20 世纪初期，匈牙利电影理论家贝拉·巴拉兹就曾预言：“随着电影的出现，一种新的视觉文化将取代印刷文化。”时间流逝，100 年后的今天，我们日常生活的方方面面包括影视、广告、景观、建筑、照片、绘画、服饰等都与视觉息息相关，图像已经成为我们获取信息的最主要媒介，可以说，我们正生活在一个绝对典型的视觉时代中。而在人文和社会科学领域，视觉时代的到来“不仅标志着一种文化形态的转变和形成，而且意味着人类思维范式的一种转变”（《图像转向》，2002） 1，与 20世纪初的语言学转向相对应，如今在哲学、社会和文化等学科领域正在经历米歇尔称之为“图像转向”的变化，学者们纷纷开始以“视觉/图像”为中心建构方法论和理论框架。

于是，图像语言学、多模态话语分析等跨学科的研究领域得以开辟，交际被视为一种运用多种模态（如语言、文字、图像、音乐、动作等）共同完成意义建构的过程，除了有声语言 / 话语和文字外，其他交流渠道和媒介也在协同传递信息。其中，图像语言学主要研究图像如何进行信息传递、表达意义并建立沟通系统，关注图像作为符号的语法结构、语义内涵以及与社会文化的互动关系，例如米歇尔提出元图像的概念，即关于图像的图像，由此说明图像的自我指涉性。以斯坦伯格创作于1964 年的“新世界”系列之一《螺旋》为例，作品描绘一位身穿礼服的绅士在画一幅画，作画者画出来的图形是螺旋式的，他身处螺旋中央，外围是一片乡村景色，有树木、云、山顶和一间小屋。米歇尔指出，斯坦伯格将作品解读为对艺术家生命的映射是一种自我指涉，作品中画家持笔画出螺旋线，末端又指向作画的手本身，形成“创作行为与被创作物”的无限循环。2 与图像语言学重点关注图像和语言/文本的相互渗透关系不同，多模态话语分析进一步将关注范围扩展至图像、声音、手势、空间布局、颜色、字体等各种非语言模态如何共同参与意义的生成与传递，国内有学者曾分析《舌尖上的中国》如何通过多模态话语建构文化意义，发现它通过画面、旁白和字幕突出了中国饮食文化所蕴含的家园认同、“礼”性和谐、历史传承、多元共存等传统文化特征 3 。