征模型,都關(guān)注本體論和邏輯的關(guān)系,即構(gòu)建能表征抽象概念、并具有形式化邏輯系統(tǒng)的本體論框架。在概念表征知識(shí)的同時(shí),邏輯提供規(guī)則,執(zhí)行程序,并通過推理創(chuàng)造出新知識(shí)。既然本體論是對(duì)現(xiàn)實(shí)世界的概念化,概念就應(yīng)該能夠反映由觀察得到的經(jīng)驗(yàn)現(xiàn)實(shí),而自然語(yǔ)言為我們提供了用來(lái)思考和感知周圍世界的認(rèn)知概念,它們是構(gòu)成和表征世界知識(shí)的相關(guān)術(shù)語(yǔ)。
據(jù)此,Evermann[57] 認(rèn)為語(yǔ)言心理學(xué)為表征知識(shí)的特定概念提供了經(jīng)驗(yàn)依據(jù),并在語(yǔ)言心理學(xué)的基礎(chǔ)上推出了一個(gè)認(rèn)知結(jié)構(gòu)體系,為知識(shí)工程、知識(shí)管理和概念模型建立知識(shí)表征圖式提供了相關(guān)概念。Pike 和Gahegan[58] 則超越本體論,提出了科學(xué)知識(shí)的情境表征,即科學(xué)概念要能反映科學(xué)工作的情境過程、知識(shí)的社會(huì)建構(gòu)、理解的出現(xiàn)及其隨時(shí)間推移的演變等特點(diǎn)。在該模型中,知識(shí)包括概念、元數(shù)據(jù)和情境三大要素,是研究團(tuán)隊(duì)協(xié)作、協(xié)商和操縱的結(jié)果。了解創(chuàng)造和使用知識(shí)的情境有助于合作者發(fā)現(xiàn)彼此一致和不一致的概念領(lǐng)域,允許個(gè)別查詢者對(duì)同一信息持有不同觀點(diǎn);信息來(lái)源的捕獲則允許重建推理的歷史軌跡,為最終用戶評(píng)估知識(shí)表征的適用性和可靠性提供依據(jù)。
知識(shí)的表征和建構(gòu)還是教育社會(huì)學(xué)、語(yǔ)言學(xué)等學(xué)科的熱點(diǎn)議題,尤其是學(xué)科知識(shí)的語(yǔ)言表征。知識(shí)與語(yǔ)篇關(guān)系密切:抽象的知識(shí)通過語(yǔ)篇得以體現(xiàn)[59–60],如書籍、論文、科普文章、課堂筆記等。學(xué)者往往選取不同學(xué)科知識(shí)的不同載體作為語(yǔ)料,運(yùn)用某種理論展開分析,揭示其背后的知識(shí)表征和建構(gòu)機(jī)制。
教育社會(huì)學(xué)關(guān)注知識(shí)在教育語(yǔ)篇中的建構(gòu)方式,促進(jìn)了系統(tǒng)功能語(yǔ)言學(xué)和教育社會(huì)學(xué)的合作與對(duì)話[61]。Bernstein[62] 將話語(yǔ)分為水平話語(yǔ)和垂直話語(yǔ)。前者指我們的日常話語(yǔ),后者指專門話語(yǔ),如科學(xué)表述等。垂直話語(yǔ)又分為水平知識(shí)結(jié)構(gòu)和等級(jí)知識(shí)結(jié)構(gòu)?前者常見于歷史等人文學(xué)科,后者常見于自然科學(xué)。但Bernstein[62]131–141 提出的內(nèi)部描寫語(yǔ)言和外部描寫語(yǔ)言兩個(gè)概念具體指什么、在知識(shí)建構(gòu)中如何運(yùn)作等問題則不明確。因此,Maton[63] 繼承并發(fā)展了Bernstein 的知識(shí)結(jié)構(gòu)理論,創(chuàng)立了合法化語(yǔ)碼理論( Legitimation Code Theory; LCT), 使知識(shí)本身重新回歸教育。作為一種解釋性框架,LCT 包含自主性、緊密性、專門性、語(yǔ)義性和時(shí)間性五個(gè)維度,揭示不同學(xué)科知識(shí)結(jié)構(gòu)的建構(gòu)機(jī)制。循此,賴良濤[64] 則嘗試建立“社會(huì)符號(hào)視角的教育語(yǔ)言學(xué)學(xué)科理論體系”。
