Corpus-based critical discourse analysis as a method of exploring underlying ideologies and self-representation strategies in legal texts
Notice bibliographique
Résumé
Legal language is an integral and foundational party of our social reality, but it is underrepresented in interdisciplinary, critical linguistic analyses. This is perhaps because language is more objective and formulaic than media texts, which can be more subjective and emotive (Kjær and Palsbro, 2008). In this paper, I demonstrate how a corpus-based critical discourse analysis of legal language can expose hidden traces of the underlying ideologies of text creators, while demonstrating how identity can be performed in legal texts. <br/><br/>Research is based on a half-million-word corpus of annual reports by the International Criminal Tribunal for the Former Yugoslavia (ICTY). Key semantic domain analysis (Rayson, 2008) is used to identify the most salient themes in the legal texts compared to reference corpora of general written English, indicating areas for closer analysis. <br/><br/>Results show that legal language can be subjective and emotive. The semantic field of ‘crime’ is an expected key, but concordance analysis shows ideological skew in discursive construction of crimes/victims. For instance, ‘rape’/‘sexual assault’ co-occurs with female victims, whereas ‘torture’/‘outrages upon personal dignity’ co-occurs with males. Automated semantic categorization of collocates of Tribunal also indicate differing patterns in self-presentation. Early reports are dominated by discourse of progress/achievement while later reports are concerned with reputation/global perception. <br/><br/>Critical analyses of large bodies of legal language are relatively rare, but extremely culturally relevant. Legal descriptions of crimes/perpetrators/victims are powerful and sometimes subjectively skewed. Further, self-representation of powerful legal bodies and their conceptualizations of ‘success’ and ‘failure’ in establishing/enforcing law will have lasting impacts on human rights.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».