Overseas English Testing: Pedagogy and Research
Vol. 02  No. 02 ( 2020 ), Article ID: 35840 , 8 pages
10.12677/OETPR.2020.22006

Gender Differences in the Academy Awards Acceptance Speeches

Ni Wang

International Department of Grit Academy, Shenzhen Guangdong

Received: May 6th, 2020; accepted: May 16th, 2020; published: May 29th, 2020

ABSTRACT

This project investigates the linguistic differences between men and women in the Academy Award acceptance speeches. It is a corpus-based study with two corpora, one of the leading actors’ acceptance speeches and one of the leading actresses’. There are 125 speech transcripts (64 of men and 61 of women) with a total of 24,938 words. The data was analyzed with the corpus software Wmatrix. In this study, compared to the same reference corpus BNC Sampler Spoken in Wmatrix, two keyword lists were generated apparently. Both quantitative and qualitative approaches have been adopted to explore the characteristic patterns of keywords. Findings reveal that similarities and differences do exist in the male and female corpus.

Keywords:Gender Differences, Keywords, Key POS, The Oscar Acceptance Speeches

奥斯卡颁奖典礼致谢辞中男女语用差异

王妮

格睿特高级中学国际部,广东 深圳

收稿日期:2020年5月6日;录用日期:2020年5月16日;发布日期:2020年5月29日

摘 要

本文研究的是两性的语言差异在奥斯卡颁奖典礼获奖感言中的体现。这是一项基于语料库的研究,是由最佳男主角和最佳女主角的获奖感言分别组成的两个语料库作为研究数据,共125个演讲文本(男性64篇、女性61篇),24,938个单词。通过定量与定性相结合的研究方法,采用语料库软件Wmatrix进行数据分析,在与同一参照物BNC Sampler Spoken相比较后分别生成两个关键字列表,比较得出男女演员在致谢演讲中用词与表达有何相似及区别之处。调查结果显示,男女演员发言中出现的高频词汇大多是相同的,且用法较一致,体现出了特定场合下该演讲题材的特点。但有少数不同,体现出不同性别的语言偏好与差异。

关键词 :性别差异,关键词,关键词性,奥斯卡致谢辞

Copyright © 2020 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

近几年,全球盛行的“Me Too”反性侵运动引发了广泛讨论,关于好莱坞性侵的传闻也一个接一个地被曝光。哈维·韦恩斯坦作为好莱坞最有权势的人之一,被报道多年来一直对女工作人员和女演员进行性骚扰;上至著名导演迪伦·法罗、奥斯卡奖得主摩根·弗里曼,下至普通的男性工作人员,都因为他们那令人感到不舒服不尊重的行为而被女性指责。在好莱坞,性别不平等是一个普遍和长期存在的问题,例如男女演员薪酬差距大,女性导演获得奥斯卡最佳导演奖的比例明显偏低等现象。这一切都指向一个事实,即女性可能受到不公平甚至是恶劣的待遇。既然语言的使用被看作是社会地位的一种体现,本文重点想要探究在此环境中男性和女性的语言特点、相似及差异之处。

为了研究男女用语差异,我们构建了两个语料库。基于语料库的研究,采用Wmatrix进行数据对比分析。虽然关于性别差异和语言使用的研究比较多,但选择获奖感言作为研究体裁或使用语料库工具分析大量数据的研究比较少。因此,从理论上讲,本项目把性别差异在语言中的研究拓展到了致谢辞体裁,丰富了该领域,并为后续研究提供了思路与启发;在实践中,本研究不仅使人们对奥斯卡获奖感言有了更详细的了解,也为人们在现实生活中的演讲活动提供了参考。

2. 文献综述

奥斯卡金像奖,也被称为奥斯卡奖或学院奖,是美国电影艺术与科学学会为表彰电影工业成就而举办的一年一度的奖项。由于其悠久的历史和极高的声望,奥斯卡奖现在被认为是世界上最有影响力和最著名的电影奖之一。在颁奖典礼上,获奖感言历来都是一个重要的方面。每年,全世界都有大批观众坐在大屏幕前等待揭晓获奖者名单的时刻,并观看他们的获奖感言。其中许多台词已经成为标志性的,并在互联网上流传开来。然而,发言时长并不是随心所欲,45秒为规定的时间。因此,在很短的时间内,奖项获得者所说的话将成为典礼上的一个亮点。

