作为新媒体话语的代表，推文等社交媒体话语同新闻报道一样是一种媒体话语，这是毋庸置疑的。那么我们可以利用推特做哪些研究呢？本文作者利用推特对中国减贫进行了质化话语分析。如果你也感兴趣，请和小编跟随作者的视野一起深入探讨吧！
作者: 黄敏 浙江传媒学院
来源:现代传播 2021年第10期
原标题: 呈现方式与建构特征
推特上中国减贫话语议题关联的质化话语分析
摘 要
网络议程设置(NAS)是近年来传播学的一个重要理论，其中有关社交媒体平台如推特上议题关联的分析，为学界所关注。对推文等社交媒体话语特点的充分认识是判断单篇文本中是否存在关联议题的前提。对推特上中国减贫话语的质化话语分析表明，单条推文并非如现有研究所认为的那样不存在议题关联的现象，只是由于社交媒体话语偏口语表达的灵活性，其呈现方式和建构特点较为复杂，需要借助各种语言和语境线索，运用语言知识和社会知识加以分析与归纳。现有研究多采用计算机辅助的半自动化文本分析，容易遮蔽社交媒体话语表达的复杂性。在海量文本与深入文本分析之间寻找一个平衡，补充必要的质化话语分析手段，是NAS研究者应该采取的一个分析路径。
关键词
推特；中国减贫；
网络议程设置；议题关联；
质化话语分析
网络议程设置(network agenda setting，NAS)是近年来传播学最重要的理论之一，与传统议程设置理论不同的是，借鉴语义网络分析的框架，NAS更为关注议题或属性之间的联系，认为“新闻不仅告诉我们思考什么和如何思考，还决定了我们如何将不同的信息相关联以概念化社会现实”。作为新媒体话语的代表，推文等社交媒体话语同新闻报道一样是一种媒体话语，这是毋庸置疑的。但就当前研究看，NAS学者对这两种媒体话语却采取了截然不同的处理方式。
比如就议题关联的分析而言，学者们对新闻报道中的议题关联分析往往以篇或段为分析单元，在同一分析单元中出现的议题被视为关联议题，并能进一步区分显性、隐性等不同的关联程度。但对于推特上议题关联的考察，学者们则常无奈地改弦易辙。王晗啸等在介绍有关推特或微博的NAS研究时总结道：“对于这类短文本社交平台，由于存在字数限制，其单条信息较少出现要素共现，因此需要改变分析单元，将单个用户在同一天内发布的全部信息作为单元合并处理，再做共现分析。”
不仅如此，推特上议题间的关联度也常被简化为隐性相关这一种关系，比如较早将NAS运用于推特研究的瓦戈(Chris J.Vargo)等人除了直接以时间“一天”为分析单元，还将同一个账户同一天发布的推文视为隐性相关，“之所以这样决定是因为由于其140字符的限制，单篇推文很少提及两个议题”固，难道单篇推文就只能提及一个议题吗?推文中的议题关联仅有隐性相关这一种类型吗?NAS研究中有关议题关联的一般看法对推文不具有适用性吗?本文以推特上的“中国减贫”话语为例对推文中议题关联的特点进行分析，回答上述问题，以期推动NAS研究在语义网络分析方面
研究设计
本文是纯技术性分析，可以任何议题为例考察其关联性，之所以以“中国减贫”议题的话语为例是因为本文是“中国减贫”国际传播系列研究的一部分，笔者在考察推文中“中国减贫”的议题关联时发现当前NAS学者对推文中议题关联的看法与实际情况并不相符，而这种误解与其所采用的分析方法密切相关。正确认识研究对象并采取适当的研究方法是进行科学研究的前提，笔者认为有必要在展开正式研究之前对某些基本问题进行探讨，即单条推文中是否存在议题关联?若存在，它们如何关联?以期为后续研究奠定基础。
本文委托中国数据科技集团通过“经纬境外数据采集平台”采集样本，以“China and poverty ”为关键词，以2006-2018年为时间段，仅搜索英语推文，获原始样本15844条。鉴于所获样本尚在可控范围，同时也为了详细了解推文上议题表达的实际情况，本文不采用NAS学者在研究推特等社交媒体时常采用的计算机辅助的半自动化文本分析，而是采用质化话语分析的方法进行样本考察。同时借鉴相关研究的处理，对议题采取较为宽泛的看法，即它既可是一个问题，也可是一个话题。
经过人工筛选，扣除夹杂其他语言、与中国减贫无关、重复，或表达混乱而无法理解的推文，获有效样本15683条。我们发现其中既有仅涉及“中国减贫”一个议题的推文，即单议题推文，也大量存在将“中国减贫”议题与其他议题相关联的推文，即关联议题推文，这类推文有4007条，约占有效样本的26％。由此可知，尽管有着字数限制，在单条推文中提及两个或多个议题并非不可能。以下将运用语义、语法、语用分析等手段在内的质化话语分析方法，从推文中“中国减贫”及其关联议题的话语呈现方式和关联建构特征两方面进行分析，前者考察“中国减贫”及其关联议题各自及整体的呈现方式，后者则聚焦于“中国减贫”及其关联议题之间关联建构的手段与性质特点。本文拟通过以上分析梳理推文中关联议题的文本特点，厘清研究中的一些误区，并讨论NAS研究中社交媒体话语的研究方法问题。
