Being Optimistic About Inclusion: Biden’s Rhetorical Strategy of Positive Self-Presentation Reflected in Teacher Training Policy
Notice bibliographique
Résumé
This paper reveals how Joseph Biden creates an image of a president-optimist through rhetorical strategy of positive self-presentation by using language effectively in his inaugural speech. The strategy is realized by two tactics – positive representation of compatriots and forecasting good future for the USA. Aimed at evoking in the audience optimistic thoughts and moods, these tactics ensure appropriate use of rhetorical devices. In the tactics of positive representation of compatriots presupposing describing American citizens in a good light, Biden employs predominantly hyperboles (4 occurrences), metaphors (5 occurrences) and repetitions (12 occurrences). The tactics of forecasting good future for the USA consisting in describing positive experiences, wellbeing and prosperity in the future is realized by repetitions (29 occurrences), antitheses (27 occurrences) and metaphors (11 occurrences). Drawing on the rhetorical devices in the analyzed texts it is revealed the tactics of discrediting the opponents, the tactics of demonstrating power and others which obviously contribute to other strategies. This research demonstrates that Biden is likely to present himself positively in an attempt of maintaining power and support. The paper also discusses electoral promises and steps made by Biden’s administration to improve the quality of education based on the principles of equity, diversity, and inclusion. It is established that growing investment in education is vital and teacher development should receive special attention on organizing a safe inclusive learning environment.
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 | 0,005 | 0,012 |
| 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 | 0,012 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».