道德 (@daodech) header
道德 (@daodech) profile picture

牧養現場的觀察者與反省者

加州,洛杉矶
Joined October 2010
這幾天,Threads 和 FB 滿屏都是蔣萬安與沈伯洋辯論的切片短視頻。 我沒有看完整場辯論,也不熟悉台灣市政,也不便評論政治立場與政策內容。不過,從看到的片段及一些評論來看,從演講呈現的角度,聊聊我以前有提到的逐字稿和即興講道的不同。 沒想到吧,這樣的政治熱度,竟然也能蹭到講道學上來,佩服我自己😄 蔣萬安顯然準備充分,內容組織完整,數據具體,表達四平八穩,口誤也少,甚至好幾個有力排比句的攻擊點明顯是經過排練的。但看稿頻率太高了,講稿痕跡明顯,有時都答不對題,顯然少了些即性交流的自然感。有內容,卻有點悶,有「背稿感」。 沈伯洋則呈現另一種風格。不太依賴講稿,但顯然,準備不是很充分。但表達自然,臨場反應靈活,口語化,偶有金句。但有時論述不夠集中,出現重複、停頓,也欠缺足夠的具體內容支撐。有溫情,但內容不夠扎實。 當然,這只是有限片段留下的印象,不足以評斷整場辯論的勝負。 應用在講道學上,講道者尤其需要警惕對「口才好」的路徑依賴。內容準備充分,不等於表達有效;表達自然流暢,也不等於內容充實。 好的講道,既不是照本宣科,也不是信口開河,而是讓充分預備的內容,在現場得到最自然、有力的表達。
75
上次帶兒子,這次帶女兒。 和女兒說好:我們這次不是去旅行,是 mission trip;女兒也不是玩,不只是陪爸爸,也是爸爸的同工。 ??反正,她很開心,可以請假一天不用上課,但她說最喜歡的是坐飛機,只是舊金山太近了😆
4
103
逐字稿、講道現場和Ai眼鏡 前段時間,有人給我介紹AI 眼鏡,他說自己開始嘗試戴 AI 眼鏡講道,試過兩次,效果不錯。我點心動想試試。😄 過去我常有分享,我一直糾結逐字講章這件事。自從做牧會牧師之後,我就多用逐字稿講道。但好像也慢慢被困住了。 客觀來說,逐字稿當然有它的好處。講道比較完整,臨場出錯比較少,也不容易突然失語。所以,如果只是「聽」我的講道,可能會覺得很流暢;但如果「看」我講道,就會發現一個很明顯的問題:我常常低頭看稿。 但是,如果我們把講道理解為一個「event」,那麼講道就不只是把預備好的文字準確地說出來,而是一件發生在講員、會眾、經文與聖靈之間的現場事件。 從這個角度來說,太依賴逐字稿,未必是一件好事。因為講道需要眼神,需要停頓,需要感受現場,需要講員真正「在場」。 不過,討論這個問題我會區分兩種講員:長期牧養同一群會眾的牧會牧師,和經常受邀到不同地方講道的大會講員。 很多大會講員講的是自己非常熟悉的經文、故事和信息,即使在不同場合有所重複,也沒有太大的問題。但牧會牧師不一樣。每個禮拜面對的都是同一群人,一個故事、一個例子講過了,會眾可能都記得。 而即興講道最容易出現的一個問題,恰恰就是重複:熟悉的故事又講了,順手的例子又用了,甚至連表達方式都可能不知不覺地重複。 所以,對牧會牧師而言,逐字預備有時不只是為了「講得準」,也是在幫助自己避免落入熟悉的講道路徑依賴裡。 但另一方面,我也不願意否定逐字稿。 因為我相信,聖靈不只在講台上工作,也在書房裡工作。講員逐字逐句預備講章的過程,同樣可以有聖靈的感動、光照與參與。所以,逐字稿本身也可以是一種祝福。 那麼,有沒有可能既保留逐字預備的好處,又減少講台上低頭讀稿的限制? AI 眼鏡或許提供了一個可能。 其實這有點像政治人物演講時使用的「透明玻璃台式提詞機」(常被稱為總統提詞器)。台下的人看不見文字,講員卻可以面向聽眾,把預備好的內容完整地表達出來,而且非常精彩。。 AI 眼鏡會不會讓逐字稿不再成為講員與會眾之間的一堵牆?😄
1
5
200
短文分享:關於傳統溫州的講台講道文化
1
129
在 Threads 看到這個帖子,有一些感想。經過原作者同意,截圖分享。 一方面,很佩服作者真的一句一句聽、逐字打出來;另一方面也有點驚訝,原來這麼認真分析講章,竟然是出於對這位講員的不喜歡。😆 同時,AI 時代也讓分析講章變得越來越容易。AI 可以幫助整理講章結構、分析論證、找出重復的語言,甚至比較同一位講員不同時期的信息。甚至能讀出講員的靈性和人格。 換句話說,今天的講道,比以前更容易被仔細閱讀、反復檢視,甚至被拆開來分析。 這對傳道人其實也是一個提醒:AI 越方便,講道反而需要越嚴謹。 但我所說的嚴謹,不只是「每一句話都要小心,不要被人抓到錯誤」。如果只是這樣,最後可能只是讓我們講得越來越安全,也越來越沒有話說。 我要表達的是,傳道人今日世代比任何時代都需要嚴謹地詮釋:詮釋經文,也詮釋講道的對象,以及他們所處的文化⋯
1
93
