A Pit-bull in Lipstick: The Reciprocal Brand Rhetoric of Sarah Palin
Notice bibliographique
Résumé
This Major Research paper will focus on the Republican American politician Sarah Palin. Sarah Palin is a political figure who has played an interesting role in Republican politics over the last four years. As an unexpected candidate for John McCain’s 2008 Vice Presidential nomination, Palin garnered unprecedented media attention for a running mate. Sarah Palin is a media celebrity, a potential Republican candidate for the 2012 election, and an international household name. The purpose of this research is to explore Sarah Palin as a political actor and celebrity icon by analyzing her use of new media as a platform for her political rhetoric. Specifically, this study looks at the discourse used in Sarah Palin’s social media campaign, with a direct focus on the social media outlet of Facebook. Facebook is a non-traditional political media platform, which allows politicians contact with millions of users in a format that is social, personal and direct. Many politicians have been utilizing new media platforms in order to communicate their political messages to new and diverse audiences. This study analyzes how Sarah Palin is utilizing the medium of Facebook, and how the language she uses in communicating to her supporters affects their experience of current political events. This study aims to show the relationship between the rhetoric she chooses to employ, and the comment activity of her supporters on Facebook. Selections of Sarah Palin’s Facebook Note documents were chosen in order to narrow the scope of this research. The research questions that has directed this study is: Through the social media platform of Facebook, what function does Palin’s use of metaphor play in the reciprocal discourse of supporter comments? Do literary devices such as metaphor affect the nature of audience participation in political social media?
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».