Abstract
Abstract
Discourse markers are words or phrases that lack propositional meaning and function almost independently of syntactic structure without altering the propositional meaning of sentences. Utilizing Fraser's theoretical framework (1999, 2006, and 2009), this study systematically examined discourse markers in three Persian domains: political, economic, and literary. The discourse markers employed in literary, political, and economic discourses were selected and analyzed as the research corpus. Following comparison, the type and frequency of each discourse marker were determined. Findings revealed that connecting discourse markers were used to varying degrees across all three domains. Four types of discourse markers were identified: contrastive, elaborative, inferential, and temporal. The study found that contrastive (248) and elaborative markers (218) were used more frequently in political texts than in economic and literary texts. Inferential markers (116) showed highest frequency in economic texts, while temporal markers (184) predominated in literary texts. The complete corpus comprised 93,431 words, with 1,965 (10.2%) functioning as message-connecting markers. This differential usage pattern demonstrated that discourse type and purpose directly influenced the selection and frequency of discourse markers. Findings further confirmed that in Persian, particularly in political texts, creating informational contrast served as the dominant strategy for maintaining textual cohesion.
Keywords: Discourse Markers, Political Discourse, Economic Discourse, Literary Discourse, Persian Language.
Introduction
In recent decades, the study of discourse markers has emerged as a significant area of research in linguistics and discourse analysis. Although lacking independent semantic content, discourse markers play a vital role in discourse organization, establishing connections between propositions and guiding audience interpretation. Being grounded in Fraser's taxonomy, which classifies discourse markers into four categories (contrastive, elaborative, inferential, and temporal), this research systematically investigated these linguistic elements across three major Persian genres.
This study held importance for several reasons. First, while previous research had primarily focused on English, few studies had examined discourse markers in Persian. Second, understanding usage patterns across different genres could enhance our comprehension of each domain's discursive characteristics. The central research question examined how discourse type (political, economic, and literary) influenced the selection and frequency of various discourse markers and whether identifiable patterns existed within each genre.
Methodology and Theoretical Basis
This corpus-based study employed descriptive-analytical methods. The research corpus comprised three distinct text collections representing each genre: political texts (31,020 words from Kayhan Newspaper editorials), economic texts (30,959 words from Donya-e Eqtesad Newspaper editorials), and literary texts (31,452 words from Sadegh Hedayat's novel "The Blind Owl"). The complete corpus totaled 93,431 words, providing an appropriate sample for linguistic analysis.
Methodologically, all discourse markers were first identified across corpora and classified according to Fraser's framework: contrastive (e.g., "but", "although", and "however"), elaborative (e.g., "and", "also", and "or"), inferential (e.g., "therefore", "so", and "consequently"), and temporal (e.g., "then", "when", and "before"). Frequencies were calculated for each marker type within genres with percentages determined relative to total markers per genre. Chi-square testing (α=0.05) established statistical significance, enabling systematic comparison of usage patterns across genres.
Discussion of Results and Conclusion
Findings revealed distinctive discourse marker distribution patterns across genres. Political texts showed highest frequencies for contrastive (37.7%) and elaborative markers (33.2%), aligning with inherently oppositional nature and complex argumentation structures of political discourse. The prevalent use of markers like "but" and "although" reflected authors' strategies to present contrasting viewpoints and establish discursive opposition. This pattern suggested that Persian political discourse particularly relied on contrastive relations to construct persuasive arguments and highlight ideological differences, with elaborative markers serving to develop extended justification of positions.
In economic texts, inferential markers predominated (18.8%) though at lower frequencies than anticipated. This might reflect characteristics of the journalistic subcorpus as analytical economic texts typically employed more inferential markers (e.g., "therefore" and "as a result"). The journalistic style appeared to have moderated this expected pattern, possibly due to the need for accessibility in newspaper editorials compared to more specialized economic discourse. However, the relatively higher use of inferential markers still reflected the cause-effect reasoning fundamental to economic analysis, where conclusions had to be drawn from presented data and trends.
Most notably, literary texts demonstrated highest temporal marker usage (26.5%), perfectly corresponding with event-sequencing requirements of narrative fiction. Markers like "then", "when", and "before" frequently appeared to establish temporal relationships in "The Blind Owl". This heavy reliance on temporal markers underscored how Persian literary narrative prioritized the chronological unfolding of events and establishment of clear temporal frameworks, which was particularly crucial in modernist works like Hedayat's that employed complex time structures. The comparatively lower frequency of contrastive markers in literary texts (24.4%) further highlighted how narrative coherence in Persian fiction was achieved more through temporal sequencing than through oppositional relations.
An additional noteworthy finding concerned the distribution of elaborative markers across genres. While being most frequent in political texts (33.2%), they maintained substantial presence in both economic (25.7%) and literary (27.5%) corpora. This consistent usage across all three genres suggested that additive relations (marked by "and", "also", etc.) represented a fundamental connective strategy in Persian discourse regardless of genre. The similar distribution patterns between economic and literary texts in this category might indicate shared strategies for information accumulation though serving different rhetorical purposes in each genre.
