{
  "id": "sarcasm",
  "title": "挖苦",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "挖苦是尖锐的嘲弄或批评，常通过言语反讽表达，其理解取决于语境、表达方式和共同预期。",
  "category": "language",
  "subcategory": "",
  "type": "concept",
  "aliases": [
    "冷嘲热讽",
    "讥讽"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/sarcasm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/sarcasm/",
      "json": "https://aiwiki.page/en/sarcasm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "挖苦是一种传达嘲弄、轻蔑或尖锐批评的交流方式，常以表面上的评价来表达与之不一致的真实态度。例如，把一个明显失败的计划称为“绝妙的主意”，如果语境足以让人识别出其中的批评，就可能构成挖苦。挖苦与言语反讽密切相关，但二者并不等同：反讽未必是在嘲笑某人，而挖苦式的嘲弄也不一定总是表达与话语字面意义相反的意思。如何理解挖苦，是研究语境中意义的语用学所关注的核心问题之一。"
    },
    {
      "heading": "定义与界限",
      "text": "判断一种表达是否属于挖苦，通常依据的是它所传达的评价意味，而不是某种特定的语法形式。挖苦性话语将某人的行为、某种预期、某个机构或某种情境表现为值得嘲笑或不屑一顾的对象。它针对的可以是听话人、不在场的人、说话人自己，也可以是更广泛的事态。\n\n以下几个相关概念与挖苦有所交叠，但不能互换：\n\n- 言语反讽指话语的表面意义或所表达的观点，与说话人的真实立场之间存在可被识别的距离。它可以传达趣味、亲昵、无奈或批评；挖苦则更明确地带有嘲弄或尖刻的态度。\n- **讽刺**是一种更广泛的表达实践，运用艺术和修辞手段揭露或批评愚行、恶习或制度。挖苦可以是讽刺的手法之一，但一句挖苦的话未必属于讽刺作品的一部分。\n- **幽默**可以伴随挖苦出现，但挖苦未必会让听者感到有趣，也未必以逗人发笑为主要目的。\n- 侮辱可以是直接的，意思也可以完全符合字面。“这事办得真无能”未必是挖苦，而在同样的情境下，“真是能干的典范”则可能是挖苦。\n\n在日常用法中，“挖苦”和“反讽”有时被视为同义词，学术界对它们的定义也不尽一致。有些论述将挖苦限定为敌意特别强烈的反讽；另一些则将善意的打趣和不含反讽的嘲弄表达也纳入其中。因此，对边界案例的判断，部分取决于所采用的定义。"
    },
    {
      "heading": "意义与理解",
      "text": "挖苦体现了表达的规约意义与说话人在特定情境中使用该表达所传达的意义之间的区别；前者是语义学的研究对象。“你来得真早”这句话，既可以是对事实的陈述，也可以是亲昵的打趣，还可以是对迟到者的尖锐责备。\n\n正确理解挖苦，通常需要综合几类相互作用的信息：\n\n- **与情境不符：**表面陈述与可观察到的实际情况相冲突。\n- **共同预期：**参与者知道此前作出了什么承诺或预测，或什么样的做法才算合适。\n- **说话人的态度：**先前的话语、人际关系和交谈目标，使嘲弄性的解读显得合理。\n- **表达方式：**声音或视觉特征暗示说话人与表面信息保持距离。\n- **语言形式：**夸张、显眼的赞美、套语或重复，提示听者作非字面的理解。\n\n相关的共享信息通常被称为共同基础。缺少这些信息，受众可能将批评误认为赞美，把玩笑当作真诚的指责，或者在说话人并无挖苦之意时听出挖苦。\n\n因此，单纯用“说反话”并不足以解释挖苦。“这会还能开得更有效率一点吗？”这样的话，可能同时包含反问、挫败感和揶揄式的评价。其意图表达的意义，比对字面命题的简单否定更为丰富。"
    },
    {
      "heading": "主要理论取向",