致谢辞作为正式的公开演讲的一种形式,它通常发生在接受奖项或荣誉的场合,而获奖者将怀着谦逊与激动对荣誉与帮助他们的人表达感谢之情。关于这一体裁的研究不多,且研究的侧重点各不相同。Rodriguez [1] 分析了从1966年到2016年的奥斯卡颁奖典礼,发现获奖感言中被提及频率最高的个人是电影制片人Harvey Weinstein,其次是上帝。Persaudand Bruggen [2] 从心理学的角度研究了奥斯卡获奖感言,他们发现自恋程度越高的演员越容易使用第一人称单数代词I。Wei [3] 通过分析专有名词的使用和描述性表达发现了演讲者的语用偏好。Văn [4] 研究了100篇获奖感言的语篇特征,从布局结构的角度发现几乎所有致谢辞都包含三个部分:介绍,主体和结论;此外,演讲者更倾向于在主体部分表达他们的情感和感激;在词汇和句法选择上,人称代词I、Academy和陈述句的使用频率最高。Markowitz [5] 的研究是唯一使用语料库工具分析了1966年至2015年的大量数据。但该研究选择的是导演和男演员的类别,旨在通过分析代词,找到社会地位在获奖感言中的反映。最后,他得出结论,演员比导演的演讲更关注自我,即演员在发言时使用更多的第一人称单数代词(I, me, my)。

如上所述,关于奥斯卡获奖感言的研究较少,其中关注性别语言差异且使用语料库工具进行大量数据分析的研究更是寥寥无几。因此,本文或许会对这一领域的进一步研究提供新的思路或启发。

3. 方法论

3.1. 研究对象

本文以历届奥斯卡最佳男女演员获得者为研究对象,选取其现场获奖感言作为研究数据。选择奥斯卡金像奖致谢词的原因有三:首先,它是世界上最有影响力和最著名的电影奖之一;其次,其官方网站上有一个语言数据库,提供了1500多份现场获奖感言的转录本,满足了定量研究对大量数据的需要;第三,致谢辞作为一种特定的演讲类型,能够通过演讲主题、词语选择、句列结构等体现演讲者的思想和情感,反映个人语言习惯和风格。以演讲主题为例,莱昂纳多·迪卡普里奥(第88届奥斯卡最佳男演员)呼吁关注“气候变化”;弗兰西斯·麦克多蒙德(第90届奥斯卡最佳女演员)演讲以“inclusion rider (包容性附加条款)”来呼吁男女演员之间的平等权利。

3.2. 研究问题

1) 与BNC Sampler Spoken相比,两个语料库的前10个关键词分别是什么?

2) 这些关键词的使用特点是什么?

3) 有什么相似和不同吗?

3.3. 数据收集

本文研究中所有数据均来自奥斯卡官方网站(http://aaspeechesdb.oscars.org/)。该数据库共包含1500多份奥斯卡历届现场演讲文字记录,并按奖项年度和奖项类别设置快捷查找。由于研究目的在于调查男女性社会地位的差异在用语中的体现,所以选择了最佳男主角和最佳女演员这两类最富代表性的奖项。语料库中,最佳男主角类别有1942年、1946年、1947年、1949年到2017年的发言文本;最佳女主角类别有1939年、1941年、1942年、1946年、1947年、1949年至2017年的发言文本。在建立语料库之前,数据将被提前筛选及处理。首先,排除无文本的年份(无任何发言);其次,删除非本人发表演讲的文本;最后,从文本中删除转录时为便于理解加上的标注词,如动作(holding out the Oscar)、回应(laughs, applause)、解释(referring to the Oscar)。上列准备工作结束之后,分别建立两个语料库:男演员获奖感言与女演员获奖感言语料库,其中男性64篇女性61篇(见表1)。

Table 1. Corpus size of the Oscars acceptance speeches

表1. 研究所用两个语料库的篇数与字数

3.4. 研究工具

本文采用Wmatrix作为研究工具,进行语言数据分析和比较。Wmatrix利用另一个数据庞大的语料库作为参考和比较,将所研究语料库中异常出现的高频词汇自动生成keywords列表(如图1)。在列表中,Log-likelihood (LL)表示关键值keyness。在本研究中,只考虑带有“+”代码的条目,因其代表相对于参考语料库而言,在被研究的文本中被过度使用的词汇。另外,本文只选取了LL大于6.63的条目进行分析,因为这是99%置信度的分界点。

