Interaction Management in Nigerian Television Talk Shows
Notice bibliographique
Résumé
Although there is a growing number of works on discourse analysis in Nigeria which covers classroom interactions, courtroom discourse, medical communication and media discourse, the language of television (TV) talk shows has not been fully explored. This study therefore, examined turn management in this genre. It identified the turn distribution strategies in Nigerian television talk shows and the contributions of these strategies to the management of the talks. Sacks, Schegloff and Jefferson’s Conversation Analysis served as our theoretical framework. Three Nigerian TV talk shows, namely, “Patito’s Gang”, “New Dawn with Funmi Iyanda” and “Inside Out” were selected for this study. Each selected talk show comprised four sampled episodes. “Patito’s Gang” from a private television station; “New Dawn with Funmi Iyanda” from a national television station and “Inside Out” from a private television station were purposively selected because they were handled by freelance presenters who were free from undue interference. Collection of data spanned four years: 2004-2008. And the analysis was both quantitative and qualitative. Generally, three turn distribution strategies were identified: Current-Speaker-Selects–Next-Speaker, Next-Speaker-Self-Selects-as-Next and Current-Speaker-Continues (where there is no pre-selection or self-selection). Current speaker selected next speaker by direct questioning, gaze and gestures. Next speaker self-selected as next through interruptions, overlaps, discourse markers, pauses and falling intonation. Where there was no pre-selection or self-selection at Transition Relevance Places, the current speaker continued after a pause of about half a second or more. These strategies enabled effective interaction management amongst the participants as turn allocation was not restricted but moderated by the hosts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».