推文中“中国减贫”及其关联议题的话语呈现方式
(一)推文中"中国减贫”及其关联议题的表达方式
本节考察“中国减贫”及其关联议题在单条推文中各自是如何表达的「前文指岀，对于推文中的议题关联，现有研究常以“一条”为分析单元，理由是因其字数限制，单条推文很少提及两个议题。但研究者并没有给出事实证据,而是直接根据字数限制这一条件做岀的主观判断。推文的字数限制在2017年11月前是140字符，其后扩展到280字符。然笔者通过对样本的初步阅读发现，推文虽不具有像新闻报道那样进行议题关联的充裕空间，但无论是140还是280字符，在单条推文中提及两个或多个议题的现象都相当常见。推文中有关“中国减贫”及其关联议题的表达，从语法结构上看,可分为特定语言单位单独表达和糅合表达两类；从推文特有的语篇手段看，有标签词表达和转引表达两类；从表意直接与否看，可分为直接表达或间接表达两类，以下分别予以介绍。
1.由特定语言单位的单独表达和糅合表达
本文采取话语交际的视角，将语言单位视为“在话语交际中，使交流得以顺利进行的一个个大大小小的有完整意义的语言要素”，如词、短语、句子、句群、段落等。在样本中，当用特定语言单位来单独表达“中国减贫”及其相关议题时，用户多用小句/整句或短语，可能还是受制于推文的字数限制，使用句群的情况较少。
小句也叫“分句”或“子句”，是具有句子形式但不具有独立性的语言单位;整句则是一个完整的句子，既具有句子形式又具有独立性。在样本中，无论对于“中国减贫”还是其关联议题，这些都是最明晰的表达方式。如在例1中，用户将“中国减贫”与“英国使印度人贫困”相关联，两者分别通过小句a和b表达;在例2中，用户将“中国减贫”与“中国的不平等问题”相关联，两者分别通过完整的句子a和b表达。
例1(a) But China has raised 100's of millions out of poverty, (b) while British imperialism impoverished 100's of millions in India. (但是#中国让数亿人摆脱贫困，而英帝国主义让数亿印度人陷入贫困)(2015/10/21)
例2(a) China has almost wiped out urban poverty.(b)Now it must tackle inequality(中国几乎消除了城市贫困。现在它必须解决不平等问题) (2015/11/6)
有时用户将“中国减贫”或其关联议题的信息浓缩于短语而充当某个句法成分，如例3中，虽然用户主要是讲“印度减贫”议题,但动词repeat(重复)后的偏正短语充当的宾语却谈到了“中国减贫”；在例4中，“中国减贫”由介词about(关于)引导之介词短语充当的定语来表达，其关联议题“收入分配”则由动词短语u think about”(考虑)后的短语宾语表达。
例3:#India is repeating # China's feat of massive poverty reduction. Between 2006 & 2016, India lifted more than 270 million people out of poverty, one of the fastest in the world. If the country continues to grow at the current 8%,it will have eliminate 2030(#印度正在重复#中国大规模减贫的壮举。在2006到2016年之间，印度让2.7亿多人摆脱了贫困，如果该国继续以目前8%的速度增长，到2030年将消除贫困)(2018/12/6)
例4 That stat about 98% of global poverty reduction coming in China really does give cause to think about income distribution。(全球98%的减贫人口来自中国这一数据确实让人有理由考虑收入分配问题)(2015/12/21)