昨日查經,讀到《啟示錄》十九章裡兩場極具對比的筵席。 一場是羔羊的婚筵:「凡被請赴羔羊之婚筵的有福了!」(19:7–9)赴宴的是蒙救贖的聖徒,穿著光明潔白的細麻衣;經文特別說,這細麻衣「就是聖徒所行的義」。筵席上吃什麼,經文一個字也沒有提。重點只有一件事:羔羊終於與祂的子民相聚,這是等待已久的喜樂。 另一場是神的大筵席:「你們聚集來赴神的大筵席。」(19:17–18)這一次,受召的卻是飛鳥;席上的食物,是君王、將軍、壯士,以及那些聚集軍隊、企圖與騎白馬者爭戰的人(19:19)。 這幅畫面充滿反諷。他們以為自己正在調兵遣將、決定戰局,最後卻不是筵席的主人,也不是尊貴的賓客,而成了席上的肉。地上最有權勢的人,在這裡連旁觀者都不是,只是飛鳥的食物。 更諷刺的是,這些君王不是被拘捕、被拖來作戰;他們是自己聚集,主動選擇與基督爭戰。飛鳥受召而來,只不過是收拾他們自己選擇的結局。 兩場筵席之間,沒有中立地帶,也沒有第三張桌子。你若不是那個穿白衣、赴婚筵的新婦,此刻其實已經是另一桌的食材,只是還沒被端上來而已。 啟示錄從不問你站在哪一邊「觀看」審判,而是問:你在哪一張桌子上。
1
103
約翰麥克阿瑟終於在他過世13個月之後,找到接班人。48歲的Nathan Busenitz 前天正式宣佈接任Grace Community教會新任主任牧師。大教會,或者說名牧接班常常是大問題。希望GCC接下來都順利!
2
1
1
209
圖片說:18世紀時,英國有些教會會雇用「瞌睡喚醒員」(sluggard-wakers),專門留意那些在冗長講道中打瞌睡的會眾。 他們手持一根長長的木杖,一旦發現有人睡著,就會用木杖在他的頭上猛敲一下,把他叫醒。 😆 我評論說:原來講道把人講睡著,真的是一個古老的講道學問題。 以前曾聽溫州教會的老人家說,早年的宣教士在溫州講道,如果看到下面有人昏昏欲睡,就會拿糖果出來,甚至撒些糖果,立竿見影,馬上可以把大家重新「喚醒」。 而且這比英國的方法文明好多。
1
1
2
198
確實沒想到,這次華福大會莊牧師的講道會引起這麼大的討論(估計他自己都有點蒙😆)。只是我覺得,「保羅新觀」在這場討論中實在有點被當成了稻草人,反而讓華福講台真正值得討論的問題失去了焦點。當然也很好,至少意外促成了一波關於「保羅新觀」的神學討論。 我認為,這次事件更值得從講道學的角度來探討。這不只是我上次文章所談的,華福這次去中心化的「講台共同體」;也包括單獨一篇講道本身如何成為一場語言事件(speech event),就有很多值得研究的問題: 1、反題式修辭(rhetorical antithesis)的講道語言,究竟可以承載多大的張力? 2、講員的 intended meaning 與聽眾的 received meaning,為什麼會產生如此大的距離? 3、當口傳的講道被截取、轉述、文字化,原本依靠語氣、上下文和現場氛圍所承載的修辭張力,又會發生什麼變化? 4、甚至,當敘事的力量走在命題之前,講道如何兼顧敘事的衝擊力與神學表述的精確性? 這也讓我想到這次參加吉隆坡公共神學大會,所提交的論文關注的問題:當數位時代的講道放到YouTube上之後,所進入的已經不只是一個「網路空間」,而是一個由平台規則、演算法與公共互動共同建構的新公共領域。 同時,這個領域的負責任的公共性卻是被懸置著的。一篇講道講完之後,可能被剪輯、截圖、切片、轉述和評論,一句存在於二三十分鐘脈絡中的話,也可能被抽離出來,成為判斷一個人神學立場的證據,帶來誤解和傷害。因此我認為,講員與聽眾如何在其中實踐一種「負責任的數位公共性」(responsible digital publicity)」,應該是今天講道學需要面對的新課題。 因此我們可以探討:這次事件如何幫助我們重新理解講員、信息、語言、數字媒介與聽眾之間複雜而動態的關係? 從這個角度看,這次華福講台的爭議,或許正好為今天的華人教會留下了一個很好的講道學homiletical case study。 (夜裡醒來睡不著,再看到白天Ben牧師的文字,也想寫幾句。寫完了更睡不著了😆)
3
131
「講道並非發生在真空之中。它有其宣告所指向的人,也就是身處一個非常具體的當下、在具體的地點與具體的時間中的具體之人。既然講道所面對的是一位具體的聽眾,那麼講道就必須具有高度的個人性。」 “The sermon does not take place in a vacuum. It has a human counterpart at which its proclamation is directed, i.e., specific people in a very specific type of present, in a specific place at a specific time. Having a specific hearer to address, a sermon must be very personal.” — 卡爾巴特 Karl Barth, Homiletics
🤖 Made with AI
1
169