MétaCan
Menu
Retour à la cohorte
Enregistrement W2908370060 · doi:10.5539/ijel.v9n1p36

Factive vs. Ideological Knowledge in Political Discourse

2018· article· en· W2908370060 sur OpenAlexvenueno aff
Thouraya Zheni

Notice bibliographique

RevueInternational Journal of English Linguistics · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPresuppositionIdeologyPoliticsSociologyEpistemologyLinguisticsSocial sciencePhilosophyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Since political discourse portrays politicians’ knowledge state and their ideological assumptions, a critical analysis of Clinton’s speeches may unveil her perceptual and conceptual worlds. More specifically, CDA may uncover Clinton’s mental representations about the Tunisian Revolution and the US attitude towards such an important political event in North Africa and the Middle East. Studying factive presupposition and epistemic modality seems to be an effective pragmatic tool to reveal what is presented as factual or ideological knowledge in political discourse. The research instrument used to sort out the frequency distribution of lexical features, mainly factive and emotive verbs, factive noun phrases, mental state verbs and epistemic modal adjectives and adverbs, is the latest version of “AntConc” software. To uncover the epistemic state of Hillary Clinton, van Dijk’s (1995a) approach is implemented to analyze her speeches between January 2011 and December 2012. At the discourse level, research findings reveal that factive presupposition unveils the speaker’s strong personal commitment to the truth value of her propositions. At the cognitive level, results show that the speaker’s personal and social ideologies and knowledge are demystified by the cognitive mechanisms that govern discourse production and understanding via Idealized Cognitive Models (ICMs), cognitive frames and mental models. This study bridges the gap caused by the lack of research on factive vs. ideological knowledge in political discourse from a socio-cognitive perspective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,003
Études des sciences et des technologies0,0020,010
Communication savante0,0100,010
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,378
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207