學術文體與語氣：正式、客觀、精確的英文語域

為什麼你的英文「明明都對」，老師卻寫了「too informal」？

你交出一份報告，每個句子文法都查過、拼字都對，老師卻在頁緣寫下「too casual」「reword this」「not academic enough」。你困惑：到底錯在哪？

問題往往不在「對錯」，而在語域（register）——一段文字傳達出的正式程度與語氣。學術英文有自己的一套語域：它正式（formal）、客觀（objective）、精確（precise）。你的句子可能完全合乎文法，卻像穿著拖鞋走進學位口試現場：沒有違法，但場合不對。

學術寫作不是把日常英文「加難一點」，而是切換到另一種社會語境下的表達方式。這篇文章帶你看懂這套語域的三根支柱，並提供大量「不佳 vs 改良」的對照，讓你下次動筆就能直接套用。

第一根支柱：正式（Formal）

正式不等於艱澀，也不等於把短字換成長字。正式指的是避免口語、片語動詞、縮寫與情緒化的填充詞，選用書面語境中慣用的詞彙與結構。

看一個例子：片語動詞 vs 單字動詞

英文裡有大量「動詞 + 介系詞」的片語動詞（phrasal verbs），它們在口語中自然，在學術寫作中卻顯得隨意。多數情況下，存在一個更正式的拉丁字源單字動詞可以替換。

不佳（口語片語動詞）：

The researchers looked into how sleep affects memory, and came up with a new model. The results point out that the effect goes up with age.

改良（單字動詞）：

The researchers investigated how sleep affects memory and proposed a new model. The results indicate that the effect increases with age.

對照表（可直接收藏）：

口語片語動詞	學術單字動詞
look into	investigate / examine
come up with	propose / develop
point out	indicate / note
go up / go down	increase / decrease
find out	determine / ascertain
deal with	address / handle
get rid of	eliminate / remove
put forward	present / advance
look at	examine / consider
make up	constitute / comprise

注意：這不是要你消滅所有片語動詞。有些片語動詞已是學術領域的固定用法（如 rely on、result in、focus on），刻意替換反而不自然。原則是——當存在自然、慣用的單字動詞時，優先選它。

縮寫與口語填充詞

學術寫作避免縮寫（contractions）與閒談式的填充詞。

不佳：

It's pretty clear that the model doesn't work well. Basically, we've got a lot of noise in the data, and that's a big problem.

改良：

It is evident that the model performs poorly. The data contain substantial noise, which presents a significant problem.

幾個要點：it's → it is、doesn't → does not、we've got → we have；刪掉 pretty、basically、a big problem 這類口語強度詞，改用 evident、substantial、significant。

第二根支柱：客觀（Objective）

客觀指的是讓焦點落在研究、資料與論證上，而非作者的情緒或主觀偏好。這牽涉三個常見技巧：謹慎的語氣（hedging）、避免情緒化的形容詞，以及視情況調整人稱。

迷思澄清：學術寫作一定要用被動語態、絕不能用「I」嗎？

這是流傳最廣的迷思之一。事實上：

• 被動語態不是規定，而是工具。 當動作的執行者不重要、或刻意要把焦點放在「被做了什麼」時，被動才合適。濫用被動會讓句子笨重、責任歸屬模糊。
• 「I / we」在許多領域是被接受的，尤其是社會科學、人文與許多 STEM 期刊。問題不在於有沒有用「I」，而在於有沒有把焦點從「我覺得」轉向「證據顯示」。

不佳（被動濫用，動作者模糊）：

It was decided that a survey would be conducted, and it was found that the hypothesis was supported.

改良（適度主動，焦點清楚）：

We conducted a survey and found that the data supported the hypothesis.

但下面這種情況，被動才是對的——因為「誰加熱」不重要：

The samples were heated to 80°C for ten minutes.

關鍵原則：選擇語態時問自己——讀者需要知道是「誰」做的嗎？ 需要就用主動，不需要就用被動。不要為了「聽起來學術」而機械式套用被動。

避免情緒化與絕對化的措辭

客觀的語氣需要謹慎（hedging），承認不確定性，避免言過其實。

不佳（誇大、絕對）：

This amazing result proves that our method is the best. It always works and completely solves the problem.