有时用户对“中国减贫”或其关联议题的表达并不如此界限分明，而是糅合在一起，需进行语义推断和归纳。比如，在例5中“中国减贫”“印度减贫”“全球资本主义在减贫中的作用”三个议题是糅合在一起的，用户主要讨论“全球资本主义在减贫中的作用”这一议题，认为全球资本主义对于减贫贡献很大。用户在括号中列举了中国和印度，用户在此提及“中国、印度”显然并非单纯显示这两个国家的名字，而是将两国的减贫成绩作为前面观点的证据。“中国减贫”及其另一个关联议题“印度减贫”需通过对全句的语义解读才能提炼出来。
例5: Global capitalism has done more to reduce poverty (China,India) than anything else ever. We should make it work even better, of course.[.........](全球资本主义在减少贫困方面所做的贡献(中国、印度)比任何其他事物都多。[……])(2017/10/11)
在有的推文中“中国减贫”及其关联议题形式上似乎位于不同的语言单位,但语义上却是糅合在一起的，仍要通过对推文整体的语义分析才能提炼出正确的议题关联。如在例6中,用户在a中对人权进行了界定，在b中谈到了中国，但颇为含糊,我们必须回到a,在短语“生活在贫困之上”的语义引导下才能理解b是在谈论“中国减贫”，同时也必须从用户在a中对人权的界定中明白用户是认为中国政府带领人民减贫正是人权的具体体现，即在“中国减贫”与“人权”议题之间建立了一种实例(token)与类型(type)的关系。
例 6 ( a) The most ibasic [basic] human right is the right to live above poverty. ( b) 780m Chinese will attest to what China has done for them(最基本的人权是生活在贫困之上的权利。7. 8亿中国人将证明中国为他们做了什么)(2017/1/15)
以上糅合在一起的议题至少在字面上还有一个相对独立的落脚点,如例5中“中国减贫”和“印度减贫”落脚于括号中的“中国、印度”，例6中的“中国减贫”落脚于小句b。但有时所糅合的议题在推文中没有落脚点，而是糅合到不同部分,需由受众自行分析与提炼。
例7中a、b、c分别涉及“美国领导人选举““中国减贫”和“印度减贫”三个议题，但一个有经验的读者会知道用户其实还在讨论另一个议题.即“西式民主的适用性”，前述三个议题其实都是服务于这一议题。尽管推文中反复出现的“民主”一词是我们识别这一议题的重要线索，但它在推文中毕竟不是一个相对独立的语言单位，该议题在推文中没有独立的落脚点。
例 7 : Trump a divisive leader was elected thro' democracy. China uplifted 600 + million out of poverty, India the largest democracy can't do it.(特朗普是通过民主选举产生的分裂领导人中国让6亿多人脱贫，而印度这个最大的民主国家却做不到)(2017/6/13)
2.标签词表达与转引表达
以“#”标记标签词的方式于2007年引入推文，最初功能是标记主题。4时至今日，标签词在推文中的作用已有较大拓展,但标记主题仍是其主要功能，学者们称之为“主题性标签”(topical hashtags)或"概念性标签”(ideational hashtags),以与“非主题性标签”(non-topical hashtags)或“人际标签”(interpersonal hashtags)相区分，前者标记主题、议题或事件，后者表达评价、情感或态度等。®主题性标签词一般在推文前后以独立语的形式出现它在标记主题的同时也为推文议题空间的拓展提供了便利。如在例8中，用户在推文主体部分谈论“中国减贫”，但在最后赋予该推文标签词“#人权”，从而将“中国减贫”与“人权”议题相关联。而且，标签词与推文是类型与实例的关系，即推文是标签词所表范畴中的一个例子。©因此，在例8中用户不仅将“中国减贫”与“人权”相关联，而且建立了一种实例与类型的关系,将前者视为后者的一个具体体现。
例 8 : China elevated 800m people out of poverty within 30 years-it's a miracle. No country has done that[.........] #HumanRights ( 中国在30年内让8亿人脱贫，这是一个奇迹。没有哪个国家做到这样#人权)(2015/10/19)
