引言

在社交媒体深度嵌入日常生活的当下，以Z世代为代表的数字原住民在微信、微博、抖音等平台的交际中，已形成“文字+表情包”的高频互动模式。这种融合语言符号与视觉符号的交际形态，绝非简单的符号叠加，更是形成了超越单一模态的新意义。这种现象对传统语言学理论构成挑战，意义建构的认知机制如何在图像符号介入语言交际后继续运作的问题亟需回答。Fauconnier & Turner（2002）提出的概念整合理论为破解这一谜题提供了钥匙——意义生成是心理空间通过跨域映射实现动态整合的认知过程。这一理论框架因其天然兼容语言与非语言符号的异质性整合，可以用来很好地解释多模态符号下的意义涌现现象。通过系统梳理CNKI近十年多模态研究文献发现，现有成果主要集中于漫画、广告等传统多模态文本，聚焦文字与静态图像（如漫画）的叙事协同（如李少华，2025）。然而，针对社交媒体原生的“文字+表情包”互动——这类以即时性、碎片化、情感化为特征的新型多模态话语——的研究却相对匮乏。因此，本研究将在概念整合理论的指导下，解构这两者间互动片段的认知操作流程，揭示表情包如何通过视觉图式激活具身经验，与文字语义形成跨模态映射，并归纳出不同类型的互动整合模式，从而探讨概念整合理论在多模态语境中的适应性扩展，为构建适用于新媒体话语的认知模型提供经验证据。

一、文献综述

（一）概念整合理论

20世纪90年代，认知语言学领域迎来重要理论突破——认知语言学家Fauconnier与Turner在他们2002年出版的著作中系统构建了概念整合理论。这一理论以心理空间理论为认知基础，融合Lakoff等人提出的概念隐喻理论（CMT），形成了认知语言学中解析意义建构机制的核心理论范式。

概念整合理论的核心问题是心理空间的构建。当人们进行认知活动时，往往会从不同的输入空间中有选择地提取相关信息，进而整合形成新的概念结构，这一机制构成了概念整合网络（石羽墨，2024）。整个网络由四个心理空间构成，分别是输入空间Ⅰ、输入空间Ⅱ、类属空间和合成空间。当个体进行意义理解或语言产出时，会从不同认知域中激活若干输入空间，通过选择性提取各空间的突显特征，在类属空间的统合下投射至合成空间，最终形成具有层创结构的新概念实体（管邦迪，2024）。值得强调的是，这些心理空间之间的运作不是单向的，映射到合成空间中的信息同样可以映射回这个网络的其他心理空间中去。其中，组合指的是选择性映射的过程，部分元素和结构的输入空间会被映射到合成空间，并且在合成空间中形成之前并不存在的结构。因此，通过组合会产生新的关系。完善指的是通过背景知识来提供框架的过程。人们的认知文化模式决定了映射到合成空间中的相关信息，也就是说，合成空间是一系列概念结构的补充，将背景知识和其他信息匹配存储在不同的输入空间当中，最终形成一个新的整合结构。拓展指的是认知操作在合成空间中的运行，在这一过程中，根据信息结构的形成原理，产生在原来的两个输入空间中并不存在的新意义，反映的是概念整合的创造性（黄华，2001）。层创结构的形成并不是对输入空间的简单复制，而是一个非常复杂的心理过程，这个特殊结构的特点在于它是每个人所独有的。通过以上一系列操作，概念整合实现了认知信息的重构与创新。

概念整合网络主要有三种类型，分别为简单型、单域型和双域型。简单型网络是三种基本类型中最基础的整合网络，涉及两个输入空间。在简单型网络中，一个输入空间中具有基本的信息框架及其角色，而其他信息存在于另一个输入空间中，抽象信息会以最简单的方式映射到合成空间（苏晓军，2001）。如Jenny is the daughter of Bob一句中，一个输入空间里是一个抽象框架即daughter，另一个输入空间里包含了Jenny和Bob两个成分，概念整合后就产生了daughter of Bob这一新的结构。简单型网络中输入空间之间没有冲突，虽然它结构简单，但在构建过程中会通过跨空间映射，不断产生新的变化。单域型网络中存在两种不同的组织框架，分别位于两个输入空间中，属于对另一个组织框架的扩展。它们中只有一个被映射到提供组织框架的输入空间中，与另一个组织框架无关，这一网络同时具有高可视性，能够为输入空间的整体框架提供组织动力。双域型网络是概念整合网络中最复杂的网络类型之一。它也有两个不同的组织框架，并且经常发生冲突，最终都被有选择性地映射到合成空间的一部分中，最终导致输入空间中不相容的成分形成了层次结构，带来高度创新的推论（苏晓军，2001）。

