Global Solidarity or Individual Rights?—A Comparative Critical Discourse Analysis of China’s National Image in China Daily and CNN’s Coverage of the Beijing Winter Olympics
Notice bibliographique
Résumé
This study examines how China’s national image was constructed in media coverage of the 2022 Beijing Winter Olympics through a comparative critical discourse analysis of reporting by China Daily and CNN. Employing Fairclough’s three-dimensional model and corpus linguistics techniques, we analyzed a corpus of 60 China Daily articles (31,759 tokens) and 33 CNN articles (31,934 tokens) published during the Games (February 4–20, 2022). Keywords analysis revealed striking differences in reporting focus: China Daily emphasized development, cooperation, and international harmony using predominantly positive language, while CNN concentrated on human rights issues, LGBTQ+ representation, and political controversies through more critical framing. These divergent portrayals reflect underlying ideological orientations and socio-cultural contexts. China Daily adopted a macro-level perspective highlighting collective achievement and global solidarity, consistent with China’s communal values and historical continuity. Conversely, CNN employed a micro-level approach focusing on individual rights and minority concerns, reflecting America’s pluralistic cultural identity. Our findings demonstrate that national images are not static but dynamically constructed through ideologically-informed discourse, with media narratives serving strategic objectives even in contexts ostensibly dedicated to international cooperation. This research contributes to understanding how national identities are negotiated through both self-representation and external portrayal in international media, revealing the pervasiveness of political discourse in sports coverage.
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 | 0,040 |
| 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 | 0,001 |
| 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 ».