These results clearly demonstrated the direct influence of discourse type on marker selection and frequency, confirming the primary hypothesis while offering new insights into each domain's discursive features. The findings contributed to theoretical understanding of Persian discourse structure by empirically validating Fraser's framework in a non-Western language context, while also revealing Persian-specific patterns like the particular prominence of contrastive relations in political discourse. The study limitations included focusing on a single literary work and using journalistic texts to represent political and economic discourse. Future research should expand the corpus to include more varied text types within each genre and consider additional factors like authorial style, historical period, and audience characteristics that may interact with genre effects.
This study represented a significant advancement in understanding Persian discourse marker systems and provided foundations for future discourse analysis research and professional writing pedagogy. Recognizing genre-specific marker patterns can substantially enhance writing skills and textual analysis across specialized domains. The findings have practical implications for Persian language education, suggesting that instruction should emphasize different marker types according to the target genre. For translators working with Persian texts, these results provide crucial guidance for maintaining appropriate discourse marker distributions when rendering texts into other languages.
Keywords
Main Subjects
Full Text
۱. مقدمه
نشانگرهای گفتمان[1] واژهها و عباراتی کوتاه هستند که از نظر دستوری محدود به طبقه خاصی نمی شوند. آنها درواقع مقولهای نقشیکاربردی در نظر گرفته میشوند. از دیدگاه معناشناختی بیش از آنکه نشانگرهای گفتمان عناصری قاموسی به حساب بیایند، عناصری دستوری در نظر گرفته میشوند و نقشی که در گفتمان ایفا میکنند، تعیینکننده معنای آنهاست. امروزه نشانگرهای گفتمان در مباحث و آثار زبانشناسان مقولهای نقشی-کاربردی در نظر گرفته میشوند که تقریباً در همه زبانهای دنیا وجود آنها محرز گردیده است.
تقسیمبندیهای مختلفی از نشانگرهای گفتمان ارائه شده است (مانند: شیفرین[2] (1987) یا هایلند[3] (2005)). یکی از تقسیمبندیها در این حوزه توسط فریزر[4] (1999, 2006 & 2009) ارائه شده است. فریزر نشانگرهای نقشی را، براساس نقششان، به چهار دسته پایه[5]، تفسیری[6]، موازی[7] و گفتمانی[8] تقسیم میکند. نشانگرهای پایه پیام سخنگو را بازنمایی میکنند (م: قول میدهم، لطفاً). نشانگرهای تفسیری پیامی متفاوت از پیام اصلی را انتقال میدهند. این دسته از نشانگرها به چهار دسته ارزیابی[9] (م: خوشبختانه)، لحن[10] (م: صادقانه بگویم)، گواه[11] (م: مطمئناً)، و گزارشی[12] (م: براساس) تقسیم میشوند. نشانگرهای موازی پیامی را به موازات پیام اصلی انتقال میدهند. این نشانگرها به دو دسته احترام[13] (م: آقا، خانم، حضرت) و مدیریت گفتگو[14] (م: بسیار خوب، راستی) تقسیم میشوند.
از منظر فریزر دسته چهارم یعنی نشانگرهای گفتمان معنای خاصی را به پیام اصلی نمیافزایند بلکه ارتباط بندی که در آن ظاهر میشوند را با بند پیشین نشان میدهند. نشانگرهای گفتمان به چهار دسته تقابلی،[15] تفصیلی،[16] استنتاجی[17] و زمانی[18] تقسیم میشوند که ارتباط دو بند را، بهترتیب، به صورت تقابلی، تفصیلی، استنتاجی و زمانی نشان میدهند.
در این پژوهش قصد داریم توزیع این چهار دسته از نشانگرهای گفتمان را در سه گونه سیاسی، اقتصادی، و ادبی مورد بررسی قرار داده و توزیع هر یک را در این سه گونه با یکدیگر مقایسه کنیم. پرسش اصلی ما این است که چه تمایزی در توزیع انواع نشانگرهای گفتمان در این سه گونه وجود دارد؟ در ادامه ابتدا مروری بر پیشینه موضوع خواهیم داشت، سپس به توصیف روش جمعآوری و تحلیل دادهها میپردازیم. در ادامه دادهها را از نظر آماری تحلیل کرده و در نهایت به تحلیل و نتیجهگیری از این دادهها میپردازیم.