同時(shí),人們還將LCT 中的抽象概念落實(shí)到系統(tǒng)功能語(yǔ)言學(xué)中的具體語(yǔ)言現(xiàn)象上,揭示不同學(xué)科或理論的知識(shí)結(jié)構(gòu),諸如Hood[65] 對(duì)自然科學(xué)、人文學(xué)科和社會(huì)科學(xué)的考察,Wignell[66] 對(duì)社會(huì)科學(xué)的分析, Martin[67] 與Christie 和Macken-Horarik[68] 等對(duì)系統(tǒng)功能語(yǔ)言學(xué)理論知識(shí)結(jié)構(gòu)的探究,Sriniwass[69]從系統(tǒng)功能角度對(duì)化學(xué)知識(shí)的梳理,趙清麗[70] 對(duì)物理知識(shí)在教科書中的建構(gòu)方式的分析,Doran[71] 通過語(yǔ)言、數(shù)學(xué)和圖像對(duì)物理知識(shí)構(gòu)成特點(diǎn)的考察等等。教育社會(huì)學(xué)視角下的知識(shí)表征研究以LCT 為指導(dǎo),旨在宏觀把握某個(gè)學(xué)科的知識(shí)發(fā)展或理論建構(gòu),但對(duì)學(xué)科知識(shí)表征的討論很少,與系統(tǒng)功能語(yǔ)言學(xué)的合作與對(duì)話大都局限于個(gè)別語(yǔ)言現(xiàn)象的分析,感性認(rèn)識(shí)突出(如所謂的語(yǔ)義重力、語(yǔ)義密度、語(yǔ)義波等),雖然有助于理解學(xué)科內(nèi)容,但離全面、系統(tǒng)揭示學(xué)科知識(shí)的表征還有相當(dāng)大的距離。
系統(tǒng)功能語(yǔ)言學(xué)認(rèn)為語(yǔ)言建構(gòu)經(jīng)驗(yàn),知識(shí)是語(yǔ)法將經(jīng)驗(yàn)識(shí)解而成的意義體系。就學(xué)科知識(shí)而言,人們可以通過考察某一學(xué)科的語(yǔ)言來(lái)理解該學(xué)科的知識(shí)[72]2。經(jīng)由對(duì)科學(xué)語(yǔ)篇的分析,Halliday[73] 發(fā)現(xiàn),科學(xué)語(yǔ)篇使用名詞組建構(gòu)專業(yè)分類,動(dòng)詞表征邏輯關(guān)系,“NP+VP+NP”小句推進(jìn)論證過程;語(yǔ)法隱喻在建構(gòu)專業(yè)性和合理性的過程中起著決定性的作用。在此基礎(chǔ)上,學(xué)者們圍繞其他學(xué)科語(yǔ)篇開展了一系列研究。Martin[74] 就語(yǔ)法、語(yǔ)篇語(yǔ)義、互動(dòng)模式、語(yǔ)域和語(yǔ)類五個(gè)方面對(duì)比了自然科學(xué)、人文學(xué)科和社會(huì)科學(xué)的知識(shí)建構(gòu)模式。Rose[75] 考察了科學(xué)和技術(shù)語(yǔ)篇在建構(gòu)新的專業(yè)術(shù)語(yǔ)方面詞匯使用的差異。還有一些學(xué)者考察具體學(xué)科語(yǔ)篇中詞匯語(yǔ)法的經(jīng)驗(yàn)?zāi)K,如Wignell 等[76] 分析了地理語(yǔ)篇,Veel[77]對(duì)比了中小學(xué)傳統(tǒng)科學(xué)和環(huán)保主義科學(xué)語(yǔ)篇等。OHalloran[78] 還從系統(tǒng)功能多模態(tài)視角出發(fā)分析了數(shù)學(xué)語(yǔ)篇的多模態(tài)經(jīng)驗(yàn)建構(gòu),楊信彰[79] 運(yùn)用語(yǔ)料庫(kù)方法考察了物理英語(yǔ)語(yǔ)篇中的言據(jù)性動(dòng)詞等。
