科学写作里 nuance 的兴衰：识别、计量与本机语料的一次试测（314 篇 / 330 万词）¶
🌐 语言 / Language：中文 · English
Provenance（来源与元数据）
| id | marginalia-007 |
| title | 科学写作里 nuance 的兴衰：识别、计量与本机语料的一次试测（314 篇 / 330 万词） |
| date | 2026-08-17 |
| published | 2026-08-17 |
| kind | analysis（分析笔记） |
| issue | 14 |
科学写作里 nuance 的兴衰¶
一条 issue #14 的脚注补篇。起点是 Reihan Salam 那句"power struggle 里 nuance 是奢侈品"，终点是把同一类弱 hedge 词在 BDS / HCI / Sociology / SE 四学科 314 篇经典论文里数出来——不做论断，只报告数到的数和读到的来源。
为什么写¶
004 把"CHI/ACL 是不是故事会"量了一遍，005 量了"学科仪式"。这一篇想把第三件事拿来测：科学论文里那种"稍微 / 有点 / 在某种程度上 / 略略"的弱 hedge 表达，是不是在被压平？怎么识别、怎么数、数到的是什么。
不做主张。两条外部线索从 issue #14 原封搬过来，本机语料是新加的——用来回答"如果去量，能量出什么"。
三条线索¶
一、Salam：power struggle 里 nuance 是奢侈品¶
The Atlantic 2026 年 8 月号，记者报道"后文字时代阅读危机"的文章里引用了 Reihan Salam（曼哈顿研究所主席）的一段话：
"You name an enemy and you polarize the public... You don't allow for nuance, because nuance is just a confusion when you're in a struggle for power." ——引语出处：The Atlantic, 2026 年 8 月号, "The Reading Crisis in the Postliterate Age"
引文落在政治传播场。命题的形式很硬：在政治斗争里，nuance 不是议程里有用的东西，而是会稀释信号的噪音。Salam 不是在描述学术写作，但这条引语在本篇里被借来定术语——把"压平 nuance"作为公共话语压力的一个可测后果，并问科学写作是否承受同型压力。
这一节不做主张。它只标出一个可证伪的假设：如果公共生态的注意力分配机制（算法推送、平台化分发）有压平 nuance 的副作用，那么与公共话语相邻的学术写作（HCI / 社会学 / 传播研究）也可能受其影响——但只可能，是否成立取决于测量。
二、Hyland 一脉：学术写作里的 hedge / booster，本来就量得出来¶
传统应用语言学把 Salam 这种"压平 nuance"的话题放进 hedge vs booster 的二分里。这里写的是已经公开发表、可被复算的事实，不是论断。
Ken Hyland 系列是这条文献脉络的锚：
- 《Writing Without Conviction? Hedging in Science Research Articles》（Applied Linguistics 17(4):433, 1996，DOI
10.1093/applin/17.4.433）—— Semantic Scholar 引用 776 / 影响引用 101。 - 《Hedging in Scientific Research Articles》（John Benjamins, Pragmatics & Beyond New Series 54, 1998，DOI
10.1075/pbns.54；Crossref 评论文元数据见10.2307/417106）—— S2 引用 1193 / 影响引用 185。 - 《The Author in the Text: Hedging Scientific Writing》（1995，S2 CorpusId 55076946）。
- 《Metadiscourse: Exploring Interaction in Writing》（Continuum, 2005）—— 元话语分析框架。
已有的纵贯年代结论（不是我做的）：
- Yao, Wei & Wang 2023，《Promoting research by reducing uncertainty in academic writing: a large-scale diachronic case study on hedging in Science research articles across 25 years》（Scientometrics，DOI
10.1007/s11192-023-04759-6）。25 年《Science》研究论文的时间序列：作者报告 hedge 的使用与发表年代相关，并且是用大规模语料做的年代际对比。S2 引用 30 / 影响 1。 - Poole, Gnann & Hahn-Powell 2019，《Epistemic stance and the construction of knowledge in science writing: A diachronic corpus study》（Journal of English for Academic Purposes 42:100784，DOI
10.1016/j.jeap.2019.100784）。328 篇开放获取论文，1972 起分段，对 stance 标记按时间分桶——S2 引用 60 / 影响 4。 - Petrocelli 2024，《Between detachment and commitment: hedging and boosting from scientific articles to university press releases》（Brno Studies in English，DOI
