MétaCan
Menu
Retour à la cohorte
Enregistrement W2952987502

Construção dos ethè em discursos políticos em Portugal e no Brasil:: um estudo comparativo

2014· article· pt· W2952987502 sur OpenAlexaff
Sara Topete de Oliveira Pita, Rosalice Pinto

Notice bibliographique

RevuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT) · 2014
Typearticle
Languept
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensCanadian Linguistic Association
Organismes subventionnairesnon disponible
Mots-clésEthosMateriality (auditing)IdeologyRhetorical questionLinguisticsSociologyPoliticsEpistemologyPhilosophyAestheticsPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The concept of ethos was initially used by Aristotle in his rhetorical studies. Since then, several authors recovered the concept in their linguistic-textual and discursive studies. Ducrot addressed the notion of ethos concerning the distinction between speakers λ and L. Maingueneau associates the ethos to the speaker’s statute and to the process of legitimating what it says. Charaudeau also relates ethos with the speaker, linking it to his social, moral and ideologicalrepresentations. This contribution, corresponding to an excerpt of a doctoral thesis, aims at identifying the ethè built by Portuguese and Brazilian statesmen in the “year-end” political messages of 2011 and 2012 and analyze its linguistic and textual materiality. To achieve this goal, we conducted a linguistic analysis focused on speech acts (Searle), on Enunciative Responsibility marks (Adam, 2008) and on lexical-textual structures. Preliminary results indicate the existence of specific ethè of each statesman, as well as common ethè, which have similarities and differences regarding the linguistic realization. Given these results, raises the hypothesis of these differences, whether of ethè or materiality, are due to cultural issues.

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)0,012
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,024
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0070,008
Études des sciences et des technologies0,0130,022
Communication savante0,0110,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,002
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 Opus0,074
Tête enseignante GPT0,394
Écart entre enseignants0,320 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)Même sujetDiscourse Analysis in Language StudiesTravaux en français237 207