MétaCan
Menu
Retour à la cohorte
Enregistrement W2913499104 · doi:10.5539/ells.v9n1p80

A Linguistic Analysis of the Politeness Strategies Used in Doctor-Patient Discourse

2019· article· en· W2913499104 sur OpenAlexvenueno aff
Muhammad Arfan Lodhi, Farah Naz, Sumaira Yousaf, Syeda Nimra Ibrar

Notice bibliographique

RevueEnglish Language and Literature Studies · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitenessConversationExploratory researchDominance (genetics)PsychologyQualitative researchMedicineMedical educationSocial psychologySociologyNursingLinguisticsSocial scienceCommunication

Résumé

récupéré en direct d'OpenAlex

Effective and well-organized communication between the doctors and patients plays a fundamental clinical role and results patient’s early healing of body and mind. Most of the patients’ annoyance and complaints are observed due to the communication gap found in the doctors-patients discourse. This research study was carried out to locate whether divergences occur or not in the utilization and integration of politeness strategies used in medical discourse. The aim of the study is to discover and highlight the communication gap between doctors and patients. In this ethno-linguistic exploratory study, both quantitative and qualitative data were obtained to find answers of the formulated research questions. Findings reveal that majority of the doctors unduly focus on exhibiting power and dominance over patients in their talks made with them. It was also found that doctors mostly use the strategy of ‘Bald on Record’ with both male and female patients; and wide majority of patients showed dissatisfaction with doctors’ conversation during diagnosing, treatment and follow-up visits. It is recommended that doctors should be made liable to execute good politeness and ethical strategies while communicating with patients for medical purposes.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,004
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,298
Écart entre enseignants0,283 · 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'étudeQualitatif
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207