The Portrayal of Environmental Concerns: An Ecolinguistic Analysis of Media Discourse
Notice bibliographique
Résumé
The global focus on environmental/climatic concerns and sustainability has intensified in recent years due to the growing recognition of the urgent need for action to mitigate and adapt to climate change. As one of the key goals of Saudi Vision 2030, the Saudi Green Initiative strives to mitigate the effects of climate change and improve biodiversity through multiple measures including promulgating awareness and responsibility in the general public. With this respect, undoubtedly media plays a crucial role in shaping public opinion and influencing policy decisions. Therefore, it is essential to investigate how environmental issues and sustainability are portrayed in media discourse in the Saudi context. This research intends to analyze media representations of environmental concerns specifically in English newspaper discourse using an eco-linguistic framework. For the said purpose, the corpus developed was based on content published in Arab News an English newspaper, and analyzed through Sketch Engine and LancsBox6.0 software. The key frames that emerged were evaluated and interpreted both statistically and qualitatively to ascertain the role of media in imparting and creating collective consciousness regarding the need for sustainable environmental actions. The study demonstrated that the newspaper discourse portrayed the climate concerns effectively by framing the climate as a change, crisis, fight, and collective social responsibility through discursive strategies such as frequent repetition of concepts, specific lexical choices like negative, strong expressive words as well as techniques of naming and making concrete references. Additionally, the writers suggested practical solutions and measures people and nations must need to take collectively to address the ever-growing climate challenges.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».