尹磊?王宇中?申權(quán)威

摘 要 漢字筆跡特征的評(píng)定是筆跡心理分析的基礎(chǔ)工作，方法學(xué)的局限一直限制著筆跡分析的發(fā)展。研究通過對(duì)全國(guó)1011份有效筆跡樣本分別進(jìn)行主客觀評(píng)定，然后對(duì)收集的數(shù)據(jù)進(jìn)行因素分析和判別分析。結(jié)果顯示：主客觀評(píng)定方法對(duì)筆跡特征的評(píng)定雖有交叉的地方，但側(cè)重于筆跡特征的不同方面；判別分析顯示兩者對(duì)性別的重判正確率相差不大。筆跡的主客觀評(píng)定都有其價(jià)值所在，在今后的研究中，應(yīng)結(jié)合兩種評(píng)定方法對(duì)筆跡特征進(jìn)行評(píng)定。

關(guān)鍵詞 漢字筆跡特征；主觀評(píng)定；客觀評(píng)定

分類號(hào) DF794.2

1 前言

在漢字筆跡心理學(xué)分析中，基礎(chǔ)的工作是對(duì)筆跡特征進(jìn)行篩選與評(píng)定。趙慶梅（2001）通過對(duì)已往文獻(xiàn)的分析，總結(jié)出十一種筆跡分析方法，即特征法、測(cè)量法、比較法、直覺感知法、望氣法、形與態(tài)結(jié)合法、類推法、微觀到宏觀分析法、宏觀到微觀分析法綜合法、綜合法、軟件測(cè)評(píng)法。筆跡特征的評(píng)定方法不一， 一直限制著筆跡分析的發(fā)展。冮勇（2008）認(rèn)為，筆跡研究的方法可以歸納為筆跡整體印象分析和筆跡微觀特征（即元素分析）兩種視角或兩種策略。一般來說，實(shí)證性研究視角多具有元素主義取向；而重視整體特征的分析多為經(jīng)驗(yàn)性研究。童輝杰和楊鑫輝（2003）研究認(rèn)為：筆相學(xué)家的主觀經(jīng)驗(yàn)判斷是沒有根據(jù)的，其經(jīng)驗(yàn)判斷大多是主觀臆測(cè)，經(jīng)不起實(shí)證檢驗(yàn)。這種僅憑經(jīng)驗(yàn)進(jìn)行判斷的筆跡分析很難滿足科學(xué)所要求的客觀性和可重復(fù)性，因而逐漸被摒棄和淘汰，取而代之的是科學(xué)的測(cè)量，即把筆跡當(dāng)成平面幾何圖形對(duì)其特征進(jìn)行測(cè)量。張卿華和王文英（1998）采用漢字筆跡測(cè)量法和80.8神經(jīng)類型量表法，研究了筆跡的年齡特征以及筆跡特征和神經(jīng)類型間的關(guān)系。牛樂（2008）用直尺、量角器等工具對(duì)上留白、下留白等十項(xiàng)筆跡特征進(jìn)行了測(cè)量，研究了筆跡的布局特征。趙娜和李永鑫（2007）指出，測(cè)量法的最大優(yōu)點(diǎn)是可操作性強(qiáng)，不受主觀因素的影響，結(jié)果客觀公正，易為人們所接受，可以被引入計(jì)算機(jī)進(jìn)行自動(dòng)化操作。20世紀(jì)末，隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，人工智能和模式識(shí)別技術(shù)讓我們能夠以全新的視角來處理筆跡。為了更好地將手寫體轉(zhuǎn)譯為印刷體，人們采用計(jì)算機(jī)技術(shù)不斷地改進(jìn)識(shí)別手寫體的質(zhì)量。何震宇（2003）提出了“去除筆跡的格線和噪音”“矩特征算法”“筆跡紋理分析”等方法，對(duì)筆跡特征的計(jì)算機(jī)識(shí)別進(jìn)行了深入的考察。在客觀測(cè)量在筆跡分析技術(shù)上大行其道時(shí)，冮勇和孔克勤（2009）指出，已往的研究過于關(guān)注可客觀測(cè)量的筆跡特征，而忽視了筆跡整體印象的評(píng)定。這背離了筆跡學(xué)研究開創(chuàng)者克拉格斯（Ludwig Klages，1972～1956）所提倡的整體性研究思想。筆跡特征具有怎樣的整體結(jié)構(gòu)是研究筆跡與人格關(guān)系的前提。隨后，冮勇和孔克勤（2009）采用“整體性印象評(píng)定”研究取向，編制了“漢字筆跡整體特征評(píng)定量表”。這是對(duì)主觀評(píng)定方法的信奉和改良。