Figure 1. The process of annotating the data automatically

图1. Wmatrix处理数据的过程

至于参考语料库,本文选择BNC Sampler Spoken (如图2所示),原因如下:第一,BNC Sampler Spoken和致谢辞同属于口语范畴;其次,作为British National Corpus的一个子集,BNC Sampler Spoken范围广、规范且日常,超过研究所用的语料库愈100万单词,符合参考语料库的要求;第三,它是WMatrix中内置的语料库,便于研究。

Figure 2. Choosing BNC Sampler Spoken as corpus

图2. 选择BNC Sampler Spoken作为参考语料库

4. 数据分析

4.1. 男演员语料库中的关键字(表2)

Table 2. The top 10 keywords in the male corpus

表2. 男性语料库中的前十关键字

(LL: log-likelihood, LL 6.63 = p < 0.05)

Scott [6] 将“关键字”描述为“与某种参考语料库相比,在研究文本中出现频率不寻常的单词”。从上表可以看出,相对于BNC Sampler Spoken,男演员致谢辞语料库中频繁使用的前10个单词是:thank、my、Academy、and、me、film、who、to、tonight、wonderful。

Thank是排在第1位的关键字,也是表中唯一的动词。由于关键字的性质是描述文本或体裁(Scott, 2010),thank必然是对所研究文本具有最强指示性的单词。考虑到这两个语料库是由获奖感言的转录文本所构建,而获奖感言被视为一个让获奖者表达感激和感谢的机会。因此,thank的出现与排名不无道理。在分析搭配时,我们发现,thank经常出现在“I want/have/would like to thank ...”,“thank you so/very much”,“thank you for/to ...”这三类表达中。例如“I would like to thank my mother who ...”,“Thank you to the Academy”,“thank you for helping me navigate my way ...”等。

第二名是第一人称单数所有格代词my。在男演员语料库中,my主要用来表现说话人与其后面名词之间的社会关系。在出现的223个句子中,有138句是my与社会性词语相搭配,比如“my family”、“my agent”、“my ingenious team”等等。在代词方面,表中还有另外两个:第一人称单数宾格代词me和关系代词who。前者用来表示某事或某人对说话人的影响。例如,凯西·阿弗莱克(第89届)在他的获奖感言中说:“That means so much to me, thank you”,表明这一荣誉对他的重大意义;罗素·克劳(第73届)在他的获奖感言中感谢他的朋友们的支持,“I’d like to ... dedicate it to two men who still continue to inspire me”。后者主要是对演讲者所感谢的人进行介绍和解释,例如“Kim Peek, who was the first inspiration of the film ...”以及“... thank Jared Leto and Jennifer Garner, who I worked with daily”。

第三个关键词是Academy。 Academy和另一个关键字film也显示了文本的特征——电影奖获奖感言。在出现的37个句子中,Academy与定冠词the并列,代表美国电影艺术与科学学院(the Academy of Motion Picture Arts and Sciences)。其中,“thank you to the Academy”和“thank the Academy”共出现7次,“the members of the Academy”共出现12次。例如,安东尼·霍普金斯(第64届)曾表示“But I want to say thank you to the Academy for your tremendous generosity”;迈克尔·道格拉斯(第61届)“I’m very honored and I thank the Academy for your support”;尼古拉斯·凯奇(第68届)“I have got to thank the members of the Academy for this, for including me in this group ...”。与Academy类似,film出现的37个句子中有25个是与the/this搭配,用于指代获奖者主演并帮助其获得此奖项的电影。例如,第90届奥斯卡金像奖得主加里·奥德曼说:“Thank you ... for your herculean efforts and support on this film”。

第四个是and,其在本研究语料库中主要有两种角色:整合观点或延续说话者的行为。前者主要使用and作为语篇连接词,如“thanks to The Academy and its members”,“I have something bigger and more meaningful to say”。后者使用and作为一种策略来传达“还有话要说”。这在本文所研究的语料库中也很常见。最佳男演员获得者经常使用and介绍下一个他们要感谢的人。例如,在第81届奥斯卡颁奖典礼上,西恩·潘发言中说:“And so I want to thank my best friend ...”。

To是语料库中第8个关键字,也具有两种不同功能。在413次出现中,243次充当不定时标志;170次作介词用。通过近一步研究发现,两者之间存在着明显的差异。对于不定式语句,to总是出现于“I want/have/would like to thank ...”,而介词to则经常出现在“thank you to …”或“to …”中表达对某人或某个组织的感激之情,比如奥斯卡颁奖典礼上最著名的一句话“thank you to the Academy”,以及“To my father, who I know is up there right now with a big pot of gumbo”。

