MétaCan
Menu
Retour à la cohorte
Enregistrement W3161082925 · doi:10.5430/elr.v10n2p1

Critical Discourse Analysis of Iran-China Relations Through Football Headlines

2021· article· en· W3161082925 sur OpenAlexvenueno aff
Rajdeep Singh

Notice bibliographique

RevueEnglish Linguistics Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsChinaOppressionIdeologyFootballHeadlineSociologyCritical discourse analysisPolitical economyPolitical scienceMedia studiesLawLinguistics

Résumé

récupéré en direct d'OpenAlex

Iran and China are getting closer day by day, from economic to political to social relations. Since media plays a significant role in shaping norms, social relations, and values in society, it is not a neutral medium to propagate information only. Social and political elites, as well as political fractions, use media to shape public opinion with the least cost. Therefore, this paper attempts to answer the question as to which ideologies, social and political thoughts Iranian football headline-writers attempt to convey to the wider public in Iran. To answer this question the main hypothesis of the paper posits that Iranian political and social elites are conveying a much more economic dimension of China, downplaying the political dimension of China, including the mounting political oppression inside China and Hong Kong, and the dramatic situation of Chinese Muslims. This paper approaches the abovementioned question under the framework of critical discourse analysis proposed by Norman Fairclough (1989). With regards to the methodology of the paper, a qualitative approach has been adopted, availing itself of different headlines of Iranian sport. Findings of the paper indicate that elites in Iran are proposing to the public a much rosier image of china due to closer political and economic ties between the two countries.

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)0,003
score de la tête « metaresearch » (Gemma)0,148
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,148
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,142
Tête enseignante GPT0,488
Écart entre enseignants0,346 · 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'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Linguistics ResearchMême sujetSports, Gender, and SocietyTravaux en français237 207