（二）多模态整合

表情包作为视觉符号（图像）与文字语言符号（语言）的异质性整合，打破了传统概念整合中单一符号系统的同质性，形成了从语言语义空间到视觉图式空间的跨模态映射机制。文字以线性符号链承载概念，而表情包以具象图式激活具身经验（如通过视觉上的大哭表情唤起生理痛感联想），抽象语义与视觉具象就这样通过心理状态到生理表征的跨域映射实现意义衔接。相较于传统概念整合纯语言符号的跨域映射，多模态整合中视觉空间的图式特征（如表情包的色彩、动作、表情）会直接参与层创意义的构建。

社交媒体的实时互动特性要求表情包与文字的概念整合必须遵循“认知经济原则”，即在极短时间内完成多模态符号的意义压缩与解码。此时，表情包作为高度图式化的视觉符号，其语义提取过程具有“视觉直感”优势，可绕过语言符号的线性解码流程，实现认知资源的高效分配。虽然数字交际往往伴随着语境碎片化，但表情包中的视觉线索可以填补文字语义的缺省，极大提高认知效率。

表情包与文字间的多模整合通过“视觉图式——语言语义——情感具身”的三维认知互动，在实现了意义的创造性重构的同时，也揭示了数字时代认知模式的新特征——即具身认知、情感计算与符号推理的协同运作，为构建适用于新媒体话语的认知语言学理论提供了现实依据。

二、表情包与文字互动的概念整合机制分析

（一）情感强化型整合：以“拜托+双手合十”为例

文字输入空间中“拜托”的语义要素包括施动者（我）、受动者（你）和请求行为，属于抽象情感表达；“双手合十”emoji的输入空间包括视觉要素：“双手高举、指尖相对”，在文化认知中固化为“虔诚”“急切”的视觉符号。单模态下的“拜托”虽表达请求，但缺乏情感强度的视觉锚点，而当文字与表情包整合后，两输入空间共享“情感传递”的抽象图式，激活了人类“情感需要具象化表达”的认知习惯，从而使“拜托”从单纯的行为表达升维为“带有强烈情感诉求的请求”。这种整合生成的层创意义（如“极其恳切地请求”），超越了文字本身的语义范畴，提升了情感强度，双手合十的视觉形象将“拜托”从语言层面的礼貌表达转化为“带有躬身请求感”的真诚情感。同时，视觉符号通过激活身体姿态与情感态度的跨模态映射，将文字中“请求”的抽象语义转化为可感知的具身体验。这种转化不是简单的符号叠加，而是通过“双手合十”的生理动作图式，强化了“恳切请求”的情感量级——相较于单纯的文字“拜托”，加入表情包后更易引发接收者对“请求者身体姿态”的心理模拟，从而增强情感共鸣。

从概念整合理论看，“拜托”与双手合十的整合涉及两个心理空间的跨域映射：语言空间中的“请求语义”与视觉空间中的“具身动作图式”通过“情感强度”这一共通维度实现连接，最终在整合空间中生成“高强度请求”的层创意义。这一过程符合情感强化型整合的典型特征——即通过视觉符号的具身属性对文字情感进行具象化升级，而非补充新的语境信息或颠覆语义极性。

（二）语境补全型整合：以“开会+咖啡”为例

“开会”作为语言符号，仅指向“集体讨论事务”的行为本身，但其语义框架中隐含着未明确的场景要素，如环境、参与者状态、辅助行为等。而“咖啡”的视觉图式在文化认知中与“提神”“工作间隙休息”“商务会议社交”等场景脚本天然关联。因此，两个输入空间之间通过“工作场景”建立关联：开会是工作行为，咖啡是工作辅助工具。又因为在现代职场文化中存在“咖啡=高效工作”的认知共识，咖啡激活了“会议场景辅助行为”的跨模态映射，所以类属空间中提取出了“工作中的状态调节”图式，填补了“开会”语义中未明说的情境细节，从而在合成空间中生成了多重层创意义，分别为：情绪补偿、态度隐喻和社交暗示。既可以理解为“开会很累，需要咖啡提神”，也可以理解为“开会如同喝咖啡，苦中带甜”，还可以理解为“开会时想喝咖啡，暗示会议冗长”。

从概念整合理论来看，开会与咖啡的整合涉及语言空间和视觉空间这两个心理空间的互动，二者通过“场景关联性”这一连接实现跨域映射，在整合空间中生成“会议场景中咖啡的具体角色”的层创意义。这一过程符合语境补全型整合的本质——即通过视觉符号激活语义框架中的缺省要素，使文字表达的情境从“语义骨架”变为“血肉丰满的具体场景”。

