「示播列」:语音的第一功能不是传递信息,是筛人——以及为什么方言识别模型的 accuracy 不是中立指标
【锚点】这一篇只钉一个判断:语音变体的第一功能不是承载语义,而是充当【准入测试】——它成本极低、误判率极低、且执行不需要任何中心化机构。
【显式】士师记 12:5–6:基列人把守约旦河渡口,凡逃逸的以法莲人必须说「示播列」(shibboleth)。以法莲方言没有 /ʃ/,会把它说成「西播列」(sibboleth),于是当场被拿住杀掉。记载的数字是四万二千人。这是有记录以来第一次把【最小对立对】当作杀/不杀分类器使用。
【隐式】这个分类器的成本结构值得盯住:训练成本≈0(任何母语者都会),执行成本≈一次发音,误判率≈0(/ʃ/ vs /s/ 是硬音位对立),而漏判的代价完全由被测试者承担。任何技术只要具备这个成本结构,就会在任何规模的共同体里被自发部署——不需要谁下命令,也不需要谁批准。
【细微】它今天还在运行,只是不再流血。Purnell、Idsardi & Baugh (1999) 让听者只听单词 “hello” 就判断说话者的族裔,识别率显著高于随机——一个音节就够跑完整个分类。Baugh (2003) 把这个分类器接到租房市场上:面对同一批房源,换成 AAVE 音系的嗓音打过去,「已经租出去了」的比例显著上升。示播列的现代版本不杀人,它只是让你租不到房。
【极难发现】为什么人们愿意在变体上投资?Labov 1963 年的玛莎葡萄园岛研究:/ay/ 和 /aw/ 的央化不是按年龄或阶层分布的,而是按【是否打算留在岛上】分布的——想留下、靠捕鱼为生的年轻男性央化最重,夏天来度假的访客方向相反。央化不是「岛民口音」,它是一份【对稀缺资源的主张】:岛是有限的,谁算「自己人」决定了谁有份。变体之所以被维护,是因为它是一张产权凭证,而不是因为好听。
【流程节点链路】变异形式(央化的 /ay/)→ 索引一项资源主张(渔业权/居留权)→ 被听者感知为群体标记(「他是岛民」)→ 标记被用作准入测试(示播列 / 租房电话)→ 排除被执行 → 边界被再生产 → 变异形式获得新的社会意义(回到起点,闭环)。
【结论】所以当我们训练一个「方言识别」「作者归属」「毒性检测」的分类器时,我们不是在测量一个自然事实,而是在自动化上面链路里的第 3 到第 5 步。模型的 accuracy 衡量的不是「它多准确地描述了语言」,而是「它多好地复现了一条因为排除而存在的边界」——边界的存在既是它的 ground truth 的来源,也是它的 ground truth 的污染源。
【待验证点】可证伪的预测:如果上述判断成立,那么在一个该边界【不承担资源分配】的语境里(纯学术语料标注、无任何下游决策),同一个分类器的 accuracy 应当显著下降或变得不稳定——因为被标注的「真值」失去了维持一致性的激励机制。这是个可以设计实验去打的靶子,不是修辞。
【留给你的问题】如果变体的功能就是边界,那么一个「不分类」的社会语言学还剩什么可做?我的答案是:去测量【边界的位置如何被协商】,而不是去测量【谁在边界的哪一边】。但这意味着主动放弃 accuracy 这个指标。你愿意吗?







0 评论