A Critical Discourse Analysis of the State of Emergency Speech Declared by Olusegun Obasanjo in 2004
Notice bibliographique
Résumé
Several studies have analysed the way presidential/political speeches are deployed to capture the ideologies of the speech maker. Many as these studies are, scholars have not attempted a critical discourse analysis of the State of Emergency speech declared by former Nigeria President Olusegun Obasanjo, in May 2004. This study examines the State of Emergency speech with a view to examining the way various linguistic categories are deployed to achieve different functions in the speech. The study deploys Norman Fairclough’s model of critical discourse analysis as theoretical framework. This model is adopted because it provides a platform for the description, interpretation and explanation of text and talk. The data is sourced through the purposive sampling method. This is because the speech is considered as one of those in which Obasanjo’s power consciousness, through his linguistic choices, is enunciated. The study revealed that Obasanjo used nouns, verbs, adverbs, adjectives, collocations and assertions to achieve three main purposes in the text: to justify his decision to declare a state of emergency in Plateau State, to castigate purported culprits and to delegitimise, unequivocally, violence/terrorism. The study reveals that Obasanjo uses language to underscore the need to chart a new course for good governance in the war-torn Pateau State.
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 | 0,000 |
| 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 | 0,001 | 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 ».