从绅士到边疆人：英语小说中的男性气质形成（1771–1930）

# 从绅士到边疆人：1771–1930年英语小说中的男性气质建构
来源：https://arxiv.org/html/2607.03323
###### 摘要

十九世纪小说中的男性气质并非单一理想，而是一个竞争性脚本的场域。本文基于txtLAB Novel450语料库中150部出版于1771年至1930年间的英美经典小说，考察不同男性权威竞争模型相对显著度的历时变化。为聚焦男性角色刻画，本研究通过共指消解将人名、名词性提及和代词归并为特定角色的指代链，从而提取以男角色为中心的文本窗口。随后拟合一个无监督结构主题模型，将出版年份和作者性别作为主题流行度协变量。模型识别出六种不同的男性气质建构：贵族骑士型、基督教男子气、绅士体面型、乡绅型、专业商业型以及帝国/冒险型。在整个语料库中，与继承地位和神圣权威相关的建构趋于衰落，而以有酬工作和冒险为核心的建构则上升。增长最大的并非专业商业型养家糊口，而是帝国/冒险型男性气质，尤其是边疆荒野语域。这一轨迹表明，男性权威从继承和神圣地位向成就性、商业性和扩张性形式重新分配。冒险型和商业型建构在记录为男性作者的小说中也更为普遍。由于这些建构无需种子词汇即可出现，却与独立学术研究确立的类别一致，本文提供了一种可复现的方法，用于衡量长期十九世纪中性别权威的重组。

关键词：计算文学研究；结构主题模型；男性气质；性别史；十九世纪小说；远读

## 1 引言

在性别研究中，男性气质长期以来被视为复数而非单数（Connell,1995 (https://arxiv.org/html/2607.03323#bib.bib9); Connell and Messerschmidt,2005 (https://arxiv.org/html/2607.03323#bib.bib10)）。男子气概并非固定本质，而是一个竞争性安排的场域：霸权的与边缘的、残余的与新生的，通过阶级、工作、宗教和帝国来组织。对于漫长的十九世纪，历史学家和批评家通过诸如绅士、父亲、士兵、职员和神仆等形象追溯了这种多元性，每个形象都体现着不同的男子气概脚本（Tosh,1999 (https://arxiv.org/html/2607.03323#bib.bib33); Davidoff and Hall,1987 (https://arxiv.org/html/2607.03323#bib.bib12); Sussman,1995 (https://arxiv.org/html/2607.03323#bib.bib31); Adams,1995 (https://arxiv.org/html/2607.03323#bib.bib1); Mallett,2015 (https://arxiv.org/html/2607.03323#bib.bib21)）。然而，这类学术研究较少衡量这些脚本在一个世纪的小说中*相对权重*如何变化，或这种变化能否以可复现的方式被观察到，而非仅从精选的经典范例中推断。本文通过提出一个特意限定的问题来填补这一空白：当分析单位是关于男性的叙事段落时，1771年至1930年间英语小说如何重新权衡竞争的男性气质建构？

为回答这一问题，我们对150部出版于1771年至1930年间的英语小说拟合了一个结构主题模型（STM），将出版年份和作者性别作为主题流行度协变量（Roberts et al.,2019 (https://arxiv.org/html/2607.03323#bib.bib28)）。小说对于这个问题是一个有用的档案，因为它不仅再现不同类型的男性，还赋予不同形式的男性权威以叙事空间和价值。方法上的挑战在于衡量这种分配而不建模小说中的所有其他内容。对整部小说进行主题模型会捕捉到女性、儿童、场景、情节机制以及一般叙事氛围，连同关于男性的段落。因此，我们仅对关于男性的叙事段落进行建模，通过角色层面共指而非男性词汇列表来识别。角色提及被解析为实体，分配性别，并用于保留男性角色占主导的窗口。在这个男性指称语料库上，我们拟合一个*无监督*模型，不植入任何男性词汇，也不预先固定任何主题，因此建构是从词汇共现中发现并在之后进行标记。

模型揭示了一个清晰的历史模式。在漫长的十九世纪中，继承的和神圣的权威建构让位于围绕有酬工作和冒险组织的建构（第4.2节）。它展示了一个主要文学语料库如何在权威、工作、宗教、阶级和帝国的脚本之间重新分配叙事空间。因此，本文既提供了这一转变的长期叙述，也提供了一种使计算性别分析指向男性形象而非仅指向性别词汇的方法。

