La sinonimia como estrategia discursiva empleada por Hugo Chávez Frías
Notice bibliographique
Résumé
El discurso político es, en la actualidad, el centro de interés de gran parte de la población venezolana. Su estudio conduce a poner al descubierto la ideología explícita o implícita de sus emisores. En virtud de ello, el objetivo de este trabajo consiste en analizar el uso de la sinonimia como estrategia discursiva empleada por Hugo Chávez Frías, quien ocupa la presidencia de Venezuela desde 1999, y determinar la función estratégica que esta cumple en alocuciones y cartas. La data de la investigación consta de textos orales y escritos producidos en los años 1999, 2000 y 2003, que fueron analizados a fin de ubicar los términos, palabras, vocablos, sintagmas y oraciones con valor sinonímico que se localizan en la formación discursiva representada por la muestra. Esta metodología sigue algunos de los lineamientos propuestos por Vasilachis (1997) para el análisis lingüístico de esta clase de materiales. Entre las conclusiones se destacan las siguientes: la sinonimia es una estrategia discursiva utilizada por Hugo Chávez para legitimar al propio grupo y deslegitimar al oponente, no obstante, predomina en los textos orales por su vínculo con el énfasis y la reiteración; se asocia a la exaltación, el elogio, la alabanza, el denuesto y la emotividad; su empleo tiene la función estratégica de igualar categorías no equivalentes, rasgo propio del discurso populista.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».