其他

巫术知多少? 中科院今天将巫术研究登上Nature

2018-01-10 监管与合规

本文转载自公众号“知社学术圈”


1月9日,Nature Human Behavior在线发表中国科学院动物研究所季婷、陶毅等人题为 “Population structured by witchcraft beliefs”的研究论文,揭示巫术信仰下的的人口结构,有许多很有意思的发现。

在中国西南地区的摩梭族,当旁人相信一些女性有超自然 35 37119 35 13280 0 0 6102 0 0:00:06 0:00:02 0:00:04 6102能力且会在食物中下毒,这些家庭中的女性家长和她们的女儿就被称为“祝”。季婷, 陶毅及同事通过视觉重现摩梭族家庭之间的社会互动,发现“祝”和非“祝”之间有明显的社交隔阂。“祝”家庭很大程度上被排除在通婚之外,并且通常不与非“祝”家庭做农场劳动交易;然而,“祝”家庭通过在更小的社交网络内优先与其他“祝”家庭互动来弥补社会互动的缺失。重要的是,作者发现“祝”家庭在经济游戏中表现出的合作能力并没有比其他家庭的低,这表明“祝”并未被用于标记不合作或不可靠的人。

正在从事劳动的摩梭族老人

在人类文明存在的每个角落,每当社会缺乏律法或律法系统较为薄弱的时候,都存在过关于巫术的独特信仰。这些巫术形态各异,但也有很多相似的地方,常见的共通之处如,巫术总是精于用毒,施用者多是妖冶美丽且性格贪婪的女巫(她们通常是一夫多妻家庭众多妻子中的一个)等等。巫术的解除办法通常是服用某种药剂,或是向巫师交纳金钱。在有些社会,巫术被视作邪恶而令人恐惧的力量,被贴上巫师标签的人会受到严酷的惩罚。在那里,人们将总是将巫师的身份与魔鬼、老巫婆等形象联系起来,一种相当流行的观点还认为,巫术会被下一代所继承。

 

排斥个体的负面标签——比如被称作巫女——在人类社会中有悠长且普遍的历史,但是它们的社会功能并不清楚。有些研究称巫术标签被用来标记不可靠或不合作的个体,另一些则表示它们用来打压竞争者。直到今天,探索这些可能性的定量数据少之又少。

 

伦敦大学学院的Ruth Mace, 中科院的季婷、陶毅等在对西南地区合作性人口网络的实地考察时注意到,有些个体被污名化地贴上了巫术的标签——如摩梭族中的“祝”、“祝卜”、“毒”、“蛊”,纳西族中的“磋瀑希”,羌族中的“毒药猫[1]”,西藏-尼泊尔Nyimba地区和不丹的“给毒者”——这些标签之间有很多相似性。以“祝”为例,“祝”的家庭会给食物或者贵金属物件施毒,这在当地已经成为一种常识。至于某个家庭是如何成为“祝”的,其历史渊源则无可稽考,甚至“祝”家庭自己也不甚了了,但也有某些“祝”家庭被认为是受到“传染”。那些被认为是“祝”的家庭,一般难以与外界通婚或是从外界雇佣帮工。

纳西族神祗墙绘

有些研究认为,这种标签化只是小范围事件,但从历史记录来看,印度、泰国以及中国社会都曾大规模地出现过指责某些妇女为巫蛊的行为。在泰国北部的Yuan和云南的傣族甚至曾有过整个村落被指为“琵琶鬼[2]”的情况。这些事件的发生通常与当地从母系社会向父系社会的转变密切相关。18世纪,四川纳西族在汉族统治和儒家文化影响下从母系社会向父系社会转化时,有大量妇女被指认为是“磋瀑希”,即“拥有邪恶精神的人”,有许多妇女在这一时期自杀。关于摩梭族的相关记载则有:通过把母系的姓氏转换为父系姓氏就能免于成为“祝”家。与傣族村落被大规模指认为琵琶鬼的情况类似,摩梭族家庭从外界获得贵重金属则会被认为是被传染了“蛊”。这种标签化的做法基本上是为了从母系社会的妇女那里掠夺财产。