## 2 相关工作

本文建立在主题建模和远读的基础上。在文学史以及更广泛的文化科学中，主题建模提供了一种无需手动编码文本即可推断主题结构的方法（Tangherlini and Leonard,2013 (https://arxiv.org/html/2607.03323#bib.bib32); Goldstone and Underwood,2014 (https://arxiv.org/html/2607.03323#bib.bib16); Mohr and Bogdanov,2013 (https://arxiv.org/html/2607.03323#bib.bib23)），这是更广泛的远读计划的一个分支（Moretti,2013 (https://arxiv.org/html/2607.03323#bib.bib24)）。Jockers and Mimno (2013 (https://arxiv.org/html/2607.03323#bib.bib19))将主题流行度与作者性别、国籍和日期联系起来。我们采用STM（Roberts et al.,2014 (https://arxiv.org/html/2607.03323#bib.bib26),2019 (https://arxiv.org/html/2607.03323#bib.bib28)）而非潜在狄利克雷分配（Blei et al.,2003 (https://arxiv.org/html/2607.03323#bib.bib6)），因为STM允许出版年份和作者性别直接作为流行度协变量进入模型。同时，主题模型需要谨慎解释。其输出是需要解释的人工制品，而非结论本身（Buurma,2015 (https://arxiv.org/html/2607.03323#bib.bib7)）。拟合更好的模型可能更不易解释（Chang et al.,2009 (https://arxiv.org/html/2607.03323#bib.bib8); Mimno et al.,2011 (https://arxiv.org/html/2607.03323#bib.bib22)），自动连贯性指标可能偏向人类读者拒绝的模型（Hoyle et al.,2021 (https://arxiv.org/html/2607.03323#bib.bib17)），而一些计算文学发现已被证明在统计上脆弱（Da,2019 (https://arxiv.org/html/2607.03323#bib.bib11)）。因此，我们将解释保持在循环中，并根据外部证据检查模型。

本研究扩展了关于性别表征的计算研究。该领域的工作通过历时词嵌入追踪了性别刻板印象的变化（Garg et al.,2018 (https://arxiv.org/html/2607.03323#bib.bib14)），并测量了文本赋予男性和女性角色的权力与能动性（Sap et al.,2017 (https://arxiv.org/html/2607.03323#bib.bib29)）。我们与他们共享在规模上测量性别表征的目标，同时保持对象具有文学性和历史性。对于本研究而言，关键的先例是角色层面建模。Underwood et al. (2018 (https://arxiv.org/html/2607.03323#bib.bib34))将词汇归因于角色以追踪性别化角色的标记变化，而现代共指消解流水线如BookNLP（Bamman et al.,2014 (https://arxiv.org/html/2607.03323#bib.bib3)）使得文学小说的角色层面解析越来越实用。我们利用这一机制来定义分析对象：关于男性的叙事段落，这使得模型可以在一个男性指称语料库上操作，而非整部小说或预选的男性词汇列表。

由此产生的建构将对照关于男性气质的历史学术研究进行解释。Connell (1995 (https://arxiv.org/html/2607.03323#bib.bib9))使多元性、等级和阶级成为男性气质分析的核心；Tosh (1999 (https://arxiv.org/html/2607.03323#bib.bib33))和Davidoff and Hall (1987 (https://arxiv.org/html/2607.03323#bib.bib12))通过工作、家庭和宗教追溯了中产阶级的男子气概；而Sussman (1995 (https://arxiv.org/html/2607.03323#bib.bib31))、Adams (1995 (https://arxiv.org/html/2607.03323#bib.bib1))、Solinger (2012 (https://arxiv.org/html/2607.03323#bib.bib30))和Mallett (2015 (https://arxiv.org/html/2607.03323#bib.bib21))在文学和文化史中考察了文雅、苦行、强健基督教以及男性的自我塑造。这些研究提供了判断模型建构的外部参照点：骑士型、基督教型、绅士型、商业型和边疆型男性气质。

## 3 数据与方法

### 3.1 语料库

语料库是Andrew Piper的txtLAB Novel450数据集（Piper,2016 (https://arxiv.org/html/2607.03323#bib.bib25)）的英语子集：150部出版于1771年至1930年间的英美经典小说。Novel450是一个精心策划的经典文学小说集，而非机会主义档案、单一作者语料库或狭窄的特定体裁样本。该子集包括108部英国小说和42部美国小说，其中81部作品的作者记录为男性，69部记录为女性。它跨越五个文学史时期（乔治亚、早期维多利亚、晚期维多利亚、爱德华、早期现代主义），包含107部第三人称和43部第一人称叙事，涵盖98位作者。元数据记录了出版日期、十年份、作者、标题、国籍、作者性别、叙事人称、长度和语言。因此，该语料库提供了一个受控的长期样本，用于考察小说男性气质在时期、民族传统、叙事和作者性别之间的变化。

