Politeness Strategies in a Speech by Jordan B. Peterson about "How to be Articulate"
Notice bibliographique
Résumé
Politeness is a concept in the area of pragmatics and conversational analysis in which the speaker considers several factors to be polite, including their relationship with the hearer, their age, the power they have over the hearer, the importance of their utterances, etc. Speeches from prominent figures provide rich sources of analysis on politeness, a vital concept in everyday communication. This study examines different realizations of politeness strategies. The researcher used Brown and Levinson's model (1987), categorizing the strategies into four main realizations (Bald on-record, positive politeness, negative politeness, and off-record). The data source has been a 15-minute video clip from Jordan B. Peterson – a prominent Canadian psychologist and author – about being articulate, for which a qualitative method was used. During the data analysis, first, the author watched the video clip to get the gist, then wrote its transcription to look for the types of strategies used by the speaker. The transcription was then re-evaluated by two teachers in the field of English as a foreign language (EFL)to assure its inter-rater reliability. The results showed that the speaker employed the four types of politeness strategies during the speech, among which negative and positive politeness, together with their realizations – 'do not presume/assume' and 'raise/assert common ground were the most dominant. Further research on known figures, in different contexts and with larger data is imperative to ameliorate the pragmatics knowledge of both teachers and students and enhance their interactions.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,003 | 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) | 0,000 | 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 ».