最后两个分别为副词和形容词。Tonight是列表中唯一的副词。我们发现它总是和here搭配,形成了副词短语“here tonight”。例如马修·麦康纳(第86届) “To my mother who’s here tonight, who taught me and my two older brothers…”和杰克·尼克尔森(第70届)“I would like to thank everybody here tonight for looking so good”。正如我们前面提到的,在这个关键字列表中出现的单词意味着它们在研究文本中被过度使用。也就是说,Tonight在本文研究语料库中使用的频率比在BNC Sampler Spoken中使用的频率要高。在普通的口语情形中,我们通常不需要过分强调“tonight”等时间概念,然而考虑到这是发表奥斯卡致谢词的场合,或者更广泛地说,这算是某种公众演讲场合,讲话者更喜欢通过分享一些和听众之间的共识来产生共鸣或减少不必要的描述从而节省时间。正如前面提到的“here tonight”,演讲者和听众都知道“here”代表“奥斯卡颁奖典礼大厅”,“tonight”代表“庆祝电影成就的夜晚”。因此,tonight频繁出现确实反映了所研究体裁的特点。

形容词wonderful在《剑桥词典》中被定义为“极好的”。在出现的29个句子中,超过一半的男演员用wonderful修饰与自己在得奖电影中合作的工作人员,如“my wonderful partner”、“the wonderful cast and crew”、“our wonderful director”、“our wonderful writer”等。让·杜雅尔丹(第84届)在他的演讲中两次使用了wonderful来表达对其团队的高度赞扬:“Thank you, my wonderful partner, Bérénice Bejo. Thank you, the wonderful cast and crew”。

4.2. 女演员语料库中的关键字(表3)

Table 3. The top 10 keywords in the female corpus

表3. 女性语料库中的前十关键字

(LL: log-likelihood, LL 6.63 = p < 0.05)

女演员语料库中的前10个关键词是:thank、my、me、and、Academy、to、for、who、movie、film。其中,只有for和movie单独存在于女演员语料库中。

对于同时出现在两个语料库中的关键词,男演员和女演员使用的情况是相似的。例如,在女演员的获奖感言中,thank也是出现在“I want/have/would like to thank ...”,“thank you so much”,“thank you for/to ...”这三类表达中。简·方达(第51届)曾在她的演讲中连续使用“I want to thank”这一组短句,“And I want to thank you, Jerry.... And I want to thank Haskell Wexler who ... And I want to thank Hal Ashby; you’re not here, Hal, but I want to thank you ... And I want to thank Penny Milford and ...”。

至于同样的三个代词my、me、who:在270个my出现的句子中,有180句是用来修饰与演讲者有社会关系的那个人。例如,雪儿(第60届)说:“My makeup man, who had a lot to work with; my hairdresser; my assistant; my children, who’ve been so wonderful”;Me仍然被用来展示被提及者对演讲者的积极影响。比如凯西·贝茨(第63届)“Their work continues to humble and inspire me”,以及查理兹·塞隆(第76届)“I have to thank our entire crew, Toni G for transforming me so incredibly ...”;Who的引导和解释作用也反映在女演员语料库中,例如,布里·拉尔森(第88届)通过使用who解释了为什么她选择把另两个电影节放在前面感谢,“I want to start first with the Telluride Film Festival, the Toronto Film Festival, who gave us a chance, who gave us a platform first”。其他的关键词,像and、Academy、to、film,与男演员致谢辞中的用法基本一样,所以在此就不赘述了。

除去相似之处,两者主要有以下四处不同:介词for和名词movie只出现在女演员关键词列表中;副词tonight和形容词wonderful只出现在男演员关键词列表中。首先,比较男女演员语料库中for的关键值,发现女性中的LL211.31远远大于男性的LL133.31。也就是说,女演员在获奖感言中使用for的频率更高。在女演员致谢辞语料库中,for 共出现在229个句子中,其中27个使用短语“thank you for”,如艾玛·斯通,2016年奥斯卡影后,感谢搭档瑞恩·高斯林“thank you for making me laugh and for always raising the bar and for being the greatest partner on this crazy adventure”。然而,虽然使用频率差别较大,for在两个语料库中的用法是相似的:表示演讲者感谢的原因。例如,丹尼尔·戴·刘易斯(第80届最佳男演员)“My deepest thanks to the members of the Academy for whacking me with the handsomest bludgeon in town”;凯西·贝茨(第63届最佳女演员)“I’d like to thank William Goldman for bringing the wonderful, crazy ‘Annie Wilkes’ to the screen and Stephen King for thinking of her in the first place.”