 

有些社会演化理论和实验结论认为,无亲缘关系个体的分类与该个体的合作态度相关:合作的游牧者在空间上很容易被划分为族群;而对于非游牧者而言,由于其难以离开固定的生息地,他们要么因为参与公共活动而得到更强的合作性社会网络,要么则被贴上惩罚性的标签而名誉受损。

祝(方块)与非祝(圆圈)家庭的社会网络:(a) 劳动互助;(b)礼尚往来;(c)通婚; (d)小孩往来

2011至2013 年间,Ruth Mace、季婷、陶毅等对5个摩梭族的约800个家庭做了合作性家庭意义上的社会网络研究,通过收集配偶及子女关系、互助性倾向以及财物赠与和分享倾向的数据,并通过社会统计学方法重构了这些家庭间的社会网络。在这些家庭中,大约有13.7%是“祝”。在谱系的相关性上,“祝”之间为0.152,“非祝”之间为0.125,“祝”与“非祝”之间为0.083。“祝”可以被认为是“非祝”之外的群体,但是并没有证据表明“祝”是从别的地方迁移来的,“祝”和“非祝”也并不存在地理上的区分或者相对集中。“祝”所获得的互助以及财物赠与和分享更多的是来自其它“祝”家庭,“祝”家庭之间提供的互助和赠与在统计上与“非祝”家庭并没有差别,因而“祝”的标签并非源自缺乏合作性。“祝”与“非祝”各自形成了自分类。自分类的形成源自随意性的文化标签以及随之产生的互助性群体、人口子结构。自分类的结果反制了一部分因为被主流社会网络排斥产生的代价。实际上,“祝”家庭并不一定比“非祝”家庭贫困,他们反而比平均水平更富有。可以看出,“祝”这类随意性的文化标签更多地被贴给比较富有或者以妇女为首的家庭,这也与传说记载中嫉妒和仇恨妇女财富的情况更相符合。

 

因此,论文作者称将人认作巫女的行为或许起源于打击竞争对手及在生育和资源中取得竞争优势。

 

您如何看待呢,不妨留言与大伙分享。


[1] 毒药猫:羌族民间故事中有一类具有神奇魔力的人群,汉语通称“毒药猫”,有的资料上也写作“犊疫”。在羌语各地方言中,“毒药猫”普遍被称为ddu(羌文),这个词有两层意思,一层是“放毒”的意思;另一层是“活鬼”的意思。他们能够通过“放毒”,致人罹患病灾或遭受厄运。

 

[3] 琵琶鬼:“琵琶鬼”为傣语音译,傣语叫做“披拔”音同而所译字不同。“琵”是鬼,“琶”是鬼名,“琵琶鬼”意为“恶鬼”,被认为是傣族社会里最凶恶的一种鬼。傣族人认为这种鬼会附在一般人身上,而被它附身的人也就是“琵琶鬼”,他们会危害村寨,带来事端,因此历史上常常被驱赶出村寨,被驱赶的人多了,渐渐形成傣族社会中的禁忌社区。

 论文doi:10.1038_s41562-017-0271-6


延伸阅读:中国古代最可怕的五个巫术!

