A Pragmatic Analysis of Deixis in a Religious Text
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This research tackles the pragmatic analysis of deixis in a religious text. It aims at: 1) Identifying and showing the occurrences of deixis in the religious text. 2) Finding out the most dominant type of deixis in the text. 3) Analyzing the reasons behind using these types of deixis and how they affect the audience who hear or read the speech. The source of data was taken from a religious lecture presented by Imam John Starling at Queens College in 22/10/2014 about imaan (faith) which is taken as a sample. The procedure followed in this research was reading and writing down the deictic expressions: person, place and time deixis. The findings showed that person deixis occurred for 202 times, place deixis for 11 times and time deixis for 6 times only, which indicates that the most dominant type is person deixis. After analyzing the three types of deixis in this text, the researcher has concluded that the reason behind the frequent use of person deixis could be due to the particularity of the religious texts which are centered on the Divine Entity, thus the speakers/writers always making a reference to God by using the third person pronoun ‘He’. In addition, this kind of texts is usually about guidance and advice, therefore, the pronoun ‘You’ also occurs frequently to address the audience directly and to draw their attention. And since the adviser (imam) wants to make his audience feel that he belongs to them and shares with them the same destiny, he used the pronouns ‘We’ and ‘Us’. In return, place and time deixis are very few in this text and occurred mostly during narrating some stories and setting some examples.
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.
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 | 0,000 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle