譯者風(fēng)格對(duì)比描寫的多維分析途徑*

華東師范大學(xué) 趙朝永

提 要： 語域特征是文本的一種重要屬性，譯本的語域變異由此成為譯者風(fēng)格描寫的有效參照。多維分析法(MF /MD)能有效識(shí)別譯本的語域類屬并在不同語域維度上描寫其傾向性特征，因此可用于對(duì)比基于同一原作的多譯本語域特征，以考察不同譯本的語域變異情況。譯本語域維度差異及參與計(jì)算的因子差異均可作為譯者風(fēng)格的綜合考察指標(biāo)，其聚類共現(xiàn)能夠反映出譯者各自的語言風(fēng)格乃至翻譯策略。多維分析對(duì)譯本語域特征描寫和譯者風(fēng)格考察均具重要意義。

1.引言

譯者風(fēng)格研究是語料庫翻譯學(xué)的核心課題之一。近年來，得益于語料庫語言學(xué)和語料庫翻譯學(xué)在理論探究、工具研發(fā)和范式創(chuàng)新上的成就，基于語料庫的譯者風(fēng)格研究取得了長足進(jìn)展(胡開寶、謝麗欣，2017；黃立波，2018)?；谕辉鞯亩嘧g本對(duì)比已成為考察譯者風(fēng)格差異、揭示并解釋譯介規(guī)律的有效手段。經(jīng)典文學(xué)作品的多譯本對(duì)比成果尤為顯著，如基于語料庫的《紅樓夢》霍、楊兩譯本對(duì)比(馮慶華，2008)、邦、霍、楊三譯本對(duì)比(趙朝永，2014、2020b)以及喬、邦、霍、楊四譯本對(duì)比(劉澤權(quán)、劉超鵬、朱虹，2011；趙朝永，2019)等。此外，董琇(2016)從詞語、句子、篇章和文化四個(gè)層面對(duì)比《三國演義》羅慕士、鄧羅兩譯本的譯者風(fēng)格，黃立波(2014)則借助語料庫考察了《駱駝祥子》三個(gè)英譯本中敘述話語翻譯的譯者風(fēng)格差異。上述研究多從詞匯、句法、語義和語篇等層面，通過“一本多譯”的比照，對(duì)語料庫譯者風(fēng)格和翻譯語言特征描寫進(jìn)行了卓有成效的探索，但其不足之處也顯而易見。語料庫譯者風(fēng)格研究大多滿足于對(duì)局部譯者風(fēng)格具體表象的描述，未對(duì)譯者風(fēng)格進(jìn)行整體上的歸納(胡開寶、謝麗欣，2017： 16)。顯然，局部風(fēng)格并不等同于整體風(fēng)格，多個(gè)指標(biāo)的聚類有助于對(duì)譯者風(fēng)格進(jìn)行更為系統(tǒng)的描寫。當(dāng)前國內(nèi)語料庫翻譯學(xué)的翻譯風(fēng)格研究過于注重淺層語言特征的描寫，多維分析的復(fù)雜統(tǒng)計(jì)方法使用較少(許家金，2018： 8)，未來研究亟待新視野、新方法的引介。

2.基于語料庫的譯者風(fēng)格對(duì)比研究： 進(jìn)展與問題

譯者風(fēng)格研究是翻譯文體研究的一個(gè)側(cè)面，從歷時(shí)角度看，其大體經(jīng)歷了修辭文體觀、語言文體觀、敘事文體觀和語料庫文體觀四個(gè)階段的變化(黃立波，2014)。每一種文體觀的變化也伴隨著理論視角、研究范式和研究手段的變革。自Baker(2000)率先提出譯者風(fēng)格的語料庫研究方法后，基于語料庫的譯者風(fēng)格研究迅速發(fā)展，較有代表性的研究有Olohan(2003)、Bosseuax(2004)、Winters(2009)、劉澤權(quán)、閆繼苗(2010)、黃立波、朱志瑜(2012)、黃立波(2014)等?；谡Z料庫的譯者風(fēng)格研究可分為類比模式和平行模式兩大類(黃立波，2018： 79)，前者側(cè)重于某一譯者翻譯作品在整體上與另一譯者同類翻譯作品的差異(如Baker，2000；黃立波、朱志瑜，2012)，后者則重在關(guān)注不同譯者對(duì)同一部源文本的同一目標(biāo)語中的處理差異，也即“一本多譯”或“多譯本”研究，以考察譯者對(duì)源文本中不同語言特征的規(guī)律性處理方式(如Bosseuax， 2004； Winters， 2009；劉澤權(quán)、劉超鵬、朱虹，2011；黃立波，2014；趙朝永，2020b)。此外，譯者風(fēng)格降維法分析(董琇，2014)也是對(duì)譯者風(fēng)格量化考察的有益探索。需指出的是，類比模式所考察的語言特征雖在一定時(shí)期具有穩(wěn)定性，但同時(shí)也容易受到源語文本的影響，拋開源語的對(duì)比存在一定缺陷，因此同一原作的不同譯本能夠更有效地反應(yīng)譯者風(fēng)格差異。

基于語料庫的譯者風(fēng)格本對(duì)比既有借助單一指標(biāo)的多譯本局部對(duì)比，如報(bào)道動(dòng)詞(劉澤權(quán)、閆繼苗，2010；趙朝永，2014)、“被”字句(胡開寶，2011： 116-121)與敘述話語(黃立波，2014)等，也有融合不同指標(biāo)的多譯本綜合對(duì)比(如劉澤權(quán)、劉超鵬、朱虹，2011；趙朝永，2020b)。這兩種模式均較多使用詞匯量、詞匯密度、句子難度等某一種或多種語言手段進(jìn)行對(duì)比描寫。基于語料庫的譯者風(fēng)格描寫已取得有效進(jìn)展，語料庫規(guī)模越來越大，分析指標(biāo)越來越多，跨學(xué)科屬性越來越明顯。然而，譯者風(fēng)格并不等于若干局部風(fēng)格的簡單相加，因此譯者風(fēng)格研究更應(yīng)當(dāng)強(qiáng)調(diào)總體風(fēng)格研究(global style)，而不是局部風(fēng)格(local style)考察。此外，基于語料庫的譯者風(fēng)格對(duì)比不應(yīng)局限于平均詞長、平均句長、標(biāo)準(zhǔn)化類-形比等傳統(tǒng)形式參數(shù)統(tǒng)計(jì)，而應(yīng)當(dāng)拓寬思路，向語義、語用、社會(huì)-文化等參數(shù)及認(rèn)知語言學(xué)等視角(金勝昔、林正軍，2016)拓展。同時(shí)，需借鑒語料庫文體學(xué)、計(jì)量語言學(xué)、計(jì)算語言學(xué)等相鄰領(lǐng)域的研究方法，拓寬翻譯文體或風(fēng)格研究的范圍，使這一研究課題的方法論更加科學(xué)化和系統(tǒng)化(黃立波，2018： 77)。因此，當(dāng)前研究的局限性不言而喻： 第一，計(jì)量指標(biāo)相對(duì)單一，且僅關(guān)注譯者風(fēng)格某一側(cè)面的描寫；第二，統(tǒng)計(jì)指標(biāo)之間缺乏關(guān)聯(lián)性，聚類程度較低，缺乏多維度的定量與定性有機(jī)結(jié)合；第三，多重視原文參照，對(duì)參照目標(biāo)語規(guī)范的語域變異缺乏重視。

Biber(1988)創(chuàng)立的多維分析法(Multidimensional Analysis，以下簡稱“多維分析”)可有效區(qū)分文本的語域(1)關(guān)于“語域”這一術(shù)語，英文中有對(duì)應(yīng)的近義詞style、genre、register，中文有“語體”“體裁”“語類”等，學(xué)界尚未就此形成統(tǒng)一認(rèn)識(shí)。為避免術(shù)語混淆，本文暫不做區(qū)分，統(tǒng)一采用“語域”這一術(shù)語。多維分析法旨在探究“語域變異”(register variation)，這也是文本采取該術(shù)語的另一原因。及語域子類，是文本語域特征對(duì)比的有效手段。多維分析的核心概念是語言特征的共現(xiàn)，即不同的共現(xiàn)模式可表征不同的潛在語域變異維度。自問世以來，多維分析受到學(xué)界一致認(rèn)可，已成為語料庫語言學(xué)界話語分析的代表性方法之一(江進(jìn)林、許家金，2015)。自創(chuàng)立以來，多維分析已被用作比較口語與筆語語域特征差異(Biber， 1988； Van Rooy， 2008)、小說、論文、私人信函(Biber & Finegan， 1989)、對(duì)話、演講和學(xué)術(shù)文章(McEneryetal.， 2006)、法律英語(Asgharetal.， 2018)等體裁。受其影響，國內(nèi)學(xué)者借助多維分析開展實(shí)證研究，范圍涉及學(xué)術(shù)語篇(雷秀云、楊惠中，2001；武姜生，2001)、中外科技論文摘要(曹雁、肖中華，2015)、商務(wù)英語(江進(jìn)林、許家金，2015)、學(xué)習(xí)者書面語體(潘璠，2012；趙朝永、王文斌，2017)、漢語語體變異(劉艷春，2019)以及翻譯語域特征(胡顯耀，2010；趙朝永，2020a)等，多維分析已成為區(qū)別語域特征的有效手段。多維分析法不僅避免了以往單一或少數(shù)幾個(gè)語言特征可能引起的語體分析的偏頗，也實(shí)現(xiàn)了定性與定量的有效結(jié)合(劉艷春，2019： 100)。

如上所述，基于語料庫的譯者風(fēng)格對(duì)比雖已逐漸走向深入，但依然存在指標(biāo)單一、描寫片面、重定量輕定性及缺乏對(duì)目標(biāo)語語域規(guī)范的參照等局限。因此，譯者風(fēng)格研究只有采用更為科學(xué)的計(jì)量工具和方法，才能實(shí)現(xiàn)研究手段的科學(xué)化和研究結(jié)果的可靠性(韓紅建、蔣躍、袁小陸，2019： 91)。黃立波(2018： 80)將譯者風(fēng)格描寫概括為三個(gè)視角： 翻譯學(xué)視角、敘事文體學(xué)視角和計(jì)量語言學(xué)視角，根據(jù)Biber(1988)所設(shè)立的多維分析是上述三種類別的綜合，能有效避免傳統(tǒng)研究不足，對(duì)譯者風(fēng)格進(jìn)行更為系統(tǒng)、綜合、立體的描寫。

3.多維分析法概述

1) 基本理念

Biber(1988)基于英語口語語料庫(LLC， London Lund Corpus)和英語書面語語料庫(LOB，Lancaster-Oslo-Bergen)，通過兩組文本的67個(gè)語言特征(如時(shí)態(tài)、體態(tài)、情態(tài)、詞性、疑問句等等)，考察了口語與書面語及其10多個(gè)子語域的區(qū)別性特征。Biber的MDA分析工具首先自動(dòng)識(shí)別并統(tǒng)計(jì)出67個(gè)語言特征的頻數(shù)及每千詞標(biāo)準(zhǔn)化頻率，然后根據(jù)其在相應(yīng)語域中的共現(xiàn)情況歸納為7個(gè)維度(2)維度1為交互性與信息性(involved versus informational production)；維度2為敘述性與非敘述性(narrative versus situation-narrative reference)；維度3為情境獨(dú)立與情境依賴(explicit versus situation-dependent reference)；維度4為顯性勸誘表述(overt expression of persuasion)；維度5為信息抽象與具體程度(abstract versus non-abstract information)；維度6為即席信息組織精細(xì)度(online information elaboration)；維度7為學(xué)術(shù)性模糊表達(dá)(academic hedging)。。各維度一般具有兩種值，正負(fù)值表達(dá)的文本特征相反，起到區(qū)別文本特征的作用。如，維度1中的正特征因子得分越高，表明文本互動(dòng)性越強(qiáng)，反之則文本信息性越強(qiáng)。維度2上的正特征因子得分越高，表示文本具有較強(qiáng)敘述性，反之亦然。由于維度7數(shù)據(jù)較少，其形成的維度與其余6個(gè)維度不具有可比性，在實(shí)際操作中通常舍棄。

