MétaCan
Menu
Retour à la cohorte
Enregistrement W3169760814 · doi:10.1017/9781108363365

The Language of Violent Jihad

2021· book· en· W3169760814 sur OpenAlexaff
Paul Baker, Rachelle Vessey, Tony McEnery

Notice bibliographique

RevueCambridge University Press eBooks · 2021
Typebook
Langueen
DomaineSocial Sciences
ThématiqueTerrorism, Counterterrorism, and Political Violence
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRadicalizationIdentification (biology)Perspective (graphical)LinguisticsMetaphorReading (process)DehumanizationPsychologySociologyComputer scienceHistoryArtificial intelligenceTerrorism

Résumé

récupéré en direct d'OpenAlex

How do violent jihadists use language to try to persuade people to carry out violent acts? This book analyses over two million words of texts produced by violent jihadists to identify and examine the linguistic strategies employed. Taking a mixed methods approach, the authors combine quantitative methods from corpus linguistics, which allows the identification of frequent words and phrases, alongside close reading of texts via discourse analysis. The analysis compares language use across three sets of texts: those which advocate violence, those which take a hostile but non-violent standpoint, and those which take a moderate perspective, identifying the different uses of language associated with different stages of radicalization. The book also discusses how strategies including use of Arabic, romanisation, formal English, quotation, metaphor, dehumanisation and collectivisation are used to create in- and out-groups and justify violence.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,865

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,017
Tête enseignante GPT0,252
Écart entre enseignants0,235 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetTerrorism, Counterterrorism, and Political ViolenceTravaux en français237 207