مارتینز[19] (2004) بر مبنای تقسیمبندی فریزر (1999) از نشانگرها، در پژوهشی به مطالعه کاربرد نشانگرهای گفتمان در نوشتههای ۷۸ دانشجوی انگلیسی زبان که زبان اسپانیایی را آموزش میدیدند، میپردازد. در این پژوهش، او پس از ارزیابی نوشتههای دانشجویان به تحلیل نشانگرها به کار رفته در آنها می پردازد. در این تحلیل او متوجه میشود در متونی که نشانگرها به یک میزان استفاده شدهاند، ویژگی آنها ویژگیهایی مشترکی است. همچنین، او در مییابد، زبانآموزانی که در استفاده از نشانگرها مهارت بیشتری دارند و تنوع بیشتری از این نشانگرها را در نوشتههایشان به کار میبرند، نمرات و کیفیت نوشتههایشان به مراتب بالاتر است. اگرچه این مطالعه رابطه مثبت بین تنوع نشانگرها و کیفیت نوشتار را نشان داد، اما دو محدودیت اساسی دارد: اولاً تمرکز صرف بر زبانآموزان، تعمیمپذیری یافتهها به گفتمان طبیعی را محدود میکند. ثانیاً، یافتههای مشابه در متون نهادی نیازمند بررسی در نمونههای حرفهایتر است. کرافورد (2004, 2007) با استفاده از پیکره مشتمل بر 12 ارائه انگلیسی پیرامون موضوع بازرگانی و 10 ارائه منتخب از پیکره مایکیس،[20] نشانگرهای برجستهکردن مطلب را مورد بررسی قرار میدهد. او شش نوع نشانگر پیشمرجع[21] و شش نوع نشانگر پس مرجع[22] را در متون مورد بررسی شناسایی میکند .نشانگرهای برجسته کننده مطلبی که او شناسایی میکند دارای ساختارهای متشکل از اسمهای اشاره، صفتهای ارتباط، اسمهای فرازبانی و فعل ربطی بودند. طبقهبندی ششگانه او از ساختارهای نشانگر (شامل ارجاعات، صفات رابطهای و غیره) اگرچه مفید است، اما به دلیل تمرکز انحصاری بر گفتمان تجاری انگلیسی، از بررسی تنوع فرهنگی غافل مانده است. این شکاف پژوهشی، اهمیت مطالعه حاضر در بررسی فارسی را برجسته میسازد. شیرتز[23] (2021) الگوهای استفاده از نشانگرهای گفتمان و ترکیب آنها را در زبان آلسیا[24] و سیلوا،[25] دو زبان ساحل اورگان[26] با سابقه طولانی تماس و همگرایی با یکدیگر مقایسه میکند. از نظر وی مانند بسیاری از زبانهای ساحل شمال غربی اقیانوس آرام، دو زبان آلسیا و سیلوا دارای مجموعهای از نشانگرهای ابتدای پاره گفتار هستند که بیشتر برای کاربردهای قیدی و کاربردشناسی استفاده میشوند. این نشانگرها اغلب به صورت همزمان به کار میروند و در هر دو زبان، پاره گفتارهای موجود در گفتمان میتوانند بین صفر تا چهار نشانگر داشته باشند. علیرغم دامنه مشابه برای ترکیبها، الگوهای استفاده از این نشانگرها در دو زبان متفاوت است. نشانگرهای گفتمان در زبان آلسیا بسیار بیشتر در ترکیبهای متنوعتر به کار میروند، و ترتیب نسبی آنها تمایل به نظم بیشتر دارد.
جلیلیفر (2009) در مطالعهای بر روی نوشتههای دانشجویان ایرانی دریافت که نشانگرهای تفصیلی (مانند «و»، «همچنین») با بسامد ۴۵% بیشترین استفاده را داشتهاند. یافتههای وی نشان داد که دانشجویان از نشانگرهای گفتمان با درجات وقوع متفاوت استفاده میکنند. نشانگرهای تفصیلی بیشترین استفاده را داشتند و پس از آن نشانگرهای استنتاجی، تقابلی، سببی و مرتبط با موضوع با بسامد کمتر قرار داشتند. این یافته میتواند به نقش فرهنگ آموزشی فارسی در تأکید بر انسجام خطی متن مرتبط باشد، در حالی که در پژوهش حاضر، نشانگرهای تقابلی در متون سیاسی غالب بودند که احتمالاً به ماهیت چالشی این متون بازمیگردد. دو مطالعه ی مشابه دیگر نیز نقش نمای «و» را با نگاهی کاربردشناختی و کیفی مورد بررسی قرار داده اند. کاظمیان وعموزاده در دو مطالعه ی جداگانه، نقش نمای «و» را هم در ساخت عبارات معترضه مطالعه کردند (کاظمیان وعموزاده، ۱۳۹۸) و هم دسته بندی کاربردشناختی متناسبی نسبت به کاربردهای نقش نمای «و»، بر اساس چهارچوب فریزر ارائه دادند (Kazemian & Amouzadeh, 2022).
