Exploring Edward Said’s Journalistic Collocations in Al-Ahram Weekly Newspaper: A Corpus-Based Approach
Notice bibliographique
Résumé
This paper explores Edward Said’s journalistic collocations as a discursive practice of the social actors that Said frequently referred to in Al-Ahram Weekly newspaper. Towards this end, a corpus-based approach has been utilized in a methodological synergy that combines the corpus techniques of extracting keywords and calculating collocations as well as the qualitative method of analysing social-actor representations (Van Leeuwen, 1996, 2008). The data used for analysis comprise a corpus of virtually all the articles written by Said in Al-Ahram Weekly from 1998 till 2003. The corpus is 105,031words and has been electronically manipulated by the corpus software tools of Wmatrix (Rayson, 2003) and WordSmith (Scott, 2012). The paper has reached three findings. First, Said’s journalistic discourse in Al-Ahram Weekly revolves around 38 social-actor keywords that reflect his thematic foci all through the time span he was writing articles for the newspaper. Second, of all these keywords, only twelve node words have been identified to associate with peculiar collocates; the node words were divided into (1) nominations of political personas and (2) genericizations with various discourse functions. Third, Said’s peculiar collocations reflected his ideological orientations towards certain political personas and specific topics in his journalistic discourse.
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 | 0,001 | 0,019 |
| 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 | 0,001 | 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 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 ».