Emotions and Religions: Media Representations and Visual Metaphors of Emotions on the World Wide Web
Notice bibliographique
Résumé
The article analyses two research problems related to media representations (digital lexicons of emotions) and visual metaphors of emotions in the Internet materials concerning religions during the pandemic. For the analyses two research techniques were used: analysis of the content and analysis of visual metaphors. Using the key words ‘religion’ and ‘coronavirus’ yielded 100 natural search engine results from Google Search (organic search), coming from all over the world, e.g. UK, USA, Poland, Canada, India, Israel, Iran, Qatar, North Korea, subject to content analysis. The research material employed in the study of metaphors are selected illustrations listed in an international catalogue of photographs and illustrations involving religious motifs, available during the COVID-19 pandemic. The metaphor analysis covered the illustrations selected from the study data, with the richest visual semantics and meeting at least one of the definition requirements for a visual metaphor. On the basis of the analyses of virtual lexicons of the emotions of fear (and accompanying distrust), anger/wrath, happiness/joy (and accompanying: hope, trust, satisfaction, mental balance, peace of mind, closeness, solidarity, compassion, care, solace), and sadness/uncertainty, a general conclusion was formulated about the enrichment of the emotional media culture with new contexts of language use. The described examples of visual metaphors of emotions allowed for the reading of compositional techniques, symbolism, colours, contrast and elements taken from the original metaphors. The results contribute to the studies of the social concept of emotions presented in the digital media and of new contexts of their media representations. They point to the adjustment forms of the organization of social life on the Internet initiated by religious practices that are, by their nature, emotional. The media representations and visual metaphors of emotions contribute to the creation of universal lexicons of emotions.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».