方法學(xué)上的局限一直限制著筆跡分析的發(fā)展。目前，筆跡分析兩種主流的方法取向是：主觀評(píng)定和客觀評(píng)定。主觀評(píng)定是較成熟且應(yīng)用較多的方法，前人的研究大多依賴這種方法，但主觀評(píng)定方法由于誤差較大，評(píng)定標(biāo)準(zhǔn)不一， 一直被科學(xué)心理學(xué)所排斥。客觀評(píng)定方法發(fā)展相對(duì)較晚，具有量化或計(jì)量?jī)?yōu)勢(shì)，但卻無法對(duì)筆跡的“整體印象”如美觀度、潦草度等特征進(jìn)行評(píng)定。評(píng)價(jià)這兩種分析方法的標(biāo)準(zhǔn)主要是效度，本研究試圖對(duì)同一樣本采用兩種方法進(jìn)行分析，以探討兩種評(píng)定方法的優(yōu)劣。

2 方法

2.1 被試

對(duì)全國(guó)多個(gè)省份的1100名被試進(jìn)行筆跡樣本采集，最終1011名被試的筆跡材料符合要求。其中男性477人，女性465人，69人性別信息缺失；被試年齡為16歲至71歲。

2.2 研究工具

2.2.1 書寫筆、紙和墊板

為了控制書寫時(shí)影響筆跡特征的無關(guān)變量，采用王高強(qiáng)（2013）的標(biāo)準(zhǔn)化工具測(cè)評(píng)法，選用統(tǒng)一的書寫筆、書寫紙、書寫墊板和漢語抄寫材料：標(biāo)準(zhǔn)書寫用筆為晨光牌MG-2180型號(hào)0.5mm水筆；標(biāo)準(zhǔn)書寫用紙為立印牌高級(jí)多功能復(fù)印紙210mm×297mm，70g/m2；書寫墊板為得力牌9353型號(hào)墊寫板；標(biāo)準(zhǔn)抄寫材料為包含147個(gè)漢字的文字材料（題目為《人生的大智慧》）。

2.2.2 漢字筆跡特征量化識(shí)別系統(tǒng)（CCQAS4.0）

該系統(tǒng)由課題組與河南大創(chuàng)公司聯(lián)合研發(fā)而成。該系統(tǒng)借助計(jì)算機(jī)信息技術(shù)，以掃描后的書寫筆跡材料圖片文件為處理對(duì)象，通過分析算法，最終可獲得27個(gè)漢字筆跡特征參數(shù)。該系統(tǒng)用量化分析代替以往的手工測(cè)量，大大提高了參數(shù)的準(zhǔn)確性和運(yùn)算效率。

2.2.3 漢字筆跡主觀評(píng)定量表

采用劉勇華（2014）編制的漢字筆跡主觀評(píng)定量表，該量表包含30個(gè)筆跡特征項(xiàng)目，采用李克特7級(jí)評(píng)分。量表編制過程中采用了定義明確、評(píng)定難度較低以及評(píng)價(jià)一致性好三個(gè)標(biāo)準(zhǔn)，故該量表具有較好的內(nèi)容效度和評(píng)分者信度，各項(xiàng)目組內(nèi)相關(guān)系數(shù)均在0.8以上。

