Construction of the Belt and Road Initiative in Chinese and American Media: A Critical Discourse Analysis Based on Self-Built Corpora
Notice bibliographique
Résumé
The Belt and Road Initiative reflects China’s ascendance in the world arena. Since its inception, this initiative has received great attention from Chinese and American media. This study applies the critical discourse analysis (CDA) method to investigate the mainstream media construction of the Belt and Road Initiative. Based on the “Lexis Advance” database, a sample of news reports dated between January, 2017 and November, 2018 were selected to build two corpora of China Daily (368 reports with 232 550 words) and The New York Times (154 reports with 106 401 words). Assisted by the two self-built corpora and the corpus software AntConc 3.2.4, the study probes into the similarities and differences between Chinese and American reports in terms of high-frequency words, collocation networks, concordance lines and concordance plots. The findings are (1) both the Chinese and American media pay great attention to the contribution of this initiative to the world economy. (2) Chinese media emphasize the concrete measures of this initiative, while American media focus on its political influence. (3) Chinese media use explicit positive vocabulary to appraise the achievement of this initiative, while American media use explicit negative vocabulary to express Trump administration’s skepticism about this initiative. (4) American government’s attitudes towards this initiative have gradually changed since Trump came to power. Though negative comments still exist, the positive voice has increased.
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 | 0,000 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».