Variation in Phrase-Frames and Rhetorical Moves: A Corpus-Based Approach to a Non-Academic Genre
Notice bibliographique
Résumé
This study explores variations in the connection between phrase-frames (p-frames) and rhetorical moves within a non-academic genre across different media types. Employing a corpus-based genre approach, it analyses a Footballer Obituary Corpus (FOC) of 50 texts drawn from broadsheets, tabloids, institutional obituaries, radio, and video platforms, with a total of 44,957 tokens. The research identifies patterns of linguistic and rhetorical features across media, employing a novel time-based rhetorical framework to categorise communicative moves. The findings reveal significant variation in how p-frames are employed across media. For example, while tabloid texts focus on announcing death with straightforward p-frames, broadsheets and institutional sources also highlight professional achievements. The study notes disparities in the prevalence of specific rhetorical moves, with “Recognition as an Established Professional” (Move T-4) dominating in most media, except in radio, which uses emotionally resonant language. Methodologically, the study integrates a function-first approach to move annotation and a frequency-dispersion threshold tailored to the small corpus size. Despite the limited size of the corpus, the study highlights how linguistic forms align with rhetorical functions within a multimodal and cross-media framework. It further introduces a time-based move structure and underscores the importance of semantic grouping in p-frame analysis. These insights extend the scope of corpus-based genre studies into non-academic domains and demonstrate the utility of p-frames in understanding genre-specific communicative strategies.
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 | 0,008 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».