2) 分析工具

Nini(2015)開發(fā)的多維標(biāo)注與分析工具M(jìn)ultidimensional Analysis Tagger 1.3.1(以下簡稱MAT)復(fù)制了Biber(1988)多維分析模型，可對(duì)文本進(jìn)行自動(dòng)標(biāo)注、特征提取和數(shù)據(jù)統(tǒng)計(jì)，并參照Biber(1989)判斷出文本的語域類型。該工具運(yùn)行要求在Windows操作系統(tǒng)下運(yùn)行，須有Java環(huán)境。MAT與McEneryetal.(2006)提供的多維分析程序包不同，它使用了Biber(1988，1989)的67個(gè)語言特征和6個(gè)功能維度，且通過內(nèi)嵌的“斯坦福詞性賦碼器”(Stanford POS Tagger)進(jìn)行詞性賦碼。通過比較Nini(2015)和Biber(1988)兩種方法所得的分析結(jié)果，證實(shí)了MAT可以有效復(fù)制Biber(1988)所提出的所謂分析全過程。而McEneryetal.(2006)的程序包只能提取58個(gè)語言特征，其詞性賦碼工具也與Biber(1988)不同，因此兩者的研究結(jié)論在可比性上存在一定差距。

3) 操作步驟

武姜生(2001)曾對(duì)Biber(1988)的多維分析法有過詳細(xì)介紹，此不贅述。以下著重介紹采用Nini(2015)MAT多維分析軟件進(jìn)行多譯本語域變異分析的基本步驟。

(1) 創(chuàng)建語料庫

MAT軟件僅接受純文本格式(ANSI與UTF-8均可)，若文本格式不兼容，處理過程中會(huì)報(bào)錯(cuò)。文本的識(shí)別、整理和降噪方法可參照梁茂成、李文中、許家金(2010)。譯文文本以每個(gè)獨(dú)立的章節(jié)為單位，單獨(dú)保存，整體形成一組文本，以便于后續(xù)對(duì)組數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)與回歸分析。

(2) 語料的自動(dòng)標(biāo)注、特征提取和語域特征計(jì)算

MAT軟件可先標(biāo)注再分析，也可一步完成。自動(dòng)處理完數(shù)據(jù)后，MAT提供了以下基礎(chǔ)統(tǒng)計(jì)數(shù)據(jù)： ① 以“Corpus_Statistics.txt”命名的所有因子原始頻次信息；② 以“Zscores.txt”命名的頻數(shù)標(biāo)準(zhǔn)分(Z分?jǐn)?shù))；③ 以“Dimensions.txt”命名的各文本維度分?jǐn)?shù)(經(jīng)過標(biāo)準(zhǔn)化處理的Z分?jǐn)?shù))；④ 標(biāo)記文本維度趨向的幾張圖表，標(biāo)識(shí)出與當(dāng)前文本最接近的語域趨向。更為詳盡的操作步驟可參見Nini(2015)MAT軟件的操作手冊(cè)2—4頁。

(3) 語域維度的呈現(xiàn)與解釋

MAT對(duì)語域維度的描寫以分析語言特征的“共現(xiàn)”模式為基礎(chǔ)。多維分析利用統(tǒng)計(jì)學(xué)上的因子分析(factor analysis)來推斷語域維度和共現(xiàn)特征。因子分析是一種多元統(tǒng)計(jì)方法，可將眾多的語言特征變量通過聚類，合并為某一公共因子，即MAT分析中所要呈現(xiàn)的6個(gè)“維度”。每個(gè)維度與其下屬語言特征的相關(guān)性表現(xiàn)為各語言特征在此項(xiàng)因子上的因子負(fù)荷(factor loading)。因子負(fù)荷超過 0.35 以上的“顯性” 語言特征可視為具有共現(xiàn)關(guān)系。以第1維度“交互性與信息性”為例，其部分共現(xiàn)語言特征見表1。

表1.維度1部分共現(xiàn)因子及因子負(fù)荷

維度1上共有34個(gè)因子參與計(jì)算，其中正值因子25個(gè)，負(fù)值因子9個(gè)。對(duì)于部分參與多個(gè)維度計(jì)算的因子，當(dāng)其在其他維度上的負(fù)荷大于本維度時(shí)，將不再參與本維度的計(jì)算。維度1上共有6個(gè)因子(如條件狀語從句、地點(diǎn)狀語、無施動(dòng)標(biāo)記被動(dòng)句等)在其他維度上的負(fù)荷高于本維度，因此被排除在外。此外，Nini(2015)僅采用Biber(1988： 77)Z分?jǐn)?shù)均值高于1的因子，因此維度1上實(shí)際參與計(jì)算的因子僅有24個(gè)。由表1可知，因子負(fù)荷為負(fù)值的語言特征意義比較明顯。名詞、介詞、詞長、類符與形符比等特征具有信息含量高、表達(dá)準(zhǔn)確的特點(diǎn)，在以傳達(dá)信息為主的語篇(如說明性文章)中有著較高的分布頻率，而較少出現(xiàn)在以人際功能為主的口語文本中。負(fù)荷值為正值的語言特征如第二人稱代詞、動(dòng)詞的現(xiàn)在時(shí)態(tài)以及私動(dòng)詞等。這些特征體現(xiàn)了語篇人際功能的交互性，情感性等屬性，在語域中的分布規(guī)律與上述負(fù)荷值為負(fù)的語言特征正好相反，即兩者呈互補(bǔ)分布。因此，維度1代表了人際交流功能與信息傳達(dá)功能的對(duì)比。其余維度因子的共現(xiàn)可參見Biber(1988)第6章，此不贅述。

