MétaCan
Menu
Retour à la cohorte
Enregistrement W4293084307 · doi:10.1080/17405904.2022.2087702

An ideological square analysis of the podcast discourse in “Chinese Dreams” of the BBC World Service

2022· article· en· W4293084307 sur OpenAlexaboutno aff
Laksup Apirakvanalee, Yida Zhai

Notice bibliographique

RevueCritical Discourse Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdeologySociologyDiscourse analysisChinaCritical discourse analysisNarrativeMedia studiesGender studiesPoliticsLinguisticsPolitical scienceLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

Employing the ideological square model (Van Dijk, 1998 Van Dijk, T. A. (1998). Ideology: A Multidisciplinary approach. Sage. [Google Scholar], 2000 Van Dijk, T. A. (2000). Ideology and discourse: A Multidisciplinary introduction. Pompeu Fabra University. [Google Scholar]), this article examines polarization strategies of positive and negative representations of ‘us’ and ‘them’ in ideological discourse on the rise of China by Western media. We analyzed discourse properties in the narratives of five podcast episodes of the BBC World Service about the Chinese Dream, one episode each on Australia, Canada, India, Indonesia, and Kenya. The results revealed prevalent negative representations of ‘them’ – emphasizing negative characteristics and de-emphasizing positive ones of China. However, discourse strategies of emphasizing positive characteristics about ‘us’ and de-emphasizing negative things about ‘us’ were only found in Australia and Canada. The podcasts hardly avoided discussing negative aspects of India, Indonesia, and Kenya. In doing so, the BBC’s ideological discourse excluded these countries from ‘us.’ Our study indicates that the ideological square approach is not only useful to elucidate discourses behind positive and negative representations of ‘us’ and ‘them’ but also can identify nuances in discursive construction of ‘us.’

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,052
Tête enseignante GPT0,428
Écart entre enseignants0,377 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Discourse StudiesMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207