MétaCan
Menu
Retour à la cohorte
Enregistrement W4407238360 · doi:10.5430/wjel.v15n4p49

The Art of the Unsaid: Analyzing the Use of Conversational Implicature in Political Communication

2025· article· en· W4407238360 sur OpenAlexvenueno aff
Shaikah H. Ghawaidi, Nuha Abdullah Alsmari

Notice bibliographique

RevueWorld Journal of English Language · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesPrince Sattam bin Abdulaziz University
Mots-clésUnsaidImplicaturePoliticsComputer scienceLinguisticsPsychologyCommunicationPolitical sciencePhilosophyPragmaticsLaw

Résumé

récupéré en direct d'OpenAlex

This study investigates the use of conversational implicature by Saudi Crown Prince Mohammed bin Salman (MBS) during a September 2023 interview with Fox News. The research is grounded in Grice’s conversational maxims and the theory of implicature, focusing on how conversational implicature is strategically utilized to navigate sensitive topics and influence public perception. Using a qualitative research design grounded in Grice’s theory of implicature, the analysis highlights the frequent flouting of conversational maxims—particularly quantity, relation, and manner—to avoid direct responses, reframe controversial questions, and maintain diplomatic flexibility. The findings indicate the frequent use of particularized conversational implicatures (PCI) tied to specific geopolitical contexts, where MBS relies on context to imply meaning without making explicit statements. Conversely, generalized conversational implicatures (GCIs) were observed in broader discussions on Saudi Arabia's military and economic strategies, where meaning is naturally inferred without dependence on specific contexts. The findings suggest that MBS effectively employs implicatures to manage multiple audiences, deflect criticism, and shape public perception. Future research could expand on these findings by analyzing a wider range of interviews and incorporating non-verbal cues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,284
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207