Language Ecology in New Media: An Analysis of CCTV.com on Douyin
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this paper is to find the correlation between linguistic features and social engagement so that we can employ proper language to solve the ecological problem in the new media context. It collected all 2647 video messages of CCTV.com (account name, not website), the official media, on Douyin (China’s domestic version of Tik Tok) from January 1, 2020, to December 28, 2020, which were analyzed and studied by SPSS 22.0 and Corpus Online. It is found that public concern for a topic was significantly influenced by public opinion (r=0.483, p=0.000) and public dissemination (r=0.590, p=0.000). Declarative (n=1858, f=0.57) and Exclamative (n=1132, f=0.35) were used most frequently by CCTV. com, while the former one (p=0.02) was the key point to influence public opinion, while the latter one (p=0.001) had a significant bearing on public concern through regression analysis. On the contrary, Imperative (n=0) is not favored. Interrogative (p>0.05), Punctuation (p>0.05) and Emoji (p>0.05) had no effect on social engagement. The results of this paper indicated that language could significantly guide users’ ecological behavior and value orientation across space-time in the new media context.
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.
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 | 0,001 | 0,013 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 découle