在中国古代有很多巫术,也因巫术搞出了一些冤案大案,如汉武帝时的巫蛊之祸,隋文帝时期的猫鬼之案,乾隆时的叫魂恐慌,这里就这三次大案给大家介绍五种巫术,也希望大家知道巫术害人的下场。

一 巫蛊之祸

当时的长安城中有不少巫术,一些女巫甚至初入宫廷,为宫中美人服务,女巫传授的方法是在屋内埋下木人,再祭祀木人以求顺心。后因美人之间嫉妒吵架,互相高发对方曾在木人前诅咒汉武帝,因此汉武帝大怒,杀死告发之人,又杀了妃子宫女,大臣等好几百人。后江充以此构陷太子,令汉武帝父子相残,汉武帝回过味后杀了江充,巫蛊之祸就此结束。

这种巫术有两面性,一者是厌胜,就是利用吉祥物祝福,利用邪物害人的巫术,二者是拜邪神,通过祭拜邪神,像邪神许下血食祭祀来达到自身目的。

二 替身术

在巫蛊之乱中的木偶也有替身术的,替身术由来已久,传说武王伐纣后,天下来朝,为丁候不朝,姜太公就画了一张丁候像,后太公往画像上射箭,丁候就生病了,当他知道是被太公诅咒后,无奈派使臣去表示臣服。

替身术的方法最为简单,用一人偶、画像、稻草人都可以,在汉代人用的多是桐木,《说文解字》中就说:“偶者,桐人也。”桐木性柔方便雕刻。

(封神演义中钉头七箭术的灵感应该来源于此巫术)

三 蛊

在隋文帝时用猫鬼的是国舅爷,国舅爷因用邪术被贬为庶民,最后抑郁而终。凡是饲养邪物以达到目的皆是蛊术,蛊术之中最毒的不是养虫,而是养猫蛊,养小鬼。巫术之中有养猫鬼之法,也有养猫毒之法。

猫鬼法就是杀死猫之后,再控制猫的鬼魂,不断给予血食祭祀,让猫鬼通灵害人,猫毒之法也是要杀死猫,之后再通过种种方法产生毒物。

四 叫魂

自1768年春起大清朝开始了一阵恐慌,人人害怕自己的魂魄被人收去了,闹得天下是人心惶惶,未安抚人心,各地曾用巫术的人都被抓去审问,这些人的下场不死也要脱层皮。

叫魂术很多人都见过,当小孩受惊吓后,长辈们会去喊魂,喊魂的方法多种多样,有敲锣打鼓撕心裂肺的呼喊孩子姓名的,有拿着孩子的随身物品呼喊的,有敲孩子床的,其效果也多神奇,当喊魂之后孩子多会好起来。

至于收魂术则多是用人的随身物品,生辰八字,甚至是胎盘胎衣来喊去人的魂魄,让人精神失常。

五 相憎

在宫廷斗争多是为争风吃醋,让皇帝喜欢自己,厌恶她人,在巫蛊之祸中是不是有憎恨术不得而知,但在汉代的《淮南万毕术》的确有相憎术,其法为取马尾巴,然后用火发烧成灰,再放入你想分开的人的衣服里,这两个人就会互相憎恨,这是记载在书中的方法,并非完整之法,大家不要用这个去害人!用相憎巫术害人的下场往往很惨,会变丑成阴毒的相貌,让人看起来就像是坏人。

相关部分(点击阅读)

【原创连载1】何渊:2018数据权元年——从炮轰支付宝开始 

何渊:欧盟议会全球首个“关于制定机器人民事法律规则的决议”(介绍部分)

 何渊:2018数据权元年——从炮轰支付宝开始

 何渊:政府数据开放的整体法律框架

 何渊:人工智能时代“大数据”加上“差异化算法”带来的身份歧视,就是商业领域隐匿的穷人与狗不得入内!

【前沿7】可识别个人信息、隐私以及新概念

【前沿6】打破匿名化的迷思:数字时代的匿名化挑战

【前沿5】美国布鲁斯的经典隐私理论和德国的人格权理论:四种类型的隐私侵权体系比整体保护体系更好吗?

【前沿4】这是私人的,但归我所有吗?—走向财产权的个人信息

【前沿3】关于马的法律—网络法到底该教些什么?

【前沿2】《自动驾驶的监管挑战:面对悲剧性选择人工智能如何决策》

【前沿1】监管人工智能系统:风险、挑战、能力和策略



诚意推荐 欢迎关注


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存