如同在日常交际中引述他人话语一样，用户有时会转引其他用户的推文。早期用户转引推文时不能带上自己的评论,2015年推特增加了一项易用性功能，即“转发带评论”，用户在转发的同时可添加自己的评论，本文称这种推文为“转引推文”。转引推文虽含有两个言说主体,但共同表达一个完整的意义，构成一个完整的语篇，不可分割，应视为一条推文，其中的议题应视为关联议题。如例9,用户自身的评论涉及“中国减贫”议题，转引推文涉及“尼日利亚减贫”议题，用户通过转引将这两个议题联系起来，并建立了一种对比的语义关系。
例 9 This isn't how China pulled their population out of extreme poverty though. [ RT ] VP Osinbajo now in Osun launching Trader Moni N10,000 collateral free loan for Petty Traders. We shall reach 2million such loans by year end across the country (但这并不是中国使其人民摆脱极端贫困的方法。转引：尼日利亚副总统Osinbajo在奥孙州启动“Trader Moni”计划，推出10,000奈拉免抵押小额贸易贷款。(2018/9/4)
3.直接表达与间接表达
用户有时对“中国减贫”或其关联议题表达得较为直接明确，有时则表达得比较间接，需借助语境来断定，这对于我们正确了解推特上的议题及其关联形成了挑战。比如例5和例6,又如在例10中,a明确表达了“中国减贫”议题，但需要借助上句才能了然b的意义其实是“中国农村地区贫困问题依然严重”，也即表达的是“中国贫困”议题;在例11中，用户直接表达了“全球减贫”议题,但“中国减贫”议题从字面几乎完全消失，而隐含于句子的预设，“在中国之外,世界贫困率并没有降低那么多”预设了“中国减贫成绩显著”这一信息。这些间接表达的议题，字面上都没有"poverty/eradicate poverty"之类的关键词。
例 10 (a)China has pulled millions out of poverty, ( b) but major challenges still remain in rural areas(中国已使数百万人摆脱了贫困，但农村地区仍然面临重大挑战)(2015/ 6/20)
例 11: Outside China,world poverty rates haven't decreased that much,& the improvement isn't an " escape" by any means. (在中国之外，世界贫困率并没有降低那么多，而且这种改善无论如何都不是一种“逃避”。)(2015/12/22)
有的关联议题表达得更为隐含，需借助推文之外的社会知识才能理解。如在例12中，了解美国历史的受众可知，用户并非仅是在用a表达时间，而是在暗示美国约翰逊总统发起的“向贫困宣战”运动的那段历史，用户是在将中国减贫事业与美国历史上的减贫运动相类比，在此“中国减贫”的关联议题“美国减贫”表达得非常隐含，需借助美国历史知识才得以明了。
例 12 ( a)50 years after US President L.BJ, (b) China also declares war on poverty.(在美国总统林登•约翰逊卸任50年后，中国也向贫困宣战)(2014/2/2)
又如在例13中,用户在a中谈到中国减贫成绩，在b中谈到西方媒体与中国的关系，从字面看似乎这两者毫无关联。但受众若了解西方媒体涉华报道的境况就会了然.用户在此是在批评西方涉华舆论太严苛，希望西方媒体看到中国的减贫成绩,改善涉华舆论环境,从而将“中国减贫”与“西方涉华舆论”相关联。
例 13 ( a) In 30yrs,94% o£ all #Poverty reduction the world has seen comes from #China( b) Western Media should cut China more slack(30年里,世界上94%的#贫困减少都来自#中国。西方媒体应该放中国一马)(2014/2/23)