10.5817/bse2024-1-6）。30 篇学术论文 + 配套大学新闻稿的对比——研究发现 press releases 里 booster 显著多于论文，但仍保留 hedge 以"显示承认不确定性"。这条直接落在"科学写作 → 公共化"的接缝上。
这条文献脉络给出三件事：nuance 可以操作化（hedge / booster / downtoner / scalar modifier 有定义清单），可以计量（已有几个跨年代研究做出来），并且公共化（press release）层有明显压平。它没有告诉的是社交媒体到来前后学术写作本身的趋势方向。
三、MASP：把"弱 hedge 词"标给 LLM，模型对弱档系统性不敏感¶
[005] 的语料把四学科 B1（slightly / somewhat / partly / relatively / a little / ……）这类弱档 hedge 数出来是一回事；问题是，如果现在让 LLM 来给同一语料做 nuance 计量，它的盲区会不会反过来污染测量？
这条线索的锚：
- MASP: A Multilingual Dataset for Probing Scalar Modifier Understanding in LLMs（Xinyu Gao · Nai-Xin Ding · Wei Liu，CCL 2025 — China National Conference on Chinese Computational Linguistics；Springer LNCS "Chinese Computational Linguistics"，pp. 281–300，出版年 2026，上线 2025-11-01；DOI
10.1007/978-981-95-2725-0_18；DBLP keyconf/cncl/GaoDL25）。
从 Springer 章节页（link.springer.com/chapter/10.1007/978-981-95-2725-0_18）拿到的官方摘要原文：
"This study aims to test how large language models (LLMs) understand gradable adjectives and whether their understanding compares with humans, under the framework of formal semantics. We introduce a diagnostic dataset, referred to as the Modifier-Adjective Scale Probe [MASP]..." (Springer twitter:description meta)
引用文献里出现 Hersh & Caramazza 1976（Journal of Experimental Psychology: General 105(3):254–276，DOI 10.1037/0096-3445.105.3.254）——这是程度修饰符（fuzzy-set approach to modifiers and vagueness in natural language）的经典起点，以及 Kennedy 2007《Vagueness and grammar: the semantics of relative and absolute gradable adjectives》（Linguistics & Philosophy 30(1):1–45，DOI 10.1007/s10988-006-9008-0）——把 MASP 钉在形式语义学这一脉上。
完整实验结论需要去看 20 页的章节正文（本机有摘要，没有正文 PDF；arXiv 上无副本，因为这是 CCL 论文集书章节而非常见的 arXiv 预印本）。在已有数据层面，MASP 成立这一事实本身已经回答本篇这一节需要的命题："弱程度 scalar modifier"已经是 NLP 这一头被独立建模与探针化的语义类型，把 hedge 计量交给 LLM 要面对的就是这台计量器自己的盲区在标定结果里串入。
旁证文献（与本节平行的 LLM × hedge 探针，本篇在 Semantic Scholar 用 x-api-key 检索核到）：
- Paige, Soubki, Murzaku, Rambow & Brennan 2024，《Training LLMs to Recognize Hedges in Spontaneous Narratives》（arXiv:2408.03319）及 SIGDIAL 2024 版本（DOI
10.18653/v1/2024.sigdial-1.18）：在 Roadrunner 卡通叙事口语语料上比对三种 LLM 方法做 hedge 检测——fine-tuned BERT 强于 few-shot GPT-4o；做了错误分析后用 LLM-in-the-loop 改进金标。S2 引用 4。 - Ahmed 2025，《A Corpus-Based Analysis of Epistemic Stance in AI-Generated Instructional Content》（JESAF 4(2)）——直接量 AI 生成内容里的 hedge / booster 密度。
本机试测：四学科 + Dourish 的弱 hedge 密度¶
[005] 已经把 314 篇经典论文 XML 化成段落级 paras.json（330 万词），并对每篇做了 60+ 修辞动块的正则统计——但那里的 hedge 只就 may/might/could/suggest/appear/seem/likely/perhaps/possibly/arguably/approximately/roughly 计，没有把 MASP 关心的弱档程度副词单立一档。这一步在本篇补上。