（三）语义反转型整合：以“厉害+狗头”为例

“厉害”作为单模态语言符号，在词典语义中明确指向“能力强、水平高”的正面评价，其语义框架建立在“肯定、赞扬”的情感极性上。而狗头表情（狗的头部侧视+微笑）在网络文化中已形成约定俗成的反讽标记——其视觉图式通过长期语用实践，被赋予“调侃、自嘲、反向暗示”的语用功能。两输入空间共享“评价表达”的形式，但语义极性完全对立，类属空间提取“评价行为”的抽象图式，而具体评价内容形成冲突。这种冲突激活了认知主体的“语义协商”机制，所以必须通过语境判断整合的真实意图。单说“厉害”时，语境预设为“真诚赞美”；加入狗头后，接收者需通过“反讽图式”重新解读，将语义锚定在“看似夸奖实则戏谑”的层面。输入空间就这样通过“对立连接词”实现跨域映射，并在合成空间中生成“反向评价”的层创意义：既形成了“表面称赞实则调侃”的反转效果，又通过表情包这一“元符号”，对文字内容进行二次编码，添加上“这是玩笑”的隐性标注，缓和了直接调侃的冒犯性，通过“幽默框架”维持好交际双方的关系平衡。

狗头表情包的反讽功能并非天生，而是源于网络亚文化的语用约定：在早期论坛语境中，用户为避免反讽被误读，常在调侃内容后加“狗头”作为“防杠标记”，久而久之，狗头成为“此句为反讽”的显性符号。“厉害+狗头”的整合本质是通过视觉符号的语用功能对语言符号的语义极性进行重构。从反讽图式到极性对立映射到语义框架转换再到层创反讽意义生成，这一过程凸显了多模态整合中“符号功能超越表象形态”的特殊性，即表情包不仅是情感或语境的补充，更能通过文化约定的符号功能，从根本上颠覆文字的语义指向，实现“说东指西”的语用效果。

三、语言与图像间互动的认知新特征

多模态整合揭示了概念整合理论的三大认知操作新特征：首先是即时协商性。不同于语言隐喻的相对固定性，多模态整合的意义生成高度依赖交际双方的实时互动——如“呵呵+微笑”在不同对话轮次中可能从“礼貌”演变为“讽刺”。其次是多路径选择性。同一组“文字+表情包”可能激活多个整合路径（如上面提到的“微笑”表情就可解读为“礼貌”或“讽刺”），这时，就需要认知主体根据语境快速选择最优路径来解读。最后是容错性宽容。多模态整合对“语义冲突”的包容度更高，允许文字和表情包间存在一定程度的意义张力（如“痛苦+大笑”的矛盾组合可整合为“痛并快乐着”）。

四、结论

本研究通过概念整合理论，系统揭示了表情包与文字互动的认知本质：它是认知主体在数字语境中，通过“模态转译——图式提取——冲突协商”实现的多模态意义建构过程。情感强化、语境补全、语义反转这三类整合模式，分别通过具象化、场景化、幽默化机制生成层创意义。从理论价值看，该研究不仅验证了概念整合理论对多模态话语的解释力，更通过新媒体语境下的实例分析，为该理论注入了模态异质性整合和即时认知协商等时代性内涵；从实践意义看，研究发现可为社交媒体设计提供认知依据——如优化表情包的语义透明度以降低跨文化整合偏差等。正如Fauconnier & Turner（2002）在《我们如何思维》中所指出的，“人类思维的本质在于概念的创造性整合”，在多模态交际日益普及的今天，表情包与文字的互动不仅是语言现象，更是人类认知能力在数字时代的创造性延伸。理解这种认知机制，不仅关乎语言学理论的发展，更关乎我们如何在符号狂欢中保持对意义本质的理性思考。

参考文献：

1. [1] 管邦迪,向明友.翻译过程的概念整合新解——以《红楼梦》文化负载词英译为例[J].外语教学,2024,45(01):95-100.
2. [2] Fauconnier G. Conceptual integration networks[J].Cognitive science,1998,22(02):133-187.
3. [3] Fauconnier G, Turner M. The Way We Think[M].New York:Basic Books,2002.
4. [4] 黄华.试比较概念隐喻理论和概念整合理论[J].外语与外语教学,2001(06):20-22+34.
5. [5] 李少华.概念整合理论视阈下漫画多模态隐喻研究——以“环保”类漫画为例[J].中原文学,2025(02):161-163.
6. [6] 石羽墨.概念整合视角下情景喜剧中的言语幽默分析——以《摩登家庭》为例[J].英语广场,2024(36):35-38.
7. [7] 苏晓军,张爱玲.概念整合理论的认知力[J].外国语(上海外国语大学学报),2001(03):31-36.
8. [8] 张辉,杨波.心理空间与概念整合:理论发展及其应用[J].解放军外国语学院学报,2008(01):7-14.