改良（謹慎、有分寸）：

This result suggests that our method outperforms the baselines under the conditions tested. It may generalize to similar settings, although further validation is required.

學術寫作極少使用 prove（除非是數學證明）、always、never、completely、the best。取而代之的是一整套 hedging 工具：

過度斷言	謹慎表達
proves	suggests / indicates / provides evidence that
always / never	typically / rarely / in most cases
will	may / might / is likely to
is the best	outperforms / is among the most effective
obviously / clearly	the results indicate that

但也要小心過度 hedging——句子裡堆滿 may possibly perhaps suggest 會顯得心虛無力。分寸是：用足以匹配你證據強度的語氣，不多也不少。

第三根支柱：精確（Precise）

精確指的是用詞具體、定義清楚、避免含糊。學術讀者需要能準確重現你的意思，模糊的詞彙會讓論證失焦。

看一個例子：含糊量詞與抽象名詞

不佳（含糊）：

A lot of people in the study did better after the thing we did. The results were good.

改良（精確）：

Sixty-eight percent of participants (n = 142) showed improved test scores after the intervention. The improvement was statistically significant (p < .001).

精確的具體手法：

• 把 a lot of / many / some 換成可量化的數字或範圍。
• 把 thing / stuff / aspect 換成具體的指稱對象（intervention、variable、procedure）。
• 把 good / better / nice 換成可驗證的標準（improved test scores、higher accuracy、reduced latency）。

動手試試：把這段口語段落改寫成學術語域

先讀這段「全錯」的示範，再試著自己改，最後對照參考答案。

原句（不佳）：

So basically we wanted to find out if students who use the app get better grades. We looked at a bunch of students and it turned out the app really helps a lot. It's pretty obvious that everyone should use it.

請先自己改改看，再往下看。

參考改良：

This study investigated whether students who used the application achieved higher grades. We analyzed data from 240 students and found that application use was associated with a modest but significant improvement in grades (d = 0.34). These findings suggest that the application may benefit similar student populations, although causal claims require a controlled experimental design.

逐項對照改了什麼：

• So basically we wanted to find out → This study investigated（刪填充詞、改正式動詞）
• get better grades → achieved higher grades（精確化）
• a bunch of students → 240 students（量化）
• it turned out ... really helps a lot → was associated with a modest but significant improvement (d = 0.34)（客觀 + 效果量）
• It's pretty obvious that everyone should use it → These findings suggest ... may benefit ... although causal claims require ...（hedging + 承認限制）

特別注意最後一句的轉折：原句說「很明顯大家都該用」，改良版降為「可能對相似族群有益，但因果推論需要對照實驗設計」。這個「承認限制」的動作，正是學術客觀性的核心展現——相關不等於因果（correlation does not imply causation），誠實標示研究範圍的邊界，反而讓論證更可信。

連接與銜接：讓正式語氣有邏輯骨架

學術文體的正式不只在單字層次，也在句子之間的銜接。口語常用 and、but、so 起頭串接，學術寫作偏好更精確的連接副詞（transition words）來標示邏輯關係。

不佳：

The model did well on the training set. But it did badly on new data. So we changed it.

改良：

The model performed well on the training set. However, it performed poorly on unseen data. Consequently, we revised the architecture.

常用銜接詞分類：

邏輯關係	學術連接詞
對比	however / nevertheless / in contrast / conversely
因果	therefore / consequently / thus / hence
補充	moreover / furthermore / in addition
舉例	for instance / specifically / namely
讓步	although / despite / while