nuance_scan.py（与 [005] 同一目录，本文未单发）把段落级文本复送过四档正则：
| 档 | 词族 | 与文献的对应 |
|---|---|---|
| B1 弱 hedge | slightly / somewhat / partly / partially / relatively / mildly / a bit / a little / marginally / nominally / to some extent / to some degree / to a limited extent | MASP 的 target class |
| B2 中等程度 | quite / rather / fairly / moderately / considerably / noticeably / substantially / meaningfully / to a large extent / to a great extent | Kennedy 2007 中等档 gradable adjective 修饰 |
| B3 强 booster | very / highly / extremely / entirely / completely / fully / totally / utterly / strongly / clearly / obviously / significantly / indeed / in fact / demonstrate / prove / proven | Hyland 的 booster 端 |
| epistemic_hedge | may / might / could / suggest(+s | ed |
中文 scalar modifier（稍微 / 略微 / 有点 / 有些 / 一些 / 部分 / 些许 / 多少）也扫了——0 命中（[005] 的 05_cjk_clean.py 已经把中文翻译版 PDF 段剔出主体语料）。
全语料分学科总表（每万词）¶
| 学科 | 篇数 | 万词 | B1 弱 | B2 中 | B3 强 | epistemic |
|---|---|---|---|---|---|---|
| Big Data & Society | 27 | 21.2 | 4.30 | 11.75 | 19.26 | 52.58 |
| HCI | 94 | 81.8 | 4.03 | 7.52 | 17.59 | 61.57 |
| Sociology | 79 | 110.6 | 4.33 | 8.21 | 20.74 | 50.79 |
| Software Engineering | 114 | 116.7 | 3.49 | 5.37 | 15.47 | 44.33 |
| Dourish 基线（21 篇） | 21 | 40.8 | 3.51 | 18.79 | 20.61 | 60.15 |
读数（事实，不是论断）：
- 四学科 B1 弱 hedge 密度都落在 3.5–4.3 / 万词 的窄带里——跨学科差异远小于 B3 强 booster（15–21 档的差距）。
- SE 的 B1（3.49）与 B3（15.47）都是四学科最低，与 [005] 里 SE "短句工程报告体"的画像一致；Dourish 基线的 B1 也是 3.51——但 Dourish 的 B2 高到 18.79（"rather" 583 次），是签名句式 not-simply-X-but-rather-Y 的副产品，在 [002] 与 [005] 里都验证过，这里复现。
完整散点（每篇一篇一行）见 data/paper_level_rates.csv；学科 × 年代聚合见 data/discipline_decade_rates.csv。
分年代切片（B1 弱 hedge，每万词）¶
| 学科 | 1970s | 1980s | 2000s | 2010s | 2020s |
|---|---|---|---|---|---|
| BDS | — | — | 5.67 | 5.67 | 0.00 (1 篇/4 052 词) |
| HCI | — | — | 1.02 | 3.95 | 5.41 |
| SOC | 2.30 (1 篇) | 1.83 (1 篇) | 4.68 | 2.72 | 5.42 |
| SE | — | — | 3.82 | 2.89 | 2.46 |
读数（仍是事实报告，含样本量警示）：
- HCI 与 SE 的 B1 走出相反斜率：HCI 2000s→2010s→2020s 平滑上升 1.02→3.95→5.41（三个年代都有几十篇样本），SE 反向 3.82→2.89→2.46。这两个是该语料里前后方向最稳定、样本最厚的两条。
- Sociology 1970s / 1980s 各仅 1 篇；BDS 2020s 仅 1 篇 4 052 词——这两个 cell 的数字在本篇只是被报告，不参予任何"方向"结论。完整细胞覆盖见 CSV。
几条真实命中句（B1 弱 hedge 出现在文里什么样）¶
下面这些是从 paras.json 段落级文本里按学年抽取的真实命中句，让上面的数字落到版面：
- BDS — Burrell, "How the machine 'thinks'"（[005] 语料）：
"The top left box, for example, shows a hidden layer node that cues in on darkened pixels sort of in the lower left part of the quadrant and a little bit in the middle."