(4) 語域變異分析

根據(jù)MAT匯報(bào)的維度分?jǐn)?shù)可對(duì)文本語域進(jìn)行多維度的比較分析，即可描寫各個(gè)維向的功能意義，也可按照維度分?jǐn)?shù)的差異比較不同文本語域在各維度上的差異，具體可參見Biber(1988)第7章。

(5) 顯著性檢驗(yàn)及相關(guān)性分析

語域變異的對(duì)比分析需借助SPSS統(tǒng)計(jì)分析軟件對(duì)MAT報(bào)告的維度分與Z值進(jìn)行顯著性檢驗(yàn)，并通過多元線性回歸確定影響每個(gè)維度語域變異的共現(xiàn)因子，以深入挖掘所有67個(gè)語言因子的“共變”信息，從而更加綜合、系統(tǒng)地判斷導(dǎo)致文本語域變異的因素。線性回歸對(duì)于多譯本對(duì)比尤為重要，是發(fā)現(xiàn)及解釋譯者風(fēng)格差異的一種有效手段。

4.案例分析： 《金瓶梅》埃譯本與芮譯本語域變異對(duì)比分析

我們選取經(jīng)典文學(xué)作品《金瓶梅》的三個(gè)英文譯本(埃杰頓譯本、奧米爾譯本和芮效衛(wèi)譯本，以下分別簡稱“埃譯本”“米譯本”“芮譯本”)作為案例，借助Nini(2015)MAT軟件對(duì)譯本進(jìn)行多維分析，以進(jìn)一步展現(xiàn)多維分析法對(duì)多譯本風(fēng)格對(duì)比描寫的有效性。關(guān)于兩譯本和四譯本的對(duì)比范式，可參照趙朝永(2019，2020a)。

1) 語料情況

語料由埃譯本、米譯本、芮譯本三部分組成，其中埃譯本、芮譯本為100回全譯本，米譯本為節(jié)譯本，僅有49回。三譯本均按自然章節(jié)切分為多個(gè)文本，語料詳情如下。

表2.語料庫構(gòu)成(3)本文在趙朝永(2020a)基礎(chǔ)上，再次對(duì)埃譯本和芮譯本的語料進(jìn)行整理與校核，對(duì)可能引起統(tǒng)計(jì)誤差的個(gè)別專有名詞拼寫方法做了統(tǒng)一處理，以最大程度較少誤差。因此，文本個(gè)別統(tǒng)計(jì)數(shù)據(jù)較之前文有微調(diào)，但兩個(gè)譯本整體語域特征、維度傾向及譯本間的維度差異均保持不變。

2) 譯本維度趨向

根據(jù)MAT軟件匯報(bào)的維度分?jǐn)?shù)，可將三譯本的維度差異轉(zhuǎn)換為圖表(見圖1)，限于篇幅，軟件匯報(bào)的維度趨向圖從略。埃譯本被歸入“虛構(gòu)性敘述”(Imaginative Narrative)語域，而米譯本和芮譯本均被歸入“普通敘述說明”(general narrative exposition)語域，前者主要包括“愛情小說、普通小說、懸疑小說”等子類；后者則通常包括“新聞報(bào)道、評(píng)論、傳記”等子類，所涵蓋文本帶有非文學(xué)色彩。