推特扩展字符限制后，单条推文中提及两个及以上议题的可能性就更大了，但并不意味着用户对议题的表述会更明确，很多时候还是需要通过文本细读加以判断。如在例14中,用户先说“中国人似乎做了很多令人印象深刻的事情”(a),在提及消除非洲贫困的可能性之后(b),用户接着肯定中国是巨大的榜样(c),并称中国给了非洲减贫巨大的希望(d)。在这里用户没有直接提到中国减贫，然b和d这些有关非洲减贫的信息为a、c设置了上下文语境,将其意义指向于“中国减贫”议题。a中“中国人所做的很多令人印象深刻的事情”显然是减贫,c也显然是称赞中国是减贫的榜样。也即，用户对“非洲减贫”的表述是直接的,虽多次谈到“中国减贫”，但都较为间接。
例 14 ( a)There seems to be a heck of a lot of impressive stuff going on with the Chinese. ( b) 1 st time in my 67 yrs that I've seen ANY worthwhile attempt to end African poverty/starvation. (c) China = HUGE power of example. ( d) You've given this bloke 1 st genuine hope. Thank You China (中国人似乎做了很多令人印象深刻的事情。在我67年的生涯中第一次看到有可能终结非洲贫困/饥饿的有价值的尝试。中国等于巨大的榜样力量。你给了这个家伙第一次真正的希望。谢谢你中国) (2018/12/3)
(二)推文中“中国减贫”及其关联议题的关联类型
本节考察“中国减贫”及其关联议题在单条推文中是如何整合在一起的。推文中有时包含两个议题,形成两议题关联,如以上例子;有时包含多个议题，形成多议题关联。含有多个议题的推文，根据议题间的逻辑关系，其呈现方式可分为并列型和层级型两类。比如，例15和16分别含有三个议题“英国脱欧”“印度企业Infosys的人员聘用”“中国减贫”和“美国贫困”“中国减贫”“人权”，但在例15中三个议题是并列关系，在例16中三个议题是层级关系，用户先将“美国贫困”与“中国减贫”关联，再将两者都纳入“人权”这一议题。
例 15 : Brexit has a rocky start, Infosys hires American and China makes final push on poverty (英国脱欧有一个艰难的开端,Infosys雇佣美国人，中国为消除贫困做最后的努力) (2017/5/3)
例 16 : US poverty increased 25% to 43% in last 40 years …… China raised 600 million out of poverty ……human rights。
有着拓展议题空间潜力的主题性标签词,有时也会增加议题的关联层级。如跟例2相比，例17只是增加了一个主题性标签词“#全球发展”，但该标签词的引入使得该推文的议题关联类型从并列型变为层级型，“全球发展”成为a所表达的“中国减贫”与b所表达的“中国的不平等问题”之上的议题,用户将后两个议题都纳入“全球发展”这一议题中加以讨论。
例 17 ( a) #China has almost wiped out urban #poverty. (b) Now it must tackle #inequality [..........] #globaldev ( #中国几乎消除了城市#贫困。现在它必须解决#不平等问题。#全球发展)(2015/8/20) 有的推文议题关联的层次更为复杂，如例18
例 18 ( a) #Vision Of PMKhan ( b) We will work with China to reduce poverty. (c) They reduced poverty in their country and (d) we have to learn from them. (e) They took care of major corruption in different sectors. (f) We need to learn from them in this area too. #汗总理的愿景我们将与中国合作减少贫困。
他们减少了本国的贫困,我们必须向他们学习。他们处理了不同部门的主要腐败问题。在这方面我们也需要向他们学习)(2018/12/6)上例中提及“中国减贫”议题的是c,它与b“巴基斯坦减贫”(简称“巴国减贫”)构成“减贫”议题,e提及“中国反腐”，它与f“巴基斯坦反腐”(简称“巴国反腐”)构成“反腐”议题，这两层又同归于a“汗总理的愿景”这一议题之下，其层级关系参见图1.
