写作的7C法则

这两天有同学和我一起讨论在写作中需要注意的事项,我们总结出了七个简单的写作法则。注意我们讨论的主要是议论文、科技文写作;而抒情记叙散文等可能会有不同的原则。我们将下面七个简单的法则概括为7C法则。

Concrete and Concise 具体而简短有力

文章的内容要具体,文字要言之有物,不能泛泛而谈。这个内容指的不仅仅是文章的主旨,还包括每个段落,每个句子,甚至每个词。有同学举了一个很好的例子,例如"do the construction”,这里的do就是一个无意义的词,不如直接用动词"construct”。

同样,写作的文字要简短有力,所有文字均为文章主旨服务,这与内容具体(以及下文提到的cohesion)往往是一致的。

Cohesion 内聚性

文章要有内聚性,即每个段落都是为文章主旨所服务的。段落要有内聚性,每个段落应该只有一个主旨,且一个段落的主旨往往在开头,即topic sentence,而之后的句子均要为此服务。每个句子也应该有内聚性,例如一个句子不应该讲述两件不同的事情,除非有意为之。

Coherence 连贯

文章要有比较好的衔接性。譬如,每个段落之间应该有一定的逻辑衔接关系,而段落之中的句子也应该有衔接关系。当英文写作水平不够的时候,这种衔接往往可以用一些衔接词来加强、强调。

Consistent 一致

文章的主题应该一致,譬如文章的内部不应该有完全相反的结论(除非本身就是survey或者review)。文章的正式性应该一致,譬如一篇文章应该通篇为正式文体(formal),或者半正式(semi-formal),或者非正式(informal);所选用的词、表述方式等均应该与对应的正式性保持一致。除此以外,文章内对同一事物的提法也应该保持一致。

在论文写作中,要注意论文的notation, evaluation, introduction等均应该与前人的工作保持很大程度上的一致性,不可自己随心所欲地写作。

Clear 清晰

写作应该清晰易懂。具体到日常的文章写作,就是要考虑到读者的背景,用读者能够理解的文字来说明事物;讲述事情的时候尽量不要有内容缺失、不要有逻辑上的断层等;段落句子之间注意衔接与层次感,并学会使用主题句(topic sentence)和总结句。具体到论文写作,还需要让论文的各个元素都出现在最应该出现的地方,而不应该让读者自己去猜测或费力寻找相关的元素;图表的说明文字(caption)应该要自我包含(self-contained),即不需要看正文也能知道这个图表表达的意义等等。

Critical 关键/批判

作为议论文/paper,应该对已有的观点、方法进行合理的批判性的讨论,并引出自己的观点/motivation。同时,这个观点/方法应该是具有一定意义的,而并不是完全无意义(trivial)的。尤其是科技论文paper的写作,如果缺少了批判性的讨论,那就很难说服读者(reviewer)这项研究是具有价值的。

Complete 完整

写作应该具有完整性。作为日常的议论文写作,这是指文章应该较好地阐述写作背景以及完整地阐述自己的观点,并给予相应的支持。作为论文写作,完整性则是说这篇文章总体上应该self-contained,最好让大同行能够在不怎么需要去翻阅参考文献就能大概理解这篇文章的工作。另外,paper也应该完整地完成了abstract/introduction中声明(claim)的研究目标,也即给出了完整的对应于本文研究动机(motivation)的方法(approach),以及有相对完整的实验评估与分析等等。因此,paper中也切忌overclaim,否则这篇paper就会因为未能完成自己的研究目标而变得不完整。(虽然现在非常多的paper都会overclaim,然后也可以中Orz)

总结和英文写作书籍推荐

上面给出了我和几位同学一起讨论出的适用于议论文写作和科技论文写作的7条简单的法则。可以看到,这7条法则不是完全独立的,而常常是相辅相成的,这是因为它们的目的都是让文章的阅读者能够更轻松自然地读懂文章。另外需要指出的是,这远远不是一个完整的列表,也不一定是必须遵守的金规玉律,而仅仅是我们讨论出来的相对同样的指导法则(guideline)。也欢迎各位读者提出自己的观点,或者是补充这个列表。

最后推荐一本关于英文写作的小书: The Elements of Style。这本小书号称英文写作圣经,而且只有100页左右,很值得一读。不过作者的taste有些过于严格,各位也要因时制宜,因地制宜。另外写paper的话,在掌握了general的写作技能之后,还应该去模仿、研究优秀的paper的writing。

同样很有名的英文写作的书还有 《On Writing Well》,但因为我太懒了,一直没看,所以也不知道怎么样Orz

Avatar
Jinming Hu
Software Engineer

My research interests include machine learning, data mining, deep learning, computer vision, operating system, and database.