"They had become, in the words of Governing Algorithms' organizers, 'somewhat of a modern myth' (Barocas et al., 2013: 1), attributed with great significance and power, but with ill-defined properties." —— Bier, "Algorithms as culture"
- HCI — 数据科学协作主题：
"Pre-existing market analysis (and, to some extent, word-of-mouth business wisdom) showed that leads with credit scores greater than 500 were very likely to get special financing approval."
- Sociology — DellaPosta/Shi/Macy 复现研究：
"In an article entitled, 'Why Do Liberals Drink Lattes?,' sociologists DellaPosta, Shi, and Macy (2015) were unable to address whether this empirical assertion is true, thus rendering the question of why somewhat premature." —— The real reason liberals drink lattes
- SE — OSS 代码评审：
"This variation can be partially explained by the culture on the projects." —— "Peer review on open-source software projects"
"KDE, FreeBSD, and Gnome all have medians of slightly over 100 reviews per month, while the smaller projects, Apache and SVN, have around 40 reviews in the median case." —— 同上
不解读的地方（挑明）¶
- Se 2020s 2.46 与 HCI 2020s 5.41 这两条斜率我不解读。可能有人会读成"SE 越规范越压平 nuance / HCI 越批判越留 hedge"——那是一条论断，本篇不发表。两条斜率在本篇只是数字本身，与外部机制（社交平台压力 / LLM 盲区 / 学科写作仪式）之间的关系值得作为后续 hypothesis 单独追。
- "rather" 在 BDS / SOC / Dourish 里被 B2 计为命中，但多数是 "rather than" 的句式残痕而非程度副词——这一点已在 data/README.md 的 caveat 里写明。B2 数字应当被打折读，B1 的"slightly / somewhat / a little"基本干净。B2 在 Dourish 这里超比例，[002] 早就指出原因。
- 整个 314 篇语料是手工圈选的"经典清单" ——不是各学科随机抽样。任何"这学科怎样"的论断都要打折。
下一步可走的几条¶
真的把 nuance 当 construct 测：
- 把 B1 词族与 MASP 的训练集对齐——本机用的是英文 surface pattern，MASP 是多语种形式语义探针；如果 CCL 那一章正文里的 MASP 数据集开源（Springer 章节未明示），把本机 B1 词表与 MASP 的 scalar-modifier 标签集做映射，能升级成语义标定而不是正则匹配。
- 把语料时间轴往前推到 1970 年前——SOC 1970s 仅 1 篇是硬约束；可以补 AJS / ASR 早期经典（1940–1960s）扩成 SOC 的 PCI cell。
- 跑一个对照接缝：学术论文 vs 该论文的被媒体二次平化版本（Petrocelli 2024 就是这种对照的设计），把"压平 nuance"作为接缝两侧的可测差异。
严守护栏不发表的部分：
- 不主张"社交媒体导致 nuance 减少"
- 不主张"LLM 盲区已经污染了科学计量"
- 不主张"某学科压平/留存 nuance 更严重"
这三条都是本篇可被未来的某一篇检验的假设。本篇的职务只是把证据摆到桌面上：弱 hedge 在经典论文语料里数得出来，分学科有方向性的年代斜率，外部文献把每条线索都接到了可被引用的工作上。
溯源¶
| 字段 | 内容 |
|---|---|
| 数据 | [005 语料] 314 篇经典论文 discipline_style_analysis/paras.json（330 万词）；[002 语料] Dourish 21 篇 dourish_analysis/paras.json（40.8 万词） |
| 引用源（外部检索） | Crossref（不限速）· Springer Nature HTML 元数据 · arXiv API · Semantic Scholar Graph API（带 x-api-key） |
| Salam 引语 | 用户提供；URL: https://www.theatlantic.com/magazine/2026/08/reading-crisis-postliterate-age/687618/；WebFetch + Wayback 在本机代理网络下当时超时，原文未取到本地——引用文字由用户提供并经其确认 |
| 计量器 | ZCodeProject/discipline_style_analysis/nuance_scan.py（与 [005] 管线同目录，不单独提交到 repo） |
| 时间 | 分析 2026-08-17 · 笔记发布 2026-08-17 |
| Agent / 模型 | ZCode CLI · GLM（智谱） |
| Issue | #14 |
| 上游 | 002 Dourish 风格 · 004 故事会量化 · 005 四学科声音 |