تاکی (1388) در رساله دکتری خود به بررسی نقشنماهای گفتمانهای استدلالی در ساختار علّی-معلولی میپردازد. در این رساله او بر اساس دیدگاه شیفرین (1987) حدود ۹۰ نشانگر استدلالی را که برای پیوند علت یا نتیجه در استدلال به کار میروند، در زبان فارسی مشخص میکند، و آنها را به سه دسته نشانگر نتیجه، علت و دوسویه تقسیم میکند. از نظر او جایگاههای نشانگرها در جملات وابسته، مرکب و همپایه قابل پیشبینی است، اما در ساخت علی- معلولی که در زبان فارسی پنج جایگاه را شامل میشود، قابل پیشبینی نیست. نشانگرها در زبان فارسی میتوانند در پنج سطح گفتمانی مدنظر شیفرین (1987) یعنی ساخت اندیشگانی، اطلاعی، کنشی، تعاملی و مشارکتی کارکرد داشته باشند، اما نقش شاخص مدنظر وی در مورد معادلها نمیتواند در تمامی نشانگرهای استدلالی معادل در فارسی تمایز ایجاد کند. اگرچه طبقهبندی او به سه دسته (نتیجه، علت، دو سویه) مفید است، اما عدم پیشبینیپذیری جایگاه نشانگرها در ساختارهای علّی-معلولی، چالشی است که پژوهش حاضر با توسعه چارچوب فریزر به آن پاسخ میدهد. رحیمی (2011) بسامد و نوع نشانگرهای گفتمان را بر اساس طبقهبندی فریزر (1999) در مقالات تفسیری و استدلالی دانشجویان رشته آموزش زبان انگلیسی پرداخته است. هدف در این پژوهش شناسایی تفاوتها در کاربرد نشانگرهای گفتمان در این دو نوع مقاله و همچنین تأثیر به کارگیری نشانگرها در بهبود کیفیت مقالهنویسی دانشجویان بوده است. نتایج این پژوهش نشان میدهد که نشانگرهای تفصیلی بیشترین کاربرد را در هر دو نوع مقاله داشتهاند و میانگین کاربرد نشانگرهای گفتمان در مقاله استدلالی از مقاله تفسیری بیشتر بوده است. این یافته که با نتایج جلیلیفر (2009) همخوانی دارد، اهمیت توجه به بافت آموزشی را در تحلیل نشانگرها برجسته میسازد. زارع (۱۳۹۷) به بررسی نشانگرهای اهمیت مطلب، شیوه کاربرد ارجاع، و نقش جنسیت در آنها در سخنرانیهای علمی انگلیسی میپردازد. وی نشانگرها را به پنج دسته سازماندهی کلام، تعامل با مخاطب، پوشش موضوع، وضعیت مطلب و ارتباط با امتحان و از نظر ارجاع به پیشمرجع، پسمرجع و مرجع مشترک تقسیم میکند. قادری و عموزاده (1398) نقش نمای گفتمانی «آره-نه» را براساس الگوی سهگانه تراگوت (1982) مورد بررسی قرار میدهند. برای نیل به این هدف آنها از 180 فایل از مکالمات تلفنی پیکره بیجنخان به همراه مکالمات دوستانه و مصاحبههای رادیویی و تلویزیونی استفاده میکنند. نتایج تحلیل آنها نشان داد که در کارکرد گزارهای «آره-نه» نقش توافق و یا مخالفت، و در کارکرد متنی نقش انسجام کلام، و نهایتاً در کارکرد (بینا) فردی (بیانی یا ذهنیتی) نقشهای کاربردشناختی از قبیل طفره رفتن و حفظ شان مخاطب را ایفا میکند. زارع (۱۳۹۷) و قادری و عموزاده (۱۳۹۸) با تمرکز بر جنبههای کاربردشناختی، ابعاد جدیدی از تحلیل نشانگرها را گشودند. طبقهبندی پنجگانه زارع و تحلیل سهلایه قادری و عموزاده از «آره-نه»، چارچوب مفهومی غنیتری برای درکارکردهای اجتماعی نشانگرها ارائه میدهند.
نشانگرهای گفتمانی زبان فارسی همواره مرکز توجه مطالعات کاربردشناختی این زبان بوده تا آنجا که در چهارچوب های جدید مطالعات حوزه گفتمان به ویژه دستور گفتمان نیز مورد مطالعه قرار گرفته اند. یکی از مهم ترین و جدیدترین چهارچوب های موجود، چهارچوب دستور تعاملی است که نشانگرهای گفتمان را در کنار سایر عناصر تعاملی نظیر اصوات، عبارات اجتماعی، پاسخ گیرها[27] و غیره نوعی عنصر تعاملی در نظر گرفته است (Heine, 2023). از مطالعاتی که با رویکرد تعاملی به بررسی نشانگرهای گفتمانی پرداخته دو مطالعه ی کاظمیان و همکاران (2025a, b) بوده است. کاظمیان و همکاران (2025a)، به دسته بندی جهت دهنده های[28] زبان فارسی پرداخته و در این دسته بندی نشان داده اند که طی فرایند دستور شدگی چگونه جهت دهنده ها می توانند به نشانگر گفتمانی بدل شوند. کاظمیان و همکاران (2025b) نیز در همین راستا نشان می دهند چگونه عنصر جهت دهنده ی <ببین> طی فرایند دستورشدگی هم از نظر معنایی و کاربردشناختی و هم از نظر آوایی تغییر کرده و به نشانگر گفتمانی بدل شده است.
البته این مسئله نیز لازم به ذکر است که استفاده از رویکردهای مختلف در بررسی این نشانگرها باعث شده تا در مطالعات دیگر عناوین دیگری به طبع چهارچوب نظری مورد استفاده به این عناصر اطلاق گردد. از این دست آثار می توان به عنوان مثال مطالعاتی را که با چهارچوب فراگفتمانی هایلند (2005)، این عناصر را بررسی کرده اند اشاره کرد (نظیر، Amouzadeh & Zareifard, 2019; Farahani, & Kazemian, 2021 ؛ کاظمیان و فراهانی واشقانی، ۱۳۹۹).
مطالعه نشانگرهای گفتمان به دهههای ۶۰ و ۷۰ میلادی برمیگردد. یکی از نخستین آثاری که در متون زبانشناسی، نشانگرهای گفتمان را به عنوان یک موضوع زبانشناختی مورد بررسی قرار داده است، توسط لباو و فانشل[29] (1997) ارائه شده است. از نظر آنها واژه "well" به عنوان یک نشانگر گفتمان در گفتگوها به موضوعی که بیشتر شرکت کنندگان مطرح می کنند و درباره آن دانش مشترک دارند، اشاره میکند.
