Cross-Cultural Courtesy: An Examination of How Bengali Speakers and US English Speakers Differ in Politeness
Notice bibliographique
Résumé
This study explores the nuances of politeness across two linguistic and cultural contexts: Bengali and US English. Politeness, a fundamental aspect of social interaction, is deeply influenced by cultural norms and values, shaping how individuals navigate relationships and maintain harmony. Drawing on Brown and Levinson’s politeness theory, the research investigates, through structured interviews assessing perceptions of politeness, how the principles of "face" are applied in these languages. The findings reveal significant cultural contrasts. Rooted in a collectivist culture, Bengali speakers often emphasize respect, deference, and indirectness, particularly when addressing elders or authority figures. In contrast, US English speakers, influenced by individualistic values, tend to prioritize directness and clarity, valuing equality and informal interaction. Additionally, power dynamics are crucial in shaping polite behavior among Bengali speakers but less so among US speakers. Politeness Theory highlights how power dynamics influence the strategies employed to maintain or threaten face, shaping perceptions of face-saving or face-losing acts. The results of this study reveal that cross-cultural interactions often lead to misunderstandings due to perceived face-threatening acts (FTAs). These misinterpretations stem from culturally influenced differences in linguistic expressions, perceived status and hierarchy, and contrasting cultural orientations, such as collectivism versus individualism.
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 | 0,001 | 0,046 |
| 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 | 0,000 | 0,000 |
| 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 ».