2.3 方法與程序

2.3.1 筆跡樣本采集

對(duì)30名參與實(shí)驗(yàn)人員進(jìn)行培訓(xùn)后，分別在全國(guó)7個(gè)省、直轄市采用以上標(biāo)準(zhǔn)工具和標(biāo)準(zhǔn)程序?qū)?100名被試進(jìn)行筆跡采集。指導(dǎo)語：“各位朋友，大家好?，F(xiàn)在大家面前都有一支筆、一張白紙和一份抄寫材料，請(qǐng)把墊板放在白紙下面，把這一段文字材料按照平時(shí)的書寫速度和書寫習(xí)慣抄寫到白紙上。請(qǐng)注意秒表，最后把抄寫所用時(shí)間寫在下面的表格中。準(zhǔn)備好了，現(xiàn)在開始?！北辉嚦瓕懡Y(jié)束后回收筆跡樣本，進(jìn)行篩選后采集到1011份有效筆跡樣本。

2.3.2 筆跡特征量化主觀評(píng)定

對(duì)30名實(shí)驗(yàn)人員進(jìn)行主觀評(píng)定培訓(xùn)，采用漢字筆跡主觀評(píng)定量表進(jìn)行評(píng)定，每位評(píng)定者大約評(píng)定100份筆跡，每一份筆跡經(jīng)過前后3次不同評(píng)定者的評(píng)定，取3次評(píng)定的平均數(shù)作為最終的結(jié)果。

2.3.3 客觀度量

對(duì)1011份筆跡資料用明基Q66掃描儀進(jìn)行圖片全真掃描，然后使用CCQAS4.0對(duì)掃描儲(chǔ)存的筆跡圖片進(jìn)行客觀度量，獲得每份筆跡資料的24個(gè)筆跡特征參數(shù)。

2.3.4 數(shù)據(jù)處理

使用EXCEL2003和SPSS21.0對(duì)數(shù)據(jù)進(jìn)行管理，用SPSS21.0對(duì)主客觀評(píng)定收集的數(shù)據(jù)進(jìn)行分析處理。

3 結(jié)果

3.1 因素分析

3.1.1 主觀評(píng)定數(shù)據(jù)的因素分析

為了探討主觀評(píng)定包含的潛在筆跡因子，對(duì)主觀評(píng)定的“整體清晰度”“整體工整度”“行一致性”“行距大小”等30個(gè)筆跡變量進(jìn)行因素分析，采用主成分分析法（Principal Component Analysis，PCA）提取因子，并對(duì)結(jié)果進(jìn)行方差極大化正交旋轉(zhuǎn)。KMO值為0.876，Bartletts球型檢驗(yàn)結(jié)果在0.01水平顯著，適合做因素分析。通過多輪因素分析，逐步刪除個(gè)別因素負(fù)荷小于0.35的項(xiàng)目或者存在多重負(fù)荷的項(xiàng)目。根據(jù)碎石圖的特點(diǎn)，抽取了特征值大于1的因子5個(gè)，累計(jì)方差貢獻(xiàn)率為68.14%。

根據(jù)因素分析結(jié)果，“整體清晰度”“整體工整度”“筆劃流暢度”“成熟度”“行清晰度”“行一致性”“行距大小”等7個(gè)筆跡特征變量在因子S1上有較高負(fù)荷，共同解釋總變異的24.86%，這些筆跡特征反映書寫者筆跡具有清晰、工整、一致、成熟的特點(diǎn)，故本研究將因子S1命名為“整潔性”?！白煮w大小”“字體寬窄”“橫劃長(zhǎng)短”“捺劃長(zhǎng)短”“撇劃長(zhǎng)短”“豎劃長(zhǎng)短”“字間距”等7個(gè)筆跡特征在因子S2上負(fù)荷較高，解釋總變異的18.23%，這些筆跡特征反映的是筆跡字體的基本筆劃的長(zhǎng)短以及字體的高矮寬窄等大小特點(diǎn)，故本研究將因子S2命名為“筆劃長(zhǎng)度”?！白罅舭住薄坝伊舭住薄吧狭舭住钡?個(gè)筆跡特征在因子S3上負(fù)荷較高，解釋總變異的9.99%，反映筆跡的留白大小情況，因此將因子S3 命名為“留白大小”。“連筆多少”和“字體棱角”這兩個(gè)特征同在因子S4上負(fù)荷較高，解釋總變異的8.88%，連筆和棱角反映的是字體的清晰、工整情況，所以研究將因子S4命名為“連筆與棱角”?！白筮吘嘁恢滦浴薄坝疫吘嘁恢滦浴痹谝蜃覵5上負(fù)荷較高，解釋變異的6.18%，反映的是筆跡邊距一致性情況，因此將因子S5命名為“邊距一致性”。

