摘要：本文阐述商务英语跨学科研究范式与方法，基于商务英语的跨学科领域、语言与商务的交叉属性提出商务英语研究应以解决实际问题为导向，避免单学科思维和方法的局限。商务英语跨学科研究应以系统观和现实观为指引，结合语言学、经济学、管理学、大数据科学、统计学等多学科范式，合理运用语言指数思维、语言计量思维、语言建模思维、语言大数据思维和语言统计思维。文章对推动我国商务英语跨学科研究发展具有启示意义。
关键词： 商务英语；研究方法；研究范式；跨学科
1.引言
学科指专门划分的学问或知识主体，为跨学科研究提供视野、认识论、假说、理论、概念和方法，是跨学科研究的基础。跨学科指超越或涉及两个及以上学科的实践活动( 刘仲林
1993)。跨学科研究借鉴和整合已有的学科见解，包括确立研究课题、区分相关学科、确定学
科方法、分析问题并评价观点或理论、发现观点或理论之间的矛盾及根源、创建概念和理论之间的共识、形成更全面的认识和反思，并对其加以检验和交流(艾伦·雷普克 2016)。商务英语具有国际商务通用语属性，其专业定位和学科基础决定了自身的跨学科特点(王立非，张斐瑞 2015)，需要采用跨学科研究范式和方法。 本文论述商务英语跨学科研究的重点领域，探讨语言指数、语言计量建模、语言结构方程
建模、语言大数据、语言统计等商务英语跨学科研究范式与方法，以期为我国商务英语研究提供一定借鉴与启示。
2.商务英语跨学科研究领域
商务英语作为语言和商务交叉的领域，应重点探究商务环境下的语言教学和语言应用，其跨学科研究领域总体上可以概括为五个，分别为商务话语分析、商务英语教学、话语的经济价值分析、话语与经济关系分析、文化的经济分析(见图 1)。五个跨学科研究领域的内容具体如下所述。
(1) 商务话语分析，重点描写商务话语体系和特征，具体涉及商务词汇、句法、语篇、体
裁、语用、认知等。 (2) 商务英语教学，重点构建商务英语教学的理论和体系，对教学理论、教学模式、课程体系、课程设置、教材教法、教学评价、教师发展等开展研究。 (3) 话语的经济价值分析，重点研究企业话语、管理话语、总裁话语、年报话语、IPO 话语、
财务话语、谈判话语、营销话语、贸易话语、审计话语、银行话语、股评话语、财经新闻话语、公司合同话语、跨境电商话语、商业网站话语、广告话语等，关注话语在经济活动和公司治理中的功能与作用。 (4) 话语与经济关系分析，重点研究语言经济学和语言管理学，涉及语言产业、语言产品、语言市场、语言服务、语言消费、语言产业链、语言价值链、经济话语权、语言软实力等。 (5) 文化的经济分析，重点研究文化对经济的影响，涉及商业文化、行业文化、企业文化、
文化软实力、企业跨文化管理、国际文化贸易、文化产业链、文化全球价值链、文化产品与营销、
文化市场、文化消费等。
3.商务英语跨学科研究范式与方法
语言跨学科研究要求研究者具备选择多学科范式与方法的能力、使用结构图描写问题的
能力、寻找学科间共同点的能力、整合不同学科观点的能力、提出独特创新观点的能力。由于语言与商务交叉和应用的属性，商务英语研究选题通常要以解决实际问题和满足现实需求为导向，采用跨学科或多学科研究范式，避免语言学单学科思维和方法，以系统观和现实观为指引，结合语言学、经济学、管理学、统计学、大数据科学、计算机科学、认知科学等学科范式，运用语言指数思维、语言计量思维、语言建模思维、语言大数据思维、语言统计思维等跨学科思维范式，处理现实世界中商务与语言的错综复杂关系，促进商务英语学科发展。 3.1 语言指数思维范式 语言指数思维指摆脱传统语言文学研究的文字依赖思维和文本依赖思维，采用指数开展定量对比分析。