推文中“中国减贫”及其关联议题的关联建构特征
(一)推文中"中国减贫”及其关联议题的关联方式
本节考察“中国减贫”及其关联议题在单条推文中关联建构的手段特点。有些学者将推特上的网络议程视为公众网络议程的代表。在NAS研究中，对公众网络议程的考察多通过民意调查或让受试画思维导图的方式进行。在民意调查中，研究者或预先设定几个要素让受试选择，或以开放式问题让受试自己提供，若受试选择或提供了不止一个要素，那么这些要素被视为具有关联性。思维导图则是让受试在白纸中心写上一个特定话题、词或画一个图像，然后沿着这个话题、词或图像写出或画出头脑中涌现的与之有关的话题、词或图像,像树枝一样不断扩展，形成一张网络图。研究者从这样的考察中只能了解是哪两个议题相关联，强度如何，但对于公众如何将某两个议题相关联，其间究竟存在何种语义关系,却不甚了然。对推文中议题关联建构关系的考察则为我们了解公众网络议程中议题之间的语义关系提供了机会，有利于推进公众议程中的语义网络分析。
篇章语言学告诉我们,“语篇无论以何种形式出现，都应合乎语法,且语义连贯，……语篇应有一个论题结构或逻辑结构，句子之间有一定的逻辑关系。语篇中的话段和句子都是在这一结构基础上组合起来的”。在样本中我们可以发现,用户在“中国减贫”与其关联议题之间建立了不同的关系，其建构关系的方式大体如下：
1.借助关联词语明确语义关系
关联词语是在小句之间起关联作用的词或短语,是表达逻辑语义关系的重要手段，借助关联词语可使表意更明确。如在“(不论)我到了哪儿，我都想念故乡”一句中，若无关联词语“不论”，我们虽可以推测两个小句间有一种条件关系，具体而言是周遍条件或俗话说的“无条件”，但有了这个关联词语,这个语义关系就更明确了。
推特用户也大量借助关联词语建构“中国减贫”及其关联议题间的关系,如在例1中，用户用“while”在“中国减贫”与其关联议题之间建构了一种对比关系。这种表达方式使得议题之间的语义关系显而易见，不是NAS研究分析推特议题关联的难点，兹不赘述。
有些关联词语在表达语义关系上较为灵活，在议题间所建构的具体语义关系要借助上下文才能判断,给关联议题间的语义关系分析,尤其是机器分析造成了一定障碍。比如，英语中的when当……时）很多时候与其说表达两个事物之间的同时性，不如说在两者之间建构了一种对比关系，如例19
例 19 : When Europe is busy at challenging Trump, China has already triggered a tougher action plan to remove domestic poverty!（当欧洲忙于挑战特朗普时，中国已经启动了一项更严厉的行动计划来消除国内贫困! 2017/1/26
2.借助特定词语、短语或句子建构语义关系
用户有时通过特定词语、短语或句子来阐明“中国减贫”及其关联议题之间的语义关系。比如,在例3中，动词repeat（重复）的语义将“印度减贫”与“中国减贫”进行了类比；在例4中，短语“give cause"（给出理由）的语义在“中国减贫”与“收入分配问题”之间建立了因果关系。在例20中，尽管我们从a和b的语义内容可大体推测在“中国减贫”与“美国的发展状况”这两个议题之间存在对比关系，不过句子c将这种对比关系加以显化，或者说在a与b之间明确建构了对比关系。
例 20 a No. China has taken 300 million out of absolute poverty. b America has increased the wealth of the 1 %. c You made the comparison.（不。中国已使3亿人摆脱了绝对贫困。而美国增加了 1%人口的财富。你做个比较。2013/ 11/6
