Face-threatening and Face-saving Speech Acts of Teachers: A Discourse Analysis of Classroom Interactions
Notice bibliographique
Résumé
Politeness is fundamental to social order production and social interaction precondition. However, it is inevitable to encounter impoliteness in communication that could threaten a person's self-image. Hence, this study aims to explore the face-threatening acts of teachers in terms of positive and negative faces, as well as how they exhibit face-saving acts in classroom talks. This study employed a discourse analysis approach to investigate how teachers use language to threaten or save students' face needs during classroom interactions. The researchers collected the data from the video recordings taken by researchers from the twelve (12) research subjects' classroom discussions with their students at La Filipina National High School in Tagum City, Davao del Norte. The data was analyzed using the politeness theory of Brown and Levinson (1987) and revealed that the teachers' face-threatening acts in terms of positive face are an insult, disapproval, criticism, bringing bad news, threat, non-cooperation, and unleashed negative emotions. While in terms of the negative face, they employed reminders, accepting compliments, giving offers and suggestions. The analysis also showed that teachers exhibited face-saving acts (Bald- on record, positive politeness, negative politeness, and off record) directly and indirectly by telling jokes or giving hints. These study findings contribute to our understanding of the complex nature of face-to-face communication in the classroom and provide insights into how teachers threaten or manage face needs in their interactions with students.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».