The Pragmatics of Persuasion in Fictional Communication
Notice bibliographique
Résumé
By drawing on a pragmatic approach manifested in five pragmatic concepts: directive speech acts, rhetorical questions, back-channel support, gap-bridging, and interruption, this paper attempts to explore the pragmatic weight of the five pragmatic concepts as conduits of persuasion and/or manipulation at the intradiegetic level of fictional communication represented by Orwell’s Animal Farm. The main objective of the paper, therefore, is to provide a linguistic analysis of the pragmatic strategies effecting persuasiveness in Orwell’s novel. One overarching research question is addressed here: to what extent are the five pragmatic concepts employed as strategies of persuasion and/or manipulation in the selected data? The paper reveals three main findings: first, the five pragmatic strategies under investigation contribute effectively to the production of three types of persuasion at the character-to-character level of discourse: pure, manipulative, and coercive persuasion. Second, the five strategies at hand are manifested in various linguistic forms, including imperatives, interrogatives, lexicalization, and slogans. Third, despite the fact that the pragmatic approach is much more pertinent to the conversational genre, it is linguistically evidenced in this paper that the same approach proves analytically relevant to the study of narrative texts, which further accentuates the crucial role of fictional discourse as a source of data in the advancement of linguistic models and analytical frameworks.
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 | 0,013 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,026 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».