Rhetorical and Persuasive Strategies Employed by Imran Khan in his Victory Speech: A Socio-Political Discourse Analysis
Notice bibliographique
Résumé
This study aims to explore the rhetorical and persuasive strategies employed by a political leader to propagate his ideology using language. It intends to critically analyze the victory speech of Pakistani Premier Imran Khan (IK)—the Chairman of Pakistan Tehreek-e-Insaf (PTI)—which he delivered at the Prime Minister House, Islamabad, after being elected as the 22nd Premier of Pakistan in 2018. The researchers attempt to unveil and analyze critically the strategies that worked behind this speech to persuade the audience. Different linguistic tools used for projecting and achieving political power have been identified and scrutinized. The qualitative analysis of the speech is based on theory of Aristotle’s Rhetoric; Ethos, Pathos, Logos and other persuasive strategies like use of personal pronoun, predication strategy, and positive self-presentation and negative others-presentation employed by IK, and further to study how language carries the power of transforming the perception and political views of people. The findings suggest that political discourse is intentionally crafted to communicate and persuade people about specific ideologies located in the discourse in an implicit way and IK uses the Aristotelian rhetorical model comprising of rhetoric, predication strategy, and self-presentation and negative Others-presentation strategy to persuade his audience to follow his hidden agendas.
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 | 0,012 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».