提醒：連接詞要用得準，不是越多越好。每句開頭都塞 Moreover 會顯得堆砌；讓邏輯關係真正存在時才標示。

重點回顧

• 語域（register）才是關鍵：句子文法對不對是一回事，符不符合學術正式語域是另一回事。被批「too informal」通常是語域問題，不是文法問題。
• 三根支柱：正式（避免片語動詞、縮寫、口語填充詞）、客觀（適度 hedging、焦點放在證據而非情緒、語態依需要選擇）、精確（量化、具體指稱、可驗證的標準）。
• 破除被動迷思：被動語態與「I/we」都是工具而非鐵律；依「讀者是否需要知道動作者」來決定，不要為了「聽起來學術」機械套用。
• 謹慎要有分寸：少用 prove / always / the best，但也別過度 hedging 到顯得心虛。語氣強度應匹配證據強度。
• 承認限制是力量：標示研究範圍邊界（如「相關不等於因果」）讓論證更可信，是學術客觀性的核心。

深入探討（研究所視角）

到了研究所階段，學術語域不再只是「避免口語」的禮儀，而是一套有理論基礎的社會符號系統。

語域作為功能變項。 系統功能語言學（Systemic Functional Linguistics, SFL；Halliday）把語域拆成三個變項：語場（field，談什麼主題）、語旨（tenor，作者與讀者的關係）、語式（mode，書面或口語的通道）。學術寫作之所以正式客觀，是因為它的語旨是「專家對專家、立場平等但需以證據說服」，語式是「精心編輯、可被反覆檢視的書面文本」。理解這個框架，你就不會把「正式」誤解為「賣弄艱深字」——正式是為了服務這套溝通功能，任何不服務功能的複雜化都是反效果。

詞彙密度與名詞化（nominalization）。 學術英文的一個語法特徵是高詞彙密度（lexical density）與大量名詞化：把動詞或形容詞轉成名詞（investigate → investigation、move → movement、stable → stability）。名詞化能把一整個過程打包成一個可被進一步論述的「東西」，例如 The economy grew rapidly, which surprised analysts 可凝練為 The rapid growth of the economy surprised analysts。這讓資訊更緊湊、銜接更靈活。但這是雙面刃：過度名詞化會製造 Helen Sword 所稱的「殭屍名詞（zombie nouns）」，讓句子失去能量、變得抽象難讀。研究所的功力，就在於知道何時打包、何時拆開。

Hedging 與 metadiscourse 的人際功能。 Ken Hyland 對學術語料的研究指出，hedging 不只是「謹慎」，更是一種人際定位策略：它替反對意見預留空間、邀請讀者進入對話、管理作者對主張的承諾程度。與之相對的是 booster（如 demonstrate、clearly、it is evident that），用來強化承諾。成熟的學術作者在 hedge 與 boost 之間動態調節，這屬於 metadiscourse（後設論述）研究的核心——文本中那些不傳遞命題內容、卻在引導讀者如何理解命題的語言資源。

跨領域差異與語料庫方法。 沒有單一的「學術英文」。物理論文的語域與人類學民族誌、法律評論截然不同：理工偏好被動與名詞化、第一人稱複數「we」；人文社科可能容許更強的作者聲音與論辯語氣。要實證掌握某領域的語域慣例，可借助語料庫語言學（corpus linguistics）工具——分析該領域真實期刊文本中的 collocation（搭配詞）、move structure（語步結構，見 Swales 的 CARS 模型：Create A Research Space）與高頻 hedging 標記。這正是 Educational Omics 框架中 Linguomics 維度所關注的：把語言複雜度、語域特徵、語意密度量化，作為理解學習者學術寫作發展軌跡的多模態資料來源。

跨領域連結與 AI 時代的反思。 當生成式 AI 能瞬間產出語域「正確」的學術散文，掌握語域的意義就從「能不能寫出來」轉向「能不能判斷與調控」——辨識 AI 產出的語氣是否過度 boosting（過度自信）、hedging 是否與證據強度匹配、名詞化是否已稀釋成空洞的殭屍名詞。換言之，學術語域的素養正在從「生產技能」升級為「批判與編輯的後設能力」。這也呼應人機共學（Human-AI Collaboration）的核心：AI 是改寫與對照的夥伴，而判斷哪一版真正契合此情此景的語域，仍是學習者不可外包的核心判準。

延伸閱讀方向：Halliday 的 SFL 與語域理論、Ken Hyland《Metadiscourse》與《Disciplinary Discourses》、John Swales《Genre Analysis》與 CARS 模型、Helen Sword《Stylish Academic Writing》。