狭义的指数是一种特殊相对值，反映数量上不能直接加总的多项变量的整体变化程度，如物价指数、消费指数、满意度指数、影响力指数等。指数包含时间、地域、行业等维度的对比，测量不同时期数量、质量的变化或企业、产业、地区、国家之间的差异，综合反映变量总体变化的方向和趋势，并预测未来。 近年来，商务英语研究领域兴起的语言指数化方法将语言看成现实社会系统中的众多变量之一，量化考察语言变量与其他社会变量之间的复杂关系。商务英语研究常用质量指数和综合指数。质量指数反映变量的相对水平或平均水平变化程度，比如语言障碍指数、翻译服务质量指数、语言服务竞争力指数、企业话语传播指数等。综合指数将不能同度量的数值转换为可同度量的数值后进行对比，反映复杂总体的综合变动情况，如物价指数。商务英语指数研究的关键是掌握指数的研制方法，构建科学合理的指标体系。首先，研究者需要阅读与梳理文献，为指标体系寻找理论依据，并提出一级指标、二级指标，初步构建指标体系。之后，根据一级指标和二级指标设置合理的三级指标，并对每一个指标赋予权重。指标体系具有层次性，这就既要求一级指标体系的权数之和为1，又要求各子系统内部各指标权数之和为1。为保证指标体系的权威性，研究者通常采用德尔菲法收集专家对指标体系的意见，汇总和分析数据，使用包括专家积极系数、专家权威度、重要性均值、满分率和变异系数等在内的检测函数值，剔除不合格指标，根据专家意见增加有价值的指标以完善指标体系。指标体系基本确立之后，研究者通常采用因子分析法进行信度和效度检验，并进一步修正指标体系，以保证各个指标观测点
科学合理。至此，指数指标体系最终确立，商务语言实证研究可借助语言指数排序来分析和预
测语言对经济指标的影响。 语言指数思维范式与研究方法特别适用于探讨话语的经济价值。语言指数化可以构建企业话语指数、管理话语指数、企业家话语指数、年报话语指数、IPO 话语指数、财务话语指数、谈判话语指数、营销话语指数、贸易话语指数、审计话语指数、银行话语指数、股评话语指数、财经新闻话语指数、跨境电商话语指数、商业网站话语指数、广告话语指数等，有助于分析话语指数对经济发展、经济活动以及公司治理的作用。 语言指数研究方法运用应把握三个关键点：(1)指数模型与指标体系构建，(2)官方权威数据库的利用，(3)语言指数对经济指标的影响或预测。以语言服务质量满意度指数研制为例，研究者可以根据已公布的语言翻译服务、信息服务、技术服务、培训服务、考试服务、咨询服务等相关行业或企业标准，构建和优化语言服务质量满意度调查指标体系，采用德尔菲法计算模型指标的专家积极系数、专家权威度、重要性均值、满分率、变异系数五个系数值。然后，研究者对各指标的数据进行无量纲化，对评价指标数值标准化，把性质、量纲各异的指标转换成为可以综合处理的相对数——“量化值”。标准化的方法之一是用某样本原始得分和该样本均值之差除以该样本的标准差，得到标准分。依托现有语言服务数据库或自行采集的语言服务满意度数据，研究者计算语言服务满意度指数，并测量语言服务质量对语言服务行业产值增
长和行业贡献的影响。 3.2 语言引力模型思维范式 引力模型建模是计量经济学建模的一种研究范式，非常适用于考察语言如何影响经济发展。目前，大部分语言研究只考虑语言学范畴变量，很少涉及其他非语言学变量。商务英语的跨学科属性决定了研究者不仅要关注语言变量，还要关注经济变量，将语言变量和经济变量纳