فریزر (1999) بیان میکند که در یک رشته متوالی از یک گفتمان که بهصورتS2-S1 نشان داده میشوند و هر یک پیام کاملی را منتقل میکنند، یک عبارت واژگانی تنها زمانی به عنوان یک نشانگر گفتمان در نظر گرفته میشود که در جایگاه ابتدایی S2 قرار گیرد و نشان دهد که رابطه ای بین S2 و S1 وجود دارد. از نظر فریزر (1999) نشانگرهای گفتمان با هر نامی که برای آنها در نظر گرفته شود، در یک ویژگی مشترک هستند. این ویژگی مشترک آن است که این نشانگرها موجب ایجاد رابطه بین آن قسمت از گفتمان که نشانگر جزئی از آن است یعنی S2 و بخش پیش از آن یعنی S1 میگردند. او این تعریف خود از نشانگرهای گفتمان را به صورت یک قانون یا فرمول ارائه میکند:
- S1.DM+S2
.1 S1 [Susan is married.] DM [So], S2 [she is no longer available I guess.]
در این فرمول S1 نماینده پاره گفتار اول، DM نماینده نشانگر گفتمان و S2 پاره گفتار دوم است که نشانگر گفتمان در آن قرار دارد. از نظر فریزر (2006) با استفاده از فرمول فوق میتوان نکات زیر را از نشانگرهای گفتمان به دست آورد:
۱- بر اساس این تعریف نشانگرهای گفتمان باید عباراتی واژگانی باشند.
۲. بر اساس این تعریف S1 و S2 اجزای مجاور هم در یک گفتمان هستند.
۳. در این تعریف از نشانگرهای گفتمان دو بخش S1 و S2 باید پیام کاملی را منتقل کنند.
۴. عبارتهای واژگانی پیش از بخش دوم یعنی S2 قرار میگیرند.
فریزر (1999) نشانگرهای گفتمان را بر اساس عملکردی که در گفتمان دارند در دو طبقه اصلی قرار میدهد:
۱. نشانگرهای گفتمان که پیامهای[30] مختلف را به هم مرتبط میسازند.
۲ نشانگرهای گفتمان که عنوانهای[31] مختلف را به هم مربوط میسازند.
از نظر فریزر گروه اول، شامل نشانگرهای گفتمان میشود که برخی از ابعاد پیام را که توسط اجزای گفتار S1 و S2 منتقل شدند، به هم مربوط میسازند.
فریزر (2006) بیان میکند که اگرچه بیش از 100 نشانگر گفتمان در زبان انگلیسی وجود دارد، اما در استفاده از آنها تنها چهار نوع رابطه معنایی اصلی یعنی تقابل، تفصیل، استنتاج و زمان وجود دارد. او معتقد است که کارکرد نشانگرها در نوع استفاده از آنها (با طبقهبندیهای فرعی در هر یک از این روابط پایه) منعکس شده است. این چهار طبقه عبارتند از: نشانگرهای تقابلی (تقابل را نشان میدهد)، نشانگرهای تفصیلی (بیانگر تفصیل هستند)، نشانگرهای استنتاجی (نتایج و استنتاج را مشخص میکنند) و نشانگرهای زمانی (نشان دهنده زمان هستند). او برای هر چهار طبقه نشانگرها یک نشانگر اولیه در نظر میگیرد که در طبقه بندیها به صورت پررنگتر از بقیه اعضای عادی مشخص هستند: وی دسته اول را به چهار زیر طبقه اصلی تقسیم میکنند:
۱. نشانگرهای تقابلی: این نشانگر ها نشان میدهند که تعبیر دقیق و واضح S2 با تعبیر S1، در تضاد و در تقابل است. فریزر نشانگرهای تقابلی را در زبان انگلیسی شامل موارد زیر میداند:
but, alternatively, although, contrariwise, contrary to expectations, …
۲. نشانگرهای تفصیلی: این گونه نشانگرها نشان میدهند که رابطه کمابیش مشابه بین S1 و S2 وجود دارد. فریزر نشانگرهای تفصیلی را در زبان انگلیسی شامل موارد زیر میداند:
and, above all, also, alternatively, analogously, besides, …
۳. نشانگرهای استنتاجی: این گروه از نشانگرها نشان میدهند که S2میتواند به عنوان نتیجه ای که از S1 به دست میآید در نظر گرفته شود. فریزر نشانگرهای استنتاجی را در زبان انگلیسی شامل موارد زیر میداند:
so, after all, all things considered, as a conclusion, …
۴. نشانگرهای زمانی: این نشانگرها نشان میدهند که بین دو بخش S1 و S2 نوعی رابطه زمانی برقرار است. فریزر نشانگرهای زمانی را در زبان انگلیسی شامل موارد زیر میداند:
then, after, as soon as, before, eventually, …
فریزر (2006) معتقد است که در هر دسته از این نشانگرها فوق یک نشانگر گفتمان اصلی[32] وجود دارد و بقیه زیرگروه آن محسوب میشوند. این نشانگرهای اصلی در زبان انگلیسی عبارتند از: then, so, and, but.