圖1.《金瓶梅》三譯本語域維度差異

3) 譯本維度差異對(duì)比

我們使用SPSS軟件對(duì)三個(gè)譯本的維度分?jǐn)?shù)進(jìn)行方差分析(2個(gè)譯本對(duì)比可使用獨(dú)立樣本T檢驗(yàn))。結(jié)果顯示，三者在維度1上呈現(xiàn)出明顯差異，埃譯本信息性弱但交互性強(qiáng)，而米譯本與芮譯本均為信息性強(qiáng)于交互性的文本，且二者的信息性程度無顯著差異。在維度2上，三者均呈現(xiàn)出較強(qiáng)的敘述性，這符合其作為小說的語域特征。其中，埃譯本的敘述性相對(duì)最強(qiáng)，芮譯本與米譯本依序次之。在維度3上，埃譯本與芮譯本表現(xiàn)出情境獨(dú)立特征，而米譯本則傾向于情境依賴。在維度4上，三者均展現(xiàn)出顯性勸說特征，這與文本中存在大量對(duì)話有一定關(guān)系，該特征為所有小說文本所共有，但三者顯性勸誘的程度不同，由高到低依次為埃譯本、芮譯本和米譯本。在維度5上，芮譯本和米譯本表現(xiàn)出較高的信息抽象程度，埃譯本則表現(xiàn)出較高的信息具體程度。從維度6上的數(shù)據(jù)可知，三者表現(xiàn)出較低的即席信息組織精細(xì)度，其中米譯本相對(duì)高于另外兩個(gè)譯本，而埃譯本和芮譯本之間不存在區(qū)別。

表3.《金瓶梅》三個(gè)英譯本語域維度差異分析

4) 單一維度內(nèi)影響因子回歸分析

為進(jìn)一步考察參與維度計(jì)算的因子之間的“共變”情況，我們借助SPSS軟件對(duì)每個(gè)維度對(duì)應(yīng)的變量進(jìn)行了逐步回歸，以確定三組文本在3個(gè)具有顯著差異維度上的影響因子。限于篇幅，僅選取米譯本的維度1作為案例。維度1上共有34個(gè)變量，其旨在區(qū)分文本的交互性與信息性。結(jié)果顯示，米譯本共有24個(gè)變量進(jìn)入回歸方程，其中預(yù)測強(qiáng)度最佳的5個(gè)變量為“名詞(不含名詞化及動(dòng)名詞)(NN)”“現(xiàn)在時(shí)(VPRT)”“類符 /形符比(TTR)”“平均詞長(AWL)”及“私動(dòng)詞(PRIV)”。

表4.維度1逐步回歸模型整體效果參數(shù)表

表5.米譯本維度1逐步回歸系數(shù)表

由表4、表5可知，米譯本前5個(gè)變量對(duì)維度1具有良好的預(yù)測作用(R2=0.955)，即五個(gè)變量的“共現(xiàn)”能解釋該維度95.5%的變異。表4顯示，“現(xiàn)在時(shí)”與“私動(dòng)詞”回歸系數(shù)為正值，“名詞(不含名詞化及動(dòng)名詞)”“類符 /形符比”與“平均詞長”回歸系數(shù)為負(fù)值，其標(biāo)準(zhǔn)化回歸方程為： 維度1=-2.641*NN + 5.597*VPRT-1.255*TTR-3.899* AWL + 2.511*PRIV。這表明米譯本傾向于較少使用“現(xiàn)在時(shí)”“私動(dòng)詞”這類體現(xiàn)交互性的詞，而較多使用體現(xiàn)信息性的“名詞(不含名詞化及動(dòng)名詞)”“類符 /形符比”與“平均詞長”。這一結(jié)果反映出米譯本信息性較強(qiáng)，結(jié)合原文的語體特征可知，譯本相對(duì)偏離了小說文本應(yīng)有的交互性特征，呈現(xiàn)出“敘述說明”的特點(diǎn)。

需指出的是，除上述單一維度共現(xiàn)因子的回歸分析外，還可將參與維度分計(jì)算的所有67個(gè)因子設(shè)為回歸的變量，在更大范圍內(nèi)觀察本維度以外因子的“共變”情況，以充分利用和挖掘數(shù)據(jù)。韓紅建、蔣躍、袁小陸(2019： 91)指出，文本數(shù)據(jù)挖掘、計(jì)量風(fēng)格學(xué)、計(jì)算語言學(xué)和計(jì)量語言學(xué)領(lǐng)域的一些成熟算法在國內(nèi)外語料庫語言學(xué)和翻譯界尚未發(fā)揮大的作用。多維分析呈現(xiàn)的多種數(shù)據(jù)信息更是如此，有待研究者根據(jù)研究目的和文本特點(diǎn)進(jìn)行充分利用。