至于名词movie,其在男演员语料库中的关键值为21.35,在女演员语料库中的关键值为188.42。有趣的是,它的同义词film的关键值在男女演员致谢辞中分别是205.70和163.13。因此,我们或许可以说,在谈及“电影”时,男演员更喜欢用“film”这个词指代,而女演员更喜欢用“movie”。

至于副词tonight,在女演员列表中以LL134.42排在第13位,在男演员列表中以LL152.55排在第9位。所以,tonight在男演员的获奖感言中出现频率更高。和for一样,tonight在两个语料库的主要区别是使用频率,而不是用法。同男演员一样,女演员也喜欢在致谢辞中使用副词短语“here tonight”。

最后一个不同的词——wonderful,它是在女演员语料库中关键值是LL119.65排在16位,在男演员语料库中关键值LL146.48排在第10位。然而,通过比较后面搭配的名词,我们发现了一些有趣的现象:与男演员经常用wonderful来修饰工作伙伴(比如导演、作家)不同,女演员还喜欢用wonderful来形容她们的伴侣和家人。比如西西·斯派塞克(第53届最佳女演员)“And my wonderful husband Jack”;瑞茜·威瑟斯彭(第78届最佳女演员)提到自己的家人,“I want to say thank you to my wonderful husband and my two children ...”;凯特·温斯莱特(第81届最佳女演员),“And I’m so lucky to have a wonderful husband and two beautiful children who ...”。

5. 总结与思考

本文探讨了奥斯卡最佳男女主角获奖感言中关键词及其用法的差异,分析结果显示主要有四处不同:1) 女演员在获奖感言中使用介词for的频率更高;2) 虽是同义词,但指代“电影”时,男演员使用film更多,而女演员更常用movie;3) tonight在男演员的获奖感言中出现频率更高,且男女演员都喜欢在致谢辞中使用副词短语“here tonight”;4) wonderful在男演员的获奖感言中出现频率更高;男演员主要用wonderful来形容工作伙伴,而女演员也常用wonderful形容她们的伴侣和家人。

当然,必须承认的是,由于对语料库软件认识不足,本文只是简单分析了数据,找到了比较明显的差别,但没有从更深层次更细微的线索进行探索,也没有从源头上探讨产生差异的原因。基于以上所讨论的局限性,进一步的研究可以在更大的语料库中确认本研究的发现(如增加最佳男女配角的类别),也可进一步讨论导致这些差异的主要原因。

文章引用

王 妮. 奥斯卡颁奖典礼致谢辞中男女语用差异
Gender Differences in the Academy Awards Acceptance Speeches[J]. 国外英语考试教学与研究, 2020, 02(02): 53-60. https://doi.org/10.12677/OETPR.2020.22006

参考文献

  1. 1. Rodriguez, A. (2017) How Powerful Was Harvey Weinstein? Almost No One Has Been Thanked at the Oscars More. https://qz.com/1101213/harvey-weinstein-is-one-of-the-most-thanked-people-in-oscars-history/

  2. 2. Persaud, R. and Bruggen, P. (2016) The Psychology of Acceptance Speeches at the Oscars. https://www.psychologytoday.com/us/blog/slightly-blighty/201602/the-psychology-acceptance-speeches-the-oscars

  3. 3. Wei, Y.X. (2015) The Pragmatic Research of the Proper Name and Descriptions. Educational Research on Foreign Languages and Arts, 1, 8-14. http://www.en.cnki.com.cn/Article_en/CJFDTotal-WYYS201501003.htm

  4. 4. Văn, L. (2011) A Discourse Analysis of English Oscar Acceptance Speeches Delivered by Film Award Winners in the USA. Master’s Thesis, University of Danang, Danang.

  5. 5. Markowitz, D. (2018) Academy Awards Speeches Reflect Social Status, Cinematic Roles, and Winning Expectations. Journal of Language and Social Psychology, 37, 376-387. https://doi.org/10.1177/0261927X17751012

  6. 6. Scott, M. (2010) Wordsmith Tools Help. Lexical Analysis Software, Liverpool.

期刊菜单