در این پژوهش از روش تحلیل پیکرهای استفاده شده است. نمونهها به صورت هدفمند انتخاب شدهاند و روش تحلیل از نوع آمار توصیفی بوده است. هدف پژوهش بررسی نوع و میزان کاربرد نشانگرهای گفتمان در سه گونه زبانی سیاسی، اقتصادی و ادبی است. برای دستیابی به این هدف، از روش تحلیل محتوا و تحلیل آماری توصیفی بهره گرفته شده است. انتشار در بازه زمانی ۱۴۰۰-۱۴۰۲، تنوع موضوعی، و تیراژ بالا معیارهای انتخاب متون سیاسی و اقتصادی بودند. برای تحلیل دادهها از آزمون خی-دو (χ²) با سطح معناداری ۰.۰۵ استفاده شد تا تفاوتهای بسامد نشانگرها بین ژانرها بررسی شود.
پیکره پژوهش شامل سه مجموعه متنی از سه ژانر زبانی متفاوت است:
- متون سیاسی شامل سرمقالههای منتخب روزنامه کیهان حاوی ۳۱۰۲۰ واژه
- متون اقتصادی شامل سرمقالههای منتخب روزنامه دنیای اقتصاد حاوی ۳۰۹۵۹ واژه
- متن ادبی شامل رمان «بوف کور» اثر صادق هدایت حاوی ۳۱۴۵۲ واژه
مجموع کل واژگان این پیکره سهگانه برابر با ۹۳۴۳۱ واژه است. انتخاب نمونهها به صورت هدفمند انجام شده است تا بتوان گونههای زبانی با مشخصههای متمایز را با یکدیگر مقایسه کرد. انتخاب رمان «بوف کور» به دلیل شهرت، سبک خاص روایی، و جایگاه آن در ادبیات مدرن فارسی صورت گرفت، چراکه استفاده از نشانگرهای گفتمان در آن، ساختارمند و قابل تحلیل است.
تحلیل دادهها
پس از جمعآوری پیکره مذکور، ابتدا نشانگرهای گفتمان در پیکره شناسایی شدند. سپس این نشانگرها برمبنای تقسیمبندی فریزر طبقهبندی شدند. درنهایت بسامد انواع نشانگرها با استفاده از آمار توصیفی مورد بررسی و مقایسه قرار گرفتند. پیکره این پژوهش (شامل هر سه گونه) حاوی ۹۳۴۳۱ واژه است که نشانگرهای گفتمان استخراج شده از متون سیاسی، اقتصادی، و ادبی، به ترتیب، ۶۵۷، ۶۱۷، و ۶۹۴ نشانگر است. به عبارت دیگر سهم نشانگرهای گفتمان در گونههای سیاسی، اقتصادی، و ادبی، به ترتیب، ۲٫۱۲، ۱٫۹۹، و ۲٫۲۱ درصد، و از کل پیکره ۲٫۱۱ درصد است. این موضوع نشان میدهد که گونههای مختلف زبانی، تقریبا، سهم یکسانی از خود را به نشانگرهای گفتمان اختصاص میدهند. بااینحال، همانطور که در ادامه خواهیم دید، کاربرد انواع نشانگرهای گفتمان در گونههای مختلف زبانی یکسان نیست. دستهبندی نشانگرهای فارسی بر اساس معیارهای معنایی-کارکردی فریزر (1999) انجام شد. برای مثال، «اما» به دلیل ایجاد رابطه تقابلی بین دو جمله، در دسته تقابلی قرار گرفت.
نمودار شماره (1) توزیع نشانگرهای گفتمان تقابلی را در این سه گونه نشان میدهد. در گونه سیاسی بیشترین بسامد به نشانگرهای اما، اگرچه، و درحالیکه، در گونه اقتصادی بیشترین بسامد به نشانگرهای اما، اگرچه، و ازسویدیگر، و در گونه ادبی بیشترین بسامد به نشانگرهای ولی، اگرچه و اما تعلق دارد.
نمودار۱ - بسامد نشانگرهای تقابلی در گونههای سیاسی، اقتصادی، و ادبی
Figure 1 – Frequency of contrastive markers in political, economic, and literary genres
نمودار شماره (2) توزیع نشانگرهای گفتمان تفصیلی را در این سه گونه نشان میدهد. در گونه سیاسی بیشترین بسامد به نشانگرهای و، همچنین، و یا، در گونه اقتصادی بیشترین بسامد به نشانگرهای و، همچنین، و یا، و در گونه ادبی بیشترین بسامد به نشانگرهای و، یا، و درعینحال تعلق دارد.
نمودار۲ - بسامد نشانگرهای تفصیلی در گونههای سیاسی، اقتصادی، و ادبی
Figure 2 – Frequency of elaborative markers in political, economic, and literary genres
نمودار شماره (3) توزیع نشانگرهای گفتمان استنتاجی را در این سه گونه نشان میدهد. در گونه سیاسی بیشترین بسامد به نشانگرهای البته، پس، و بنابراین، در گونه اقتصادی بیشترین بسامد به نشانگرهای بنابراین، البته، و درنتیجه، و در گونه ادبی بیشترین بسامد به نشانگرهای چون، زیرا، و پس تعلق دارد.