入同一模型考察语言和经济之间的相互影响。已有研究发现，语言和文化多样性影响沟通交流，并且影响生产要素的流通(李秦，孟岭生 2014；赵子乐，林建浩 2017)。语言和文化多样性影响信任和认同，并且影响劳动力流动，导致市场分割和资源错配(黄玖立，刘畅 2017；阮建青，王凌 2017)。语言和文化多样性还影响教育和人力资本积累(徐现祥等 2015；李光勤等
2017)、制度和技术传播(邱质朴 1981；王海兰 2018)。 引力模型适用于考察语言变量对经济发展的影响和两者的相互关系，从而发现语言与经济的关联性。引力模型源自国际贸易领域。Tinbergen(1962)最早使用引力模型分析两个国家的双边贸易流量，计算双边贸易受两国之间地理距离的影响程度;地理距离越大，贸易成本越大，贸易流量相应下降，可用公式表示为:
引力模型公式中 Tij为贸易国的双边贸易流量，A 为常数项，Yi 和 Yj 分别表示两国的经济总量(两国的国内生产总值)，Dij表示双边距离(两国首都或经济中心的地理距离)。后来，扩展的引力模型添加了影响贸易流量的其他变量，比如边界是否接壤、两国是否建交、两国货币是否相同、两国是否签订贸易协定、国民受教育程度、科技创新度、文化差异性、国家廉洁度、法律制度健全性等。商务英语研究中，语言文化差异是影响国际商务和国际贸易投资的重要因素之一。国家之间的语言和文化距离越大，贸易的障碍、语言成本就越大，从而导致贸易流量下降。商务英语跨学科研究可以运用引力模型，测量我国与“一带一路”沿线各国官方语言之间的距离，考察我国进出口贸易中的语言成本和影响。 3.3 语言结构方程建模思维范式 结构方程建模是社会学、教育学、心理学和管理学等学科的常用研究范式，对语言和商务的多变量复杂关系研究十分有用，可以定量测量语言和商务的理论构念之间的复杂关系和直接、间接影响路径。商务英语跨学科研究可以采用结构方程建模，构建回归模型、测量模型和
结构模型。回归模型考察变量之间是否存在因果关系。测量模型和结构模型则可以考察多个抽象构念之间的相关关系或因果关系。测量模型用于检验商务和语言多个构念之间是否存在相关关系;结构模型用于考察商务和语言多个构念之间是否存在直接效应或间接效应。结构
方程建模强调以下导向性: (1) 现实问题性，语言模型要以现实问题为导向，模型构建之前应深入行业和企业，通过访谈、调查等方式了解实际问题; (2) 理论构念性，语言对商务的影响模型构建应以坚实的理论基础作为支撑，确保各个维度之间存在不可分割的联系; (3) 数据权威性，充分利用现有的各种语言或商务的真实权威数据库，如语言距离数据库、语言服务行业数据库、经济金融数据库、贸易数据库等，确保模型的科学性和准确性; (4) 变量可控性，构建语言模型首要的是确定主变量和控制变量，避免控制变量过多、范围过大而削弱变量之间的相关性; (5) 变量验证性，变量选择需要反复斟酌，并经验证和优化，必要时可根据实际情况增减和合并变量; (6) 关系复杂性，避免把变量之间的关系简单看成单一关系，现实中绝大多数情况下模型包含多重、复杂的共线或非共线关系，模型构建要完整、清晰地考虑和体现这些关系; (7) 意义多重性，数据模型解读应考虑模型的多维度关系，体现模型的多重意义而不是简单的因果关系。 语言结构方程建模方法适用于实证检验语言文化软实力、语言文化传播力、国际话语权、国家语言能力等理论构念的组成要素，验证和提升构念的信度与效度，定量考察理论构念对市场表现、企业绩效、经济增长等的影响。结构方程建模可分为经济模型、管理模型、经济+管理
模型、教育模型、语言模型等，重点关注语言与经济、管理、教育等其他学科变量的接口和交叉。以企业话语沟通研究为例，结构方程模型适合探究跨国企业管理中的语言战略、语言管理和语