3.1.2 客觀評(píng)定數(shù)據(jù)的因素分析

對(duì)客觀評(píng)定的頁眉留白、頁腳留白、左側(cè)留白、右側(cè)留白等29項(xiàng)筆跡特征再加上時(shí)間共30個(gè)筆跡特征進(jìn)行因素分析。同樣采用主成分分析法提取因子，并對(duì)結(jié)果進(jìn)行方差極大化正交旋轉(zhuǎn)。KMO值為0.72，Bartletts球型檢驗(yàn)結(jié)果在0.01水平顯著，適合做因素分析。根據(jù)碎石圖的特點(diǎn)，抽取了特征值大于1的因子6個(gè)，累計(jì)方差貢獻(xiàn)率為71.30%。

根據(jù)因素分析結(jié)果，平均字面積、最大字面積、標(biāo)題字體面積、最小字面積、均勻程度比、像素?cái)?shù)等6個(gè)筆跡特征在因素1上有較高的負(fù)荷，該因素命名為“字體面積”。平均行間距、最大行間距、最小行間距、標(biāo)首距等4個(gè)筆跡特征在因素2上有較高負(fù)荷，該因素命名為“行間距”。平均高寬比、標(biāo)題高寬比、最大高寬比、最小高寬比等4個(gè)筆跡特征在因素3上有較高負(fù)荷，命名為“字體高寬比”。平均行傾角、最大行傾角、標(biāo)題傾斜度等3個(gè)筆跡特征在因素4上有較高負(fù)荷，該因素命名為“行傾斜度”。左側(cè)留白、頁眉留白、右側(cè)留白等3個(gè)筆跡特征在因素5上有較高負(fù)荷，該因素命名為“留白大小”。時(shí)間特征在因素6上有較高負(fù)荷，該因素命名為“書寫速度”。

3.2 性別的判別分析

大量的研究表明，在多數(shù)筆跡特征上存在性別差異（張卿華，王文英，1998；秦玉紅，孫艷，2009；冮勇，董巍，2013）。本研究嘗試以性別為分組變量，以主客觀評(píng)定的筆跡變量為自變量分別建立判別模型，來考察兩種評(píng)定方法對(duì)性別重判的正確率，以此作為評(píng)價(jià)兩種分析方法的外部效度之一。

3.2.1 主觀評(píng)定的判別分析

將被試按性別分為兩組，用主觀評(píng)定的筆跡變量對(duì)兩組進(jìn)行判別分析，比較兩組情況。使用步進(jìn)式方法得到以下判別分析模型：

D=-0.24連筆多少+0.44行距大小+0.28標(biāo)點(diǎn)規(guī)范度+0.67性別傾向-0.31成熟度

該判別模型的特征值為0.15，正則相關(guān)系數(shù)為0.27；Wilks lambda值極顯著，表明兩組平均值顯著不同。用判別模型將兩組被試重新判別，正確率為64.90%（見表1）。

3.2.2 客觀評(píng)定的判別分析

使用客觀評(píng)定的筆跡變量對(duì)按性別分為兩組的被試進(jìn)行判別，建立以下判別分析模型：

D=0.65頁腳留白+0.43標(biāo)題字體大小+0.66最大字面積+0.74平均高寬比-0.69最小高寬比

該判別模型的特征值為0.08，正則相關(guān)系數(shù)為0.32；Wilks lambda值極顯著，表明兩組平均值顯著不同。用判別模型將兩組被試重新判別，正確率為61.70%（見表2）。

表1 主觀評(píng)定對(duì)成員的性別判斷

性別 預(yù)測(cè)組成員 合計(jì)

男 女

男（初始） 307 170 477

女 161 304 465

未分組的案例 25 44 69

表2 客觀評(píng)定對(duì)成員的性別判斷

性別 預(yù)測(cè)組成員 合計(jì)

