Pumping Up the Base: Deployment of Strong Emotion and Simple Language in Presidential Nomination Acceptance Speeches
Notice bibliographique
Résumé
Background and Method: This research examines the nomination acceptance speeches of US presidential candidates from Republican and Democratic parties in the post-WWII mass communication era (1948–2020, 38 speeches). Variables studied are the emotional tone of the speeches, their abstractness, their Grade Level, their employment of personal pronouns and their mentions of “America”. Speeches were scored with the Dictionary of Affect in Language (a sentiment analysis tool). Predictions: On the basis of functionalist theories of political discourse, it was predicted that the speeches would have a pleasant and active or celebratory emotional tone. Based on related research that focused on the effects of mass distribution on presidential communications, it was predicted that the speeches would increase in pleasantness, arousal and linguistic simplicity across years. Results: As predicted, speeches were pleasant and active in tone. Across years, speeches became significantly more arousing, less abstract, simpler, and longer. When individual speeches were divided into five equal portions, a strong significant quadratic trend was observed for pleasantness, which started high at the beginning of a speech, fell in the center, and rose again at the end. Conclusions: Presidential nomination acceptance speeches are emotionally pleasant and active and linguistically simple (Grade 8 level). Between 1948 and 2020, they remained pleasant, and became more active and simpler. In service of their aim to “pump up the base” individual speeches began on a pleasant, nationalistic and personal note, encompassed duller and more impersonal material in their centers, and became positive again at the end.
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 | 0,000 |
| 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) | 0,000 | 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 ».