言规划问题。跨国企业内部母公司和子公司或中国“走出去”企业在海外投资并购中面临复杂的海外市场和企业多语环境，要提供语言解决方案就需对企业语言治理、语言标准和语言审计开展跨学科研究。相关研究表明，语言因素与管理因素互相交织，形成公司治理的复杂关
系，成为国际商务的研究重点之一(Feely ＆ Harzing 2003)。结构方程建模使用可观测的指标
测量跨语言沟通、企业通用语、企业家魅力、创业动机、风险意识、商务谈判能力等较难观测的构念变量，自动生成结构方程模型图。 商务语言跨学科建模应遵循六个步骤: (1)观察和分析语言与经济的现象、问题、关系，确定模型的理论依据; (2)构建总体模型，明确变量，包括语言变量、经济变量等非语言变量和预期值; (3)采集模型样本和官方权威数据; (4)定量推断因果关系，尤其是语言变量对经济变量影响的方向性; (5)控制变量关系的复杂性; (6)解读统计意义、计量意义和经济意义。 3.4 语言大数据思维范式 语言大数据思维范式通过语言大数据挖掘，发现大数据中有价值的模式和规律，主要包括语言大数据相关性思维范式和情感倾向思维范式。大数据思维范式具有七个典型特点:规模性思维、多样性思维、快速性思维、高价值思维、描写性思维、预测性思维和真实性思维(Kwon
et al． 2014)。语言大数据思维范式主要基于人工智能、机器学习、模式学习、统计学等，高度自动化分析数据，作出归纳性推理，从中挖掘潜在的模式。大数据挖掘技术包括分类、回归分析、
聚类分析、关联分析、异常检测、神经网络分析、Web 数据挖掘等(丘恩 2008)。 语言大数据相关性思维范式关注语言与其他因素之间的关联，适用于话语与经济的关系分析，考察语言产业、语言产品、语言市场、语言服务、语言消费、语言产业链、语言价值链等的特点和发展趋势。语言大数据研究不再追求数据的精确性，不再考察变量之间的因果关系，而是考察相关关系。商务英语跨学科领域语言与经济关系的数据量巨大，结构复杂，数据之间往往存在非线性关系，仅用因果关系来描述远远不够，更需通过挖掘与融合多学科领域的数据，
从中发现语言变量和经济变量之间的内在关联，以此预测语言和商务的相互影响与未来发展趋势。 语言大数据情感倾向思维范式通过挖掘与分析文本的情感维度，评判消费者关于商品、服
务话语的褒贬态度，分析、处理、归纳和推理带有情感色彩的主观数据，考察客户评价话语行为特点，研究商品口碑和商品推荐，也可基于中英文网络文本大数据研究消费者态度、消费者信心，或者开展品牌价值传播研究，分析网络话语情感特征与各类经济表现之间的关系等。语言大数据情感分析方法分为三种:(1)基于规则的情感分析法，(2)基于统计学习的情感分析法，
(3)基于深度学习的情感分析法。研究者可选择 Python 的自然语言工具箱(NLTK)处理大数
据，挖掘电商客户评价话语大数据，利用朴素贝叶斯分类器建立情感倾向模型，参 考SentiWordNet 情感词典，通过提取情感词、短语、句子、隐喻等衡量文本显性、隐性的正向或负
向情感，计算文本情感倾向值。更为细化的情感维度包括积极/消极、强烈/微弱、主动/被动、
夸大/淡化、乐观/悲观、肯定/否定、现在/未来等，这些维度能够满足商务文本多维情感分析的
需要。 语言大数据在商务英语研究中的应用需要研究者从传统的“小数据”思维转向“大数据”
思维。首先，关注数据样本的全面性。数据收集不再按统计学思维随机抽取样本，而是按大数据思维，囊括全部数据。以往因受数据采集条件和方法限制，研究者通过抽样，分析少量数据，