نمودار۳ - بسامد نشانگرهای استنتاجی در گونههای سیاسی، اقتصادی، و ادبی
Figure 3 – Frequency of inferential markers in political, economic, and literary genres
نمودار شماره (4) توزیع نشانگرهای گفتمان زمانی را در این سه گونه نشان میدهد. در گونه سیاسی بیشترین بسامد به نشانگرهای پس(از) پیشازآنکه، و بعد(از)، در گونه اقتصادی بیشترین بسامد به نشانگرهای پس(از) درنهایت، و بعد(از)، و در گونه ادبی بیشترین بسامد به نشانگرهای بعد(از)، حالا، و وقتیکه تعلق دارد.
نمودار۴ - بسامد نشانگرهای زمانی در گونههای سیاسی، اقتصادی، و ادبی
Figure 4 – Frequency of temporal markers in political, economic, and literary genres
آنچه تا اینجا آمد نشان میدهد که دو گونه سیاسی و اقتصادی، نسبت به گونه ادبی، شباهت بیشتری در استفاده از واژهها/عبارات به عنوان نشانگرهای گفتمان دارند. نمودار (5) و جدول یک سهم هریک از انواع نشانگرها را در این سه گونه زبانی نشان میدهد. براساس این نمودار و جدول، هر سه گونه زبانی، بهترتیب، بیشترین استفاده را از نشانگرهای تقابلی (۳۷٫۳۵٪)، تفصیلی (۲۸٫۸۶٪)، زمانی (۲۱٫۱۴٪)، و استنتاجی (۱۲٫۶۵٪) میکنند. درحالیکه گونه اقتصادی بیش از دو گونه دیگر از نشانگرهای تقابلی و استنتاجی بهره میبرد، گونه سیاسی از نشانگرهای تفصیلی و گونه ادبی از نشانگرهای زمانی بهره بیشتری میبرند. همچنین، گونههای سیاسی و ادبی کمترین استفاده را از نشانگرهای استنتاجی دارند، درحالیکه گونه اقتصادی کمترین استفاده را از نشانگرهای زمانی دارد.
نمودار۵ - مقایسه انواع نشانگرها در گونههای سیاسی، اقتصادی، و ادبی
Figure 5 – Comparison of discourse markers in political, economic, and literary genres
جدول۱ - بسامد انواع نشانگرها در گونههای سیاسی، اقتصادی، و ادبی
Table 1 – Frequency of discourse markers in political, economic, and literary genres
|
|
سیاسی |
اقتصادی |
ادبی |
مجموع |
|
نشانگرهای تقابلی |
248 |
243 |
244 |
735 |
|
نشانگرهای تفصیلی |
218 |
159 |
191 |
568 |
|
نشانگرهای زمانی |
133 |
99 |
184 |
416 |
|
نشانگرهای استنتاجی |
58 |
116 |
75 |
249 |
|
مجموع |
657 |
617 |
694 |
1968 |
بررسی و مقایسه نشانگرهای گفتمان در پیکرههای سیاسی، اقتصادی و ادبی نشان داد که میزان بهکارگیری نشانگرهای تقابلی (248) و تفصیلی (218) در پیکره سیاسی بیشتر از پیکرههای اقتصادی و ادبی است. بیشترین بسامد کاربرد نشانگرهای استنتاجی (116) نیز در پیکره اقتصادی بوده است. یافتهها همچنین نشان داد که در پیکره ادبی نشانگرهای زمانی بیشترین بسامد کاربرد (184) را در مقایسه با پیکرههای اقتصادی و سیاسی داشتهاند. افزون بر آن، یافتههای پژوهش مشخص کرد، در کل پیکره مورد بررسی 93431 واژه وجود دارد که از این تعداد واژه، 1965 واژه معادل 10/2 درصد را نشانگرهای مرتبط کننده پیام تشکیل دادهاند.
یافتههای این پژوهش نشان میدهد که نوع ژانر تأثیر معناداری بر کاربرد نشانگرهای گفتمان دارد. برای مثال، بسامد بالای نشانگرهای تقابلی (مثل «اما»، «ولی») در ژانر سیاسی (۳۷.۷٪) را میتوان با ماهیت چالشی و دوگانه نگری این متون مرتبط دانست؛ جایی که نویسندگان میکوشند مواضع متضاد را آشکار کنند (مانند: سیاستهای دولت موفق بود، اما مردم رضایت ندارند). در مقابل، کاربرد بیشتر نشانگرهای زمانی (مثل «بعد»، «پس») در ژانر ادبی (۲۶.۵٪) با روایتگر بودن این متون و نیاز به ترتیبدهی وقایع توجیه میشود (مثال: بعد از آن سکوت کرد و رفت). این تفاوتها نه تنها فرضیه تأثیر ژانر بر کاربرد نشانگرها را تأیید می کند، بلکه نشان میدهد که انتخاب نشانگرها تا حد زیادی تابعی از هدف گفتمان است.
