Social Network Misinformation and Attitudinal Shift: A Sociolinguistic Perspective
Notice bibliographique
Résumé
This paper attempts to investigate the extent to which linguistic misinformation via social networking platforms affects an attitudinal shift on the part of Saudis in terms of the social, political, and religious issues propagated by the various social networks. This study delves into the verbal and nonverbal linguistic strategies employed to influence the cognitive background of Saudis as well as their ideological beliefs in a way that targets a shift in their attitudinal behavior, socially, politically, and religiously. The paper analytically covers two linguistic dimensions of using language to influence others, either persuasively or manipulatively: the lexical level, which focuses on the lexical choices of particular words that serve to create a specific attitudinal shift in the recipients’ personalities, and the pragmatic level, which constitutes the intended meaning of speakers or writers that lies beyond the surface propositional meaning of the linguistic expression. To achieve its objective, the paper draws on two analytical strands: critical discourse analysis (CDA) and the social cognitive theory (SCT). The paper has three main findings: first, language is a rhetorical device for influencing the public’s political, social, and religious views, and, therefore, the rhetorical power of the word significantly contributes to attitudes shift; second, misinformation propagated via social networks influences the attitudinal behavior of recipients, particularly at the social level; and, third, social platforms are ideology conduits via which various meanings targeting attitudes shift are communicated.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».