MétaCan
Menu
Retour à la cohorte
Enregistrement W2921633326 · doi:10.1075/ll.18020.mic

Reframing the linguistic to analyze the landscape

2019· article· en· W2921633326 sur OpenAlex
Amir Michalovich

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLinguistic Landscape An international journal · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMetaphorCognitive reframingIntervention (counseling)PsychologyInterpretation (philosophy)PopulationDomain (mathematical analysis)LinguisticsSociologySocial psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract This article examines how eliciting metaphors from multimodal commercials can facilitate a critical interpretation of advertising media, which is ubiquitous in the LL and highly manipulative. Adolescent students, a population which is particularly vulnerable to advertising’s influence, utilized the analytic tool of metaphor elicitation to abstract away from the vast multimodal information that characterizes commercials, and simplify this information in the linguistic formulation of metaphor (e.g., super-pharm is a circus ). The contrived link between the given brand (e.g., Super-Pharm pharmaceutical stores) and its metaphorically-attached source domain (e.g., circus) was emphasized to increase awareness of how the commercial was structured to deceive consumers. The study evaluated the intervention using a quasi-experimental design, showing that metaphor elicitation facilitated the knowledge , critical attitudes , and responsible behavioral inclinations of participants concerning advertising media. The study suggests that using the linguistic formulation of metaphor can help adolescents critically interpret the increasingly-deceptive commercial landscape .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,678
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,014
Tête enseignante GPT0,315
Écart entre enseignants0,301 · 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