男 女

男（初始） 264 213 477

女 148 317 465

未分組的案例 32 37 69

4 討論

主觀評(píng)定中抽取了整潔性、筆劃長(zhǎng)度、留白大小、連筆與棱角和邊距一致性等五個(gè)因子；客觀評(píng)定中抽取了字體面積、行間距、字體高寬比、行傾斜度、留白大小和書寫速度等六個(gè)因子。兩者進(jìn)行比較可知：主觀評(píng)定中的“留白大小”因子與客觀評(píng)定的“留白大小”是一致的。同時(shí)，主觀評(píng)定中的字體大小、邊距一致性和客觀評(píng)定的字體面積、行間距、字體高寬比等評(píng)定的都是筆跡的字體大小和間距方面的特征。主觀評(píng)定主要依據(jù)的是直覺經(jīng)驗(yàn)，沒有明確的操作定義；每個(gè)人的評(píng)定標(biāo)準(zhǔn)不同，可能會(huì)導(dǎo)致較大的差異。劉加艷、鄭全全和時(shí)勘（2005）指出：“在對(duì)筆跡分析進(jìn)行實(shí)證研究時(shí)，由于各個(gè)研究者對(duì)筆跡特征的操作定義不完全一致，同時(shí)納入研究中的筆跡特征也各不相同，因而給實(shí)驗(yàn)結(jié)果的橫向比較帶來了困難?！笨陀^評(píng)定是計(jì)算機(jī)自動(dòng)化的評(píng)定，它有著客觀、標(biāo)準(zhǔn)化的評(píng)定標(biāo)準(zhǔn)，這大大縮小了操作誤差，同時(shí)也提高了效率?？陀^評(píng)定中提取的六個(gè)因子是對(duì)筆跡的具體、細(xì)節(jié)的特征進(jìn)行的評(píng)定。筆跡學(xué)開創(chuàng)者克拉格斯認(rèn)為，對(duì)筆跡的理解應(yīng)該采用直觀性、無媒介的理解，即一種“整體性”的把握。與西方的字母文字相比，漢字作為一種象形文字具有更加復(fù)雜的結(jié)構(gòu)。同時(shí)，語言學(xué)和神經(jīng)心理學(xué)的研究表明，漢字的形態(tài)更加具有“整體性”的特點(diǎn)。冮勇和董?。?013）在運(yùn)用自編漢字筆跡整體特征評(píng)定量表考察漢字筆跡整體特征不同水平書寫者的人格特質(zhì)差異時(shí)研究得出，筆跡與人格間并不存在“量”上的相關(guān)性，研究并沒有得出類似于“筆劃越長(zhǎng)越外向”這樣的結(jié)論。筆跡可能存在類的區(qū)分，這提示我們需要重新審視對(duì)筆跡的整體性印象評(píng)價(jià)的價(jià)值。

張卿華和王文英（1998）的研究表明，在字的高度、寬度方面，男性均顯著大于女性。秦玉紅和孫艷（2009）研究表明：男性的書寫水平低于女性，男性筆跡較潦草；男性筆跡的字行間距大于女性。冮勇和董?。?013）研究發(fā)現(xiàn)，男女兩性在筆跡的工整度、書寫流暢性和書寫規(guī)范性上差異顯著。諸多的研究顯示，男女筆跡特征差異較大。本研究以性別為分組變量，以主客觀評(píng)定的筆跡變量為自變量分別建立判別模型，來考察兩種評(píng)定方法對(duì)性別重判的正確率。主觀評(píng)定的判別分析結(jié)果可以看出：以最終進(jìn)入判別方程的五個(gè)筆跡變量建立的判別模型對(duì)性別的重新判別正確率為64.90%?？陀^評(píng)定的判別分析結(jié)果得出：同樣進(jìn)入的五個(gè)筆跡變量建立的判別模型對(duì)性別的重新判別正確率為61.70%。對(duì)性別的判斷正確率與莫雷和楊蓮清（1995）以及Hayes（1996）等人的研究結(jié)果基本相似。判別分析的結(jié)果顯示兩種評(píng)定方法對(duì)性別的重判正確率差異不大。

縱觀筆跡評(píng)定發(fā)展的歷程，從最開始的完全主觀經(jīng)驗(yàn)的評(píng)定到后來對(duì)具體筆跡特征客觀的測(cè)量，我們不應(yīng)該從一個(gè)極端走向另一個(gè)極端。要重視主觀的“整體印象評(píng)價(jià)”的價(jià)值，正如羅西（Rossi）所說，在筆跡研究中要能夠?qū)ⅰ罢w性方法”和適用于該領(lǐng)域的、有效的“分析形式”相互結(jié)合。我們應(yīng)該利用客觀評(píng)定的標(biāo)準(zhǔn)化、誤差小、效率高等特點(diǎn)，同時(shí)也要重視主觀評(píng)定對(duì)筆跡整體特征評(píng)價(jià)的價(jià)值。在此方面，童輝杰（2004）已經(jīng)進(jìn)行了嘗試，他選取的148個(gè)筆跡特征中包括客觀測(cè)量指標(biāo)以及等級(jí)評(píng)定指標(biāo)，以此為基礎(chǔ)編制的漢字筆跡特征投射分析系統(tǒng)在后來的實(shí)證研究和應(yīng)用研究中都顯示了很好的效果。

總之，筆跡的主客觀評(píng)定方法都有其價(jià)值，同時(shí)也有其局限。我們應(yīng)該充分利用主客觀評(píng)定的優(yōu)勢(shì)，將兩種評(píng)定方法結(jié)合，更加全面、準(zhǔn)確地把握筆跡特征，這對(duì)于筆跡測(cè)量領(lǐng)域的發(fā)展是大有幫助的。

參考文獻(xiàn)

何震宇，李和平. 中文筆跡鑒別軟件研究與開發(fā). 碩士學(xué)位論文，武漢理工大學(xué).

冮勇.（2008）. 筆跡與人格的關(guān)系. 博士學(xué)位論文，華東師范大學(xué).

冮勇，董巍.（2013）. 漢字筆跡整體特征不同水平書寫者的人格特質(zhì)研究. 心理研究，6（03），45-50.

冮勇，孔克勤.（2009）. 漢字筆跡整體特征結(jié)構(gòu)及評(píng)定量表的編制. 心理研究，2（05），59-64.

劉加艷，鄭全全，時(shí)勘.（2005）. 中文筆跡分析研究進(jìn)展. 心理科學(xué)，28（02），442-443.

劉勇華.（2014）. 漢字筆跡主觀評(píng)定量表的編制及筆跡與人格關(guān)系的探討. 碩士學(xué)位論文，鄭州大學(xué).

莫雷，楊蓮清.（1995）. 書寫字體的性別差異研究. 心理學(xué)報(bào)，27（04），407-412.

牛樂.（2008）. 筆跡布局特征的客觀分析及其與人格關(guān)系的初探. 碩士學(xué)位論文，山西醫(yī)科大學(xué).

秦玉紅，孫艷.（2009）. 中文筆跡性別差異的研究. 刑事技術(shù)，02，33-35.

童輝杰.（2004）. 投射技術(shù)：對(duì)適合中國(guó)人文化的心理測(cè)評(píng)技術(shù)的探索. 哈爾濱：黑龍江人民出版社.

童輝杰，楊鑫輝.（2003）. 對(duì)非心理學(xué)背景的筆跡分析中經(jīng)驗(yàn)判斷的心理學(xué)驗(yàn)證. 心理科學(xué)，26（05），934-935.

王高強(qiáng).（2013）. 應(yīng)用筆跡特征分析軟件對(duì)筆跡特征及其與人格關(guān)系的研究. 碩士學(xué)位論文，鄭州大學(xué).

張卿華，王文英.（1998）. 漢字筆跡與個(gè)性測(cè)評(píng)研究. 心理科學(xué)，21（04），301-305.

趙娜，李永鑫.（2007）. 人才測(cè)評(píng)中的筆跡分析技術(shù). 中國(guó)人力資源開發(fā)，（04），37-40.

趙慶梅.（2001）. 筆跡分析與測(cè)試. 沈陽：遼寧人民出版社.

Hayes，W. N.（1996）. Identifying sex from handwriting. Perceptual and Motor Skills， 83（3），791-800.