Hate Speech, incitamento all’odio, incitación al odio: EU Parallel Corpora, Legal Discourse, Metadiscourse and Translation
Notice bibliographique
Résumé
According to Sandrelli (2019, p. 111), “the multilingual co-drafting process produces equally authentic language versions of the same document in all the EU official languages. However, what actually happens in practice is that EU legislation is drafted in one language (English, in most cases) and is then translated into all the other ones”. Starting from this assumption, the aim of this paper is to investigate a series of hate speech-related EU documents in order to explore certain features of hate discourse and hate discourse-related phraseology, metadiscourse and translation issues in the English, Italian and Spanish versions of the texts. The quantitative and qualitative analysis will look at the use of peculiar language constructions in the three languages in relation, among other features, to hateful rhetoric, discrimination, violent behaviour, intolerance, harassment, gender inequalities, extremism and racism. Additionally, the features of metadiscourse (Hyland, 2019 [2005]) will be scrutinised in the three languages in order to ascertain whether and to what extent they function as rhetorical markers conferring a persuasive rather than merely an informative and prescriptive character to the texts under consideration. The parallel corpora include documents which date back to 2021. They appear to have as their underlying aim that of disseminating and circulating hate discourse-related counteractions, good practices and procedures in controversial cultural contexts and environments, especially those associated with such divisive matters as the safeguarding of human rights and human dignity of diverse religious, ethnic and social groups.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».