MétaCan
Menu
Retour à la cohorte
Enregistrement W2982581688 · doi:10.5539/ijel.v9n6p320

The Journalistic Representations of Saudi Women in the Corpus of Contemporary American English (COCA): A Corpus Critical Discourse Analysis

2019· article· en· W2982581688 sur OpenAlexvenueno aff
Waheed M. A. Altohami, Amir H.Y. Salama

Notice bibliographique

RevueInternational Journal of English Linguistics · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesDeanship of Scientific Research, Prince Sattam bin Abdulaziz UniversityPrince Sattam bin Abdulaziz University
Mots-clésCocaCategorizationNarrativeCritical discourse analysisExaggerationContext (archaeology)Thematic analysisNormalization (sociology)SociologyCorpus linguisticsAmerican EnglishLinguisticsPsychologyGender studiesPoliticsIdeologyPolitical scienceHistorySocial scienceQualitative research

Résumé

récupéré en direct d'OpenAlex

This paper is a corpus critical discourse analysis of the journalistic representations of Saudi women as they appear in the Corpus of Contemporary American English (COCA) (Davies, 2008). It follows a sociocognitive approach (van Dijk, 2008) to explore the thematic foci discussing issues related to Saudi women and to discuss the discursive strategies implemented to propagate such issues. The study has reached four findings. First, the thematic foci related to Saudi women are textually and referentially coherent as they were meant to provide a grand narrative underlying a specific context model. Second, Saudi women are negatively represented as no social roles are ascribed to them throughout the corpus. Third, different social actors are also represented alongside Saudi women to put them in a wider socio-cultural context to aggravate their problems. Finally, the most effective discursive strategies which mediated the running context model included victimization, categorization, stereotyping, normalization, and exaggeration.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,071
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,936

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,071
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,331
Écart entre enseignants0,309 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207