鉴于包括英语在内每个自然语言中词语、短语的丰富性，以及人们惊人的造句能力，这类手段在建构议题间语义关系上的可能范围难以预知。以“例证关系”为例，推特用户经常在“中国减贫”与其他议题间建构例证关系，所使用的手段也多种多样。比如，例5中以“中国”国名指代中国减贫成绩，置于关联议题之后的括号中以作为前面观点的例证;例7所使用的则是后文将介绍的意合法。就本节讨论的手段而言，样本中用户建构例证关系就用到了“prove”（证明）、"highlight"（凸显）、“look at/see"看看）、"be example of"例子）、"take…for instance"（以为例）think of"想想）等众多动词和短语，有时也用到了特定句子，兹不赘述。
3.借助意合法“隐形”强化语义关系
有些逻辑语义关系不用任何关联词语或外在手段，而是靠意合法，即“完全依靠语序以及前后分句的语义制约构成”，此时语义关系的建构与理解很大程度上仰赖于说话人与听话人共有的语言知识和社会知识。
语言知识有时可以是词语的概念意义。如在例7中，用户批评了美国和印度的社会状况,并提到了中国的减贫成绩,对比意味非常明显。用户虽没直接讨论“西式民主的适用性”这一议题，但在描述美、印时反复出现的“民主”一词成为这一对比中的焦点，隐含着对西式民主的质疑，“中国减贫”也就成为这一隐含议题的有力例证。又如例21中，“中国减贫”和“美国好战”议题间的对比关系是通过各自的述谓结构“减少贫困”与“扩大战争”中词语概念意义间的对立所建立的。
例 21 : China Reduces Poverty, US expands War 中国减少贫困,美国扩大战争 2017/6/13
语言知识有时也可以是词语的语法意义。如例22中，在“中国减贫”与“资本主义”之间因果关系的建立中，代词it 的语法意义发挥了重要作用，它回指前面的China,从而将两者联结了起来。
例 22 China lifted a billion people out of poverty. It shows the success of capitalism.（中国让10亿人摆脱了贫困。它展示了资本主义的成功。2012/5/8
如果以上议题间的关系是通过说话人与听话人共有的语言知识来建立的，那么在例23中“中国减贫”与“澳大利亚教育”间的关系则更多的是靠社会知识来“意合”。根据我们的社会知识,中国有8亿人脱贫意味着国际市场上多了8亿消费者，此时“消费者”就与“出口商品”的语义联系了起来，也就在“中国减贫”与“澳大利亚教育”间建立了关联，具体而言是一种因果关系，即中国减贫使得教育成为澳大利亚最大的出口商品。
例 23 :800 million to be lifted from #poverty in #China. # Education could well become Australia's top export. [.....] # 中国有8亿人#脱贫。#教育很可能成为澳大利亚最大的出口商品o 2015/11/4
（二）推文中“中国减贫”及其关联议题的关联性质
本节考察“中国减贫”及其关联议题间关联建构的性质特点。从样本看,单条推文中的议题在关联强度上也有多种表现，并非只有隐性相关这一种类型。有的议题关联非常明显，即用户在两个议题间建立了明确的逻辑关系，比如因果、转折、连贯、对比、并列、类比等（参见上述例子），属于显性关联。有的较为含糊，如例24中，在无从了解用户发这条推文之更大语境的情况下，仅从推文本身的上下文,含有“中国减贫”议题的c跟其他句子间的语义关系非常难以判断，可视为隐性关联。