برخلاف انتظار، نشانگرهای استنتاجی (مثل «بنابراین»، «پس») در ژانر اقتصادی (۱۸.۸٪) کمتر از ژانر سیاسی (۲۱.۳٪) بودند، در حالی که معمولاً متون اقتصادی را استدلال محور میدانند. این یافته فرضیه کاربرد بیشتر نشانگرهای استنتاجی در متون تحلیلی را تا حدی رد میکند و احتمالاً به سبک ژورنالیستی نمونههای انتخابی (سرمقالهها) مربوط است. با این حال، همانطور که فرض شده بود، نشانگرهای تفصیلی (مثل «و»، «همچنین») در همه ژانرها پرکاربرد بودند که نشاندهنده ویژگی جهانشمول این نشانگرها در ایجاد انسجام است.
یافتههای این پژوهش حاکی از آن است که نوع و هدف گفتمان تأثیر مستقیمی بر الگوی کاربرد نشانگرهای گفتمان دارد. در متون سیاسی، نشانگرهای تقابلی (37.7%) و تفصیلی (33.2%) بیشترین کاربرد را داشتند که بازتابی از ماهیت چالشی و توضیحمحور این ژانر است. متون اقتصادی با غلبه نشانگرهای استنتاجی (18.8%)، ویژگی تحلیلی و نتیجهگرایانه خود را نشان دادند. در متون ادبی، نشانگرهای زمانی (26.5%) به دلیل ماهیت روایی غالب بودند. این نتایج فرضیه اصلی پژوهش مبنی بر تأثیرپذیری الگوی نشانگرها از نوع ژانر را تأیید میکند. با این حال، یافته غیرمنتظره کاربرد کمتر نشانگرهای استنتاجی در ژانر اقتصادی نسبت به سیاسی (21.3% در مقابل 18.8%) ممکن است به محدودیت نمونهها (سرمقالههای ژورنالیستی) مربوط باشد که نیاز به بررسی بیشتر در مطالعات آینده دارد. مطالعه حاضر با شناسایی الگوهای خاص کاربرد نشانگرها در هر ژانر، گامی اولیه در جهت تدوین دستورالعملهای کاربردی برای نویسندگان متون تخصصی فارسی محسوب میشود.
در متون سیاسی، نشانگرهای تقابلی و تفصیلی بیشترین بسامد را به خود اختصاص دادهاند که نشاندهنده تلاش نویسندگان برای ارائه دیدگاههای متعارض و توضیح جامع مواضع است. این یافته با ماهیت چالشی و استدلالمحور گفتمان سیاسی کاملاً همخوانی دارد. در حوزه اقتصادی، اگرچه نشانگرهای استنتاجی همانطور که پیشبینی میشد کاربرد بالایی داشتند، اما بسامد آنها کمتر از انتظار بود. این امر احتمالاً به ویژگیهای خاص پیکره مورد مطالعه (سرمقالههای ژورنالیستی) مربوط میشود که نسبت به متون دانشگاهی اقتصادی، کمتر نتیجهگرا هستند. از سوی دیگر، غلبه نشانگرهای زمانی در متون ادبی، بهویژه در رمان بوف کور، به خوبی بازتابدهنده ماهیت روایی و زمانمحور این گونه متون است. برخلاف پژوهش فریزر (2006) که نشانگرهای استنتاجی را پرکاربرد در متون اقتصادی انگلیسی میداند، در این پژوهش بسامد این نشانگرها کمتر بود که ممکن است به تفاوتهای زبانی بین فارسی و انگلیسی مرتبط باشد.
نتایج این پژوهش نهتنها تأثیر ژانر بر کاربرد نشانگرهای گفتمان را تأیید میکند، بلکه نشان میدهد که انتخاب این نشانگرها تا حد زیادی تابعی از اهداف ارتباطی و بافت موقعیتی است. با این حال، برای دستیابی به تصویر کاملتری از این پدیده، بررسی تأثیر عوامل دیگری مانند سبک فردی نویسندگان، مخاطب هدف و بافت فرهنگی - اجتماعی در مطالعات آینده پیشنهاد میشود. این پژوهش میتواند مبنایی برای مطالعات بعدی در حوزه تحلیل گفتمان فارسی و همچنین تهیه راهنماهای آموزشی برای نویسندگان حرفهای باشد. ذکر این نکته ضروری ست که این پژوهش به دلیل محدودیتهای زمانی و عملی، تنها از رمان «بوف کور» به عنوان نمونه ادبی استفاده کرده است. اگرچه این اثر به دلیل سبک روایی منحصر به فردش انتخاب شد، اما تعمیمپذیری نتایج به کل متون ادبی فارسی نیازمند بررسی نمونههای بیشتر در مطالعات آینده است.
[1] discourse markers
[2] Schiffrin
[3] Hyland
[4] Fraser
[5] basic markers
[6] interpretive markers
[7] parallel markers
[8] discourse markers
[9] evaluative markers
[10] tone markers
[11] evidential markers
[12] reportive markers
[13] respectful markers
[14] conversational management markers
[15] contrastive
[16] elaborative
[17] inferential
[18] temporal
[19] Martinez
[20] MICASE
[21] cataphoric marking
[22] anaphoric marking
[23] Shirtz
[24] Alsea
[25] Siuslaw
[26] Oregon coast
[27] response elicitors
[28] directives
[29] Labov and Fanshel
[30] messages
[31] topics
[32] primary
)