總之,系統(tǒng)功能語(yǔ)言學(xué)視角下的知識(shí)表征研究注重從語(yǔ)境、語(yǔ)義和詞匯語(yǔ)法等不同層面構(gòu)擬科學(xué)知識(shí),也注重研究對(duì)象的擴(kuò)展、方法的融合以及視角的多模態(tài)化。然而,上述分析大多局限在中小學(xué)層面,對(duì)高等教育層面的學(xué)科知識(shí)討論甚少[80],且內(nèi)容主要圍繞語(yǔ)言表征知識(shí)的方式展開,對(duì)語(yǔ)言背后的知識(shí)整合研究還遠(yuǎn)遠(yuǎn)不夠。
三、結(jié)語(yǔ)
通過對(duì)相關(guān)知識(shí)表征研究的廣泛梳理和系統(tǒng)分析,我們得出以下結(jié)論。
第一,不同知識(shí)表征方式雖各有不同,但關(guān)注對(duì)象都是知識(shí),只是側(cè)重點(diǎn)有別,如認(rèn)知科學(xué)強(qiáng)調(diào)知識(shí)的心理表征、人工智能強(qiáng)調(diào)知識(shí)的形式算法、語(yǔ)言學(xué)則強(qiáng)調(diào)學(xué)科知識(shí)的語(yǔ)言識(shí)解等。
第二,相關(guān)嘗試大都探討廣義上的知識(shí)表征,對(duì)具體學(xué)科知識(shí)的體現(xiàn)途徑研究還遠(yuǎn)遠(yuǎn)不夠。教育社會(huì)學(xué)和系統(tǒng)功能語(yǔ)言學(xué)對(duì)學(xué)科知識(shí)表征的探討也多局限在語(yǔ)言這一種符號(hào)資源,且不夠全面、系統(tǒng)。
第三,相關(guān)知識(shí)表征方法對(duì)語(yǔ)言外的其他表征符號(hào)系統(tǒng)考慮不足:除知覺符號(hào)理論外,在其他知識(shí)表征方式中,語(yǔ)言是主要的表征系統(tǒng),Novak 和Sowa 的概念地圖和概念圖符模型只是一定程度上語(yǔ)言的圖表化,核心手段依然是語(yǔ)言。
但作為符號(hào)化的知識(shí),語(yǔ)言只是眾多表征符號(hào)系統(tǒng)中的一種,圖像、數(shù)學(xué)符號(hào)、公式等也是主要表征系統(tǒng)??梢?,知識(shí)的表征研究,尤其是學(xué)科知識(shí)的表征研究,須從多符號(hào)角度入手,既要關(guān)注每一種符號(hào)資源的功能,又要注重其間的協(xié)同關(guān)系。
不過,表征符號(hào)系統(tǒng)是探究知識(shí)結(jié)構(gòu)的根本:只有做好表征符號(hào)系統(tǒng)的本體研究,才能促進(jìn)人工智能和其他領(lǐng)域的發(fā)展。因此,未來(lái)相關(guān)研究還需從語(yǔ)言角度加強(qiáng)形式化和算法研究[81]:對(duì)于熟悉系統(tǒng)功能語(yǔ)言學(xué)的本文作者來(lái)說(shuō),鑒于該理論的適用性宗旨、龐大的范疇系統(tǒng)和系統(tǒng)網(wǎng)絡(luò)方法,它能為知識(shí)表征的過程提供一個(gè)行之有效的立足點(diǎn)和出發(fā)點(diǎn),進(jìn)而參考現(xiàn)當(dāng)代自然科學(xué)的前沿成果,如量子理論和復(fù)雜理論的一些核心認(rèn)識(shí),設(shè)計(jì)多維度的復(fù)雜算法。這是今后知識(shí)表征研究努力的一個(gè)重要方向。
北京科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)2021年5期