例 24 a But we aren't building tomorrow's technology. B. And China is more likely stealing our technology. c So thanks, but India and China can do their own work and pull their billions out of poverty. d Or buy cars from the US made here 。（但我们并不是在创造未来的技术。中国更有可能窃取我们的技术。谢谢，但是印度和中国可以做自己的工作,让数十亿人摆脱贫困。或者购买美国制造的汽车。2018/12/5
另外，即便语义关系可以断定的若干议题，其间的关联强度也具有相对性。如在例18中，“中国减贫”与其他议题的语义关系都可断定，但相较而言，与“巴国减贫”的关联最强，与“中国反腐”“巴国反腐”“汗总理的愿景”的关联就较弱，因此我们似乎可以把前者视为显性关联，后者视为隐性关联。当然，实际研究中究竟如何权衡显性和隐性之间的区隔，尚需根据具体研究目的和研究的便利性来确定。
结论与讨论
从上文分析可知，单条推文是可以涉及两个甚至多个议题的，只是由于语言表达的灵活性，其呈现方式和建构特点较为复杂。推文中的议题及其关联议题可由特定语言单位单独表达,也可通过若干语言单位糅合表达;可借助标签词表达,也可通过转引表达;可直接表达，也可间接表达。在议题间的关联方式上可借助关联词语明确语义关系，借助特定词语、短语或句子建构语义关系，也可借助意合法“隐形”强化语义关系。在关联的复杂度上，不仅可形成多议题并列这样的单层级关联，还可形成多层级关联。议题关联的性质也有显性和隐性之分，而不限于隐性相关一种。只是这些特点需要研究者对文本进行细读，借助各种语言和语境线索，运用语言知识和社会知识加以分析、归纳与提炼。
从文本分析所梳理的特点可知，学界有关议题关联的一般看法也适用于推文，而无须像现在这样在研究中改弦易辙。学界当前对推文的处理方式，比如以“一天”为分析单元，将议题关联仅设定为隐性相关一种等等，都未能充分反映推文中议题关联的真实特点，极大地影响到研究结果的可靠性和NAS理论的适用性。
相关研究之所以未能深入探査推文文本特点而做如上简单化处理，跟所要考察的文本数量和所采取的研究方法息息相关。NAS研究中采集到的推文往往是海量的，比如前述瓦戈等人研究的推文样本就多达3800万条，此时计算机辅助的半自动化分析自然成为研究者的首选。而这种文本分析方法常要凭借明确的形式标志，如关键词、高频词、由特定词语所标记的范畴清单等：但如本文分析所表明的,语言表达是非常复杂的，尤其是推文这种几近口语会话的文体，不仅跟日常交流一样有着表述上的随意性（如经常出现语法、拼写等错误或省略、隐含等现象），也有着极大的灵活性，推文中议题关联的呈现与建构常常并没有明确的形式特征，而必须通过包括运用语言学分析手段在内的质化话语分析方法才能正确判断。因此，就推文等社交媒体话语的NAS研究而言，计算机辅助分析固然能减轻研究者的工作量,但也确实有其先天不足甚至会导致严重的误判。
NAS理论的创始人之一，美国华裔学者郭蕾在讨论新闻报道的NAS研究时曾指出：“在网络分析之前需要运用更复杂的文本分析来确定所出现的对象和属性。”有着特定语篇模式和规范语言运用的新闻报道尚且需要进行复杂的文本分析，推文等具有口语会话灵活性和随意性的社交媒体话语就更是如此了。正确的方法是科学研究的基础，采用适合社交媒体话语特点的文本分析方法，可能为网络议程设置研究带来新的发现。在海量文本与深入文本分析之间寻找一个平衡，补充必要的质化话语分析手段是NAS研究者应该釆取的一个分析路径。
转自：质化研究
如有侵权，请联系本站删除！