### 3.2 选择男性指称语料库

由于主题模型测量文档中包含的任何词汇，对整部小说建模会将男性话语与小说叙述的其他一切混为一谈。因此，我们将模型限制为关于男性的叙事段落，通过角色层面共指而非词汇列表来识别。没有男性气质关键词、角色列表或词典进入这一选择；只有基于共指的男性与女性角色平衡。

每部小说使用BookNLP处理，该工具将每个角色提及（包括专有名词、普通名词描述和代词）按共指聚类。它还推断每个角色的性别，遵循英语小说计算角色分析的传统（Bamman et al.,2014 (https://arxiv.org/html/2607.03323#bib.bib3); Underwood et al.,2018 (https://arxiv.org/html/2607.03323#bib.bib34)）。然后我们将小说划分为非重叠的、句子感知的窗口，每个窗口约500词。这是小说主题建模的标准块大小，因为低于约250词的块会产生不连贯的主题，而500到1000词是常见做法（Jockers,2013 (https://arxiv.org/html/2607.03323#bib.bib18)）。接着，我们统计每个窗口中解析为男性与女性角色的提及次数。如果一个窗口的男性提及次数超过女性提及次数，并且至少存在两个性别化提及，则进入语料库；其余的被排除。在35,434个窗口中，22,197个（63%）是男性指称窗口，构成建模语料库，而12,831个是女性主导窗口，406个是平局或低于性别化提及阈值。所有150部小说都有代表。

作为一项检查，确认这种平衡未被古旧散文上已知的共指困难所破坏，保留的窗口在原始第三人称代词上独立地呈现男性主导（共指不简化为的指标），从乔治亚到早期现代主义每个时期男性代词份额在0.75到0.77之间。这一检查表明选择程序在最早期的散文上没有遭受明显的时期特定退化。

这一选择以查准率换取查全率。它使建模语料库主要为男性指称，而非仅仅是词汇上的男性气质。该条件为将结果主题解释为男性气质建构提供了基础，并降低了将女性中心的家与情感主题误认为是男性气质的风险。但它排除了大约三分之一女性主导的段落，以及随之而来的许多男性气质在与女性互动中建构的部分：子女中的父亲、追求者、丈夫。因此，我们在以男性为中心的叙事空间中衡量男性气质，而非关于男子气概的整个话语。我们保持这一边界明确，并在结论中重新审视它。

### 3.3 预处理与估计

由于预处理决策可能显著影响无监督文本模型的输出（Denny and Spirling,2018 (https://arxiv.org/html/2607.03323#bib.bib13)），我们的预处理刻意保守且不含种子词汇。令牌被小写化并标准化，停用词被移除，极少见或极常见的术语被过滤（当术语出现在至少25个文档中且不超过65%的文档时保留）；没有植入或保护任何男性词汇。角色名称在无外部名称列表的情况下被移除，利用专有名词的统计属性。人名在它所属的小说中大量重复出现，但在语料库的其余部分基本缺失，因此它在文档专有性上远高于普通词汇。因此，我们移除任何出现在不超过10%文档中但在单个文档中至少达到20次出现的术语。这移除了大部分角色名和地名，以及小说特有的杜撰词和残留转录伪迹，而保留了在语料库中共享的词汇。通过这种数据驱动标准而非名称词典移除名称有两个优点。它使流水线无需任何外部词汇列表，符合本研究无词典设计，并且不依赖大写化（小写化已丢弃的线索，而词典需要依赖）。该步骤留下最终词汇表共13,195个术语。

我们使用`stm`包（Roberts et al.,2019 (https://arxiv.org/html/2607.03323#bib.bib28)）估计模型，该包实现了结构主题模型（Roberts et al.,2014 (https://arxiv.org/html/2607.03323#bib.bib26),2016 (https://arxiv.org/html/2607.03323#bib.bib27)），采用基于锚词算法（Arora et al.,2013 (https://arxiv.org/html/2607.03323#bib.bib2)）的谱初始化，流行度公式为`year + author_gender`。出版年份和作者性别（按元数据记录编码）作为主题流行度的预测变量进入模型。随机种子固定为42以保证可复现性，估计最多运行75次EM迭代。主题在估计后通过阅读其最高概率和频率-排他性（FREX）词（Bischof and Airoldi,2012 (https://arxiv.org/html/2607.03323#bib.bib5)）进行标记。时期流行度的不确定性通过小说层面自举法（每个时期内重采样整部小说，4000次重复）进行量化，因此区间反映独立小说数量而非大得多的段落数量。

### 3.4 选择主题数量

我们拟合了K=2到15的模型，并检查了标准诊断指标（表1, 图1）。如通常情况，保留似然度 (Wallach et al.,