      "text": "会话含义与交谈预期\n\n在与合作原则相关的理论取向中，一句表面上不合适或明显不真实的话，可以促使听者推断出另一层意义。在明显失败之后给予赞美，可能产生带有批评意味的会话含义。\n\n这一取向解释了话语如何传达超出其字面内容的意义。不过，如果仅以颠倒陈述的真值来解释，就无法充分说明挖苦的情感色彩、它为何针对某个对象，以及说话人为何采用假意赞美而非直接批评。\n\n回声理论\n\n在关联理论中，言语反讽常被分析为对某种被归于他人的想法、主张或预期的回声，同时说话人对其表达不认同的态度。原本被保证轻松的旅程变得艰难后，说一句“真是趟轻松的旅行”，既可以呼应先前的保证，又可以表示对它的否定。\n\n被回声式重现的内容不一定是引语。它可以是社会共享的预期、想象中的观点，或因当前情境而变得突出的假设。这一取向强调的是说话人对所呈现思想的立场，而非简单的语义对立。\n\n假装理论\n\n假装理论将反讽描述为采用或扮演某种口吻、立场或交际角色，并预期受众能够识别出，说话人并不真心认同它。例如，说话人可能煞有介事地赞扬一个荒唐的决定，同时暗示受众否定这种赞许立场。\n\n回声理论与假装理论所解释的现象有所交叠。对于通常被称作挖苦的各种实例，二者都不应被视为毫无争议的通用解释。"
    },
    {
      "heading": "口语、书面语与手语表达",
      "text": "在口语中，语调、重音、节奏、音量和音质都有助于区分挖苦与真诚表达。说话人可能拉长某个词，刻意停顿，或以夸张热情或平板的方式说话。不存在一种普遍通用的“挖苦语气”：具体线索会因说话人、语言、情境和话语类型而异。\n\n面部表情和手势可以强化、抵触或取代声音线索。手语也可以表达挖苦，其中语言语境和视觉表达方式都有助于理解；挖苦在本质上并不依赖声音。\n\n在书面语中，读者无法获得许多即时的表达线索。作者可能转而使用夸张、引号、标点符号、字体排版，或与前文形成鲜明对比等方式。“/s”等网络表达可以明确标示挖苦性解读，但这类惯例只适用于特定社群，并非普遍通用。标记可以减少歧义，却未必能明确批评的对象或强度。\n\n在文学中，对话可以通过人物言辞与实际情境之间的反差来体现挖苦。叙事框架也可以让读者看出某种态度，同时让另一个人物对此毫无察觉。"
    },
    {
      "heading": "社会功能与变异",
      "text": "挖苦可以实施多种言语行为，包括责备、拒绝、抱怨、质疑和打趣。它的间接性并不必然使它显得礼貌。在已经形成的轻松玩笑式关系中，假意赞美可能缓和批评；但它也可能加重攻击，因为这种表达将被针对者表现为连直截了当的回应都不配得到的人。\n\n因此，语言礼貌和社会语言学研究重视人际关系语境。熟悉程度、地位、受众、交谈场合，以及对何种打趣可以接受的预期，都会影响理解。一句话在朋友之间可能传达亲近感，在公开场合或存在等级关系的环境中却可能令人受辱。\n\n挖苦还可以通过贬损他人，使说话人与受众形成一致立场。相反，针对自己的挖苦可以表达挫败感或自嘲，而不攻击交谈对象。无论是说话人自称出于幽默的意图，还是接受者的反应，单凭任何一方都不足以完整说明这次互动。\n\n跨语言差异使翻译更加复杂。保留字面措辞，可能会丢失使一句话被识别为挖苦的语境线索。译者可能需要采用不同的措辞、节奏或语境铺垫，来重现其评价意味，而不是追求逐字对应。"
    },
    {
      "heading": "识别与计算分析",
      "text": "识别挖苦，需要将语言内容与语境预期及推断出的态度结合起来。因此，理解可能并不完整：听者或许能察觉一句话不能按字面理解，却仍不确定它针对谁，也不清楚它是在开玩笑还是怀有敌意。\n\n在计算语言分析中，挖苦检测通常被视为一个运用机器学习的分类问题。系统可能利用评价性词汇、夸张、不协调现象、对话历史或视听线索。\n\n一个核心难点在于，同样的措辞在一种语境中可能是真诚表达，在另一种语境中则可能是挖苦。训练标签也可能依赖发布者自行添加的标记或标注者的判断，而这两者都无法可靠地涵盖所有情形。因此，在孤立句子上接受评估的系统，与在对话中运行的系统，其表现可能不同；在对话中，相关信息可能早在此前就已出现，也可能位于可用文本之外。\n\n挖苦对情感分析尤为重要：表面积极的语言可能表达消极评价。不过，检测到这种不一致，并不意味着就能自动确定说话人的确切意图、情绪状态或社交目的。"
    }
  ],
  "links": [
    "verbal-irony",
    "pragmatics",
    "satire",
    "humor",
    "semantics",
    "cooperative-principle",
    "conversational-implicature",
    "relevance-theory",
    "intonation",
    "sign-language",
    "punctuation",
    "literature",
    "speech-act",
    "sociolinguistics",
    "translation",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}