推断出研究对象的整体特征与趋势。大数据分析利用全部数据，全面完整地描写研究对象，发现研究对象的规律或本质。其次，关注数据来源的多样性。语言大数据来源包括网页、智能终
端和社交媒体等，数据类型包括结构化、半结构化和非结构化数据，具有多源异构性、交互性、
时效性、社会性、突发性等特征(李国杰，程学旗 2012)。语言大数据能够全面真实反映国内外商务英语研究的热点问题，揭示商务英语学科发展的趋势和规律，有力推动商务英语跨学科研究发展。 3.5 语言统计思维范式 语言统计学是语言学与统计学交叉形成的学科。语言统计思维认为事物普遍存在内部联系(Snee 1990;Britz et al． 1997;Dransfield et al． 1999)，主张通过识别、描述、量化、控制和减少
变量以获取优化统计结果。统计思维包含数据需求、数据产生、变量测量与建模等(Moore
1997)。 商务语言统计假设思维范式借助已有研究、个人知识结构等作出对商务活动中语言相关问题的猜想。描写思维范式通过数据整理和分类，描述一组数据的全貌，揭示一种事物的总体特征。推断思维范式通过从样本中得到的统计量来推断总体情况。描述是推断的基础，只对
数据作出一般的分析和归纳而不用推断性统计进一步分析，统计结果可能会失去意义。测量思维范式包含确认研究对象的主要特征、确定测量方法、信效度检验、结果分析和实践应用等。调查和实验是统计数据的两个主要来源。统计数据采集阶段的另一个关键问题是如何科学、有效地抽选样本。抽样方式包括概率抽样和非概率抽样:简单随机抽样、分层抽样、整群抽样等属于概率抽样，方便抽样、判断抽样等属于非概率抽样。概括思维范式指全面把握数据分布
特征，测度与描述数据分布的集中趋势、离散程度和状态。 语言统计思维范式适合用于推断语言与经济变量或管理变量的因果关系。商务英语研究往往涉及一个因变量与一组自变量之间的关系检测，需要借助多元线性回归模型。以语言文化研究为例，语言统计可以考察语言文化对商业文化、行业文化、企业文化的影响程度，文化软
实力、国际文化贸易、文化产业链、文化全球价值链、文化产品、文化市场、文化消费受到哪些因素的影响等。此外，主成分分析、因子分析、聚类分析可用于客观评价对象，不依赖专家的主观
判断，能够排除人为因素的干扰和影响，适合对评价指标之间高度相关的对象进行综合评价，
评价结果对决策或者排序比较有益(张世贤等 2011)。
4.结语
商务英语研究是跨界“集成”创新，而非单一学科的“线性”创新，因此假设、变量、数据、设
计、工具和解释均须采用跨学科范式，研究成果也可应用于多学科领域。开展商务英语跨学科研究需要运用抽象思维、辩证思维、创新思维、整体思维和融合思维，选择多学科方法，探寻语言学和经济学、管理学、统计学等其他学科的交叉点与接口，整合不同学科的观点。 未来的商务英语研究将进一步朝着语言学和其他学科的深度融合方向发展。研究者可以结合语言学与经济学，面向国家和社会经济发展需求，探索语言的经济价值及其相互关系，开展语言服务经济、语言产业经济、语言生态经济、语言共享经济、语言行为经济、语言信息经济、语言消费经济、语言教育经济、语言文化经济等多方向研究，力争产出一批高水平、有价值的商
务英语学术成果。
作者简介：
王立非，北京语言大学高级翻译学院教授、博士生导师，中国语言服务40人论坛联席主席。主要学术职务有曾兼任教育部高等学校英语专业教学指导委员会委员、商务英语专业教学协作组组长、翻译专业教学协作组副组长、商务英语国家级教学团队带头人，全国商务英语研究会常务副会长、CSSCI核心期刊《中国翻译》《外语与外语教学》编委。主要研究方向：应用语言学、语料库语言学、商务话语、语言服务等。