5) 譯本維度差異影響因子整體分析

為進(jìn)一步呈現(xiàn)兩譯本差異，還可通過獨(dú)立樣本t檢驗(yàn)，兩兩對(duì)比參與語域維度計(jì)算的67項(xiàng)語言因子。由于埃譯本和米譯本同年問世，且譯者均為英國人，可比性較強(qiáng)，我們檢驗(yàn)了參與其維度計(jì)算的67個(gè)語言特征。結(jié)果顯示，二者具有顯著差異的因子多達(dá)53個(gè)(79.1%)。限于篇幅，下表僅列出差異較大的前15個(gè)因子(見表6)。

表6.埃譯本與米譯本差異最大的15個(gè)語言因子

結(jié)合前文分析可知，埃譯本交互性和敘事性特征更明顯，信息具體程度高，情境獨(dú)立程度高，勸誘特征明顯，相對(duì)更符合小說文本的體裁特征，且傾向于通過更為簡明、生動(dòng)的語言展現(xiàn)原文情節(jié)，具體表現(xiàn)為更多使用特殊疑問句、一般過去時(shí)、公動(dòng)詞及表強(qiáng)化的副詞等(趙朝永，2020： 291)。米譯本信息性強(qiáng)，解釋說明特征更為明顯，信息抽象程度高，傾向于通過更為抽象的信息轉(zhuǎn)釋原文的語言與文化，具體表現(xiàn)為多使用非限定性定語從句、多去分詞做獨(dú)立小句、各類狀語從句、并列成分以及較高的詞匯密度等。因此，總體而言，米譯本已相對(duì)偏離小說文本的體裁特征，出現(xiàn)了語域變異。需指出的是，上述差異的產(chǎn)生同譯者的翻譯目的、對(duì)待源語文化的態(tài)度及整體翻譯策略息息相關(guān)。埃杰頓以尋找心理學(xué)研究材料為目的，重在呈現(xiàn)原作的“故事性”，并不關(guān)注源語文化內(nèi)涵的傳遞，其據(jù)此制定了將原作向目標(biāo)語文體規(guī)范靠攏的策略，其譯本由此更加符合小說文本的語域特征。米奧爾譯本的目標(biāo)群體是受過教育的讀者，整體風(fēng)格偏正式，且由于是節(jié)譯本，概括性較強(qiáng)，其譯文因而更較強(qiáng)的信息性和抽象性，而交互性與敘述性則相對(duì)較弱。由此可見，譯本語域特征是譯者翻譯風(fēng)格乃至譯者主體性的綜合體現(xiàn)。

5.小結(jié)

基于語料庫的多譯本語域變異多維分析是一種涉及類比-平行、語際-語內(nèi)的綜合分析模式。多維分析能有效區(qū)分文本的語域變異情況，且能夠?qū)⒂绊懳谋菊Z域差異的語言因素一一展現(xiàn)出來，這一方法對(duì)多譯本風(fēng)格的定量對(duì)比與定性分析均具有重要意義。多維分析方法使譯者風(fēng)格描寫從靜態(tài)轉(zhuǎn)向多譯本之間動(dòng)態(tài)對(duì)比，從局部描寫轉(zhuǎn)向整體考察，從相對(duì)于源語的譯語風(fēng)格，轉(zhuǎn)向進(jìn)入目標(biāo)語參照系統(tǒng)后的語域變異考察。限于篇幅，本文僅側(cè)重介紹基于MAT的多維分析操作，對(duì)于造成譯本在不同語域維度的具體差異及動(dòng)因，仍需根據(jù)研究目的結(jié)合定性分析深入探究。多譯本語域變異對(duì)比是參照目標(biāo)語的語域?qū)ψg本進(jìn)行描寫，而對(duì)語域變異的動(dòng)因分析則需回溯原文，并將影響譯者風(fēng)格的內(nèi)部主體性因素(如譯者翻譯動(dòng)機(jī)、目的、對(duì)待源語文化和原作的態(tài)度、個(gè)性特征等)及外部客觀因素(如時(shí)代背景、贊助人、合作人、詩學(xué)等)。就此，我們將另文探討。