Putting negotiation on a ‘principal-ed’ footing: A corpus-informed discourse analysis of person deixis in diplomatic debates
Notice bibliographique
Résumé
This article investigates identity politics in diplomatic negotiations at the United Nations. Drawing on theories of ‘footing’, ‘positioning’ and ‘stance’ and applying corpus-informed discourse analysis, it examines how and why diplomats animate and laminate different selves and identifications within debates about multilingualism between 1995 and 2022. The paper focuses on the strategic enactment of politically recognisable identities indexed via first-person pronouns. Findings reveal that those holding the same stance (e.g., voting in favour, against, or abstaining in the 1995 Multilingualism Resolution) show clear patterns of deictic anchorage in their adoption of certain positions over others. Speakers adopt footings strategically and systematically via iterative and accretive processes of pronoun and verb selection to balance competing needs and perspectives relating to their own positionality (as members of the UN, representatives of their member states, or members within alliances) and in relation to domestic and international affairs. “We” is enacted in different ways by diplomats for the rhetorical purposes of “synthetic deixis” (when speaking as a principal of the UN as an organizational body), and/or to delineate their views from those of other member states (when speaking as a principal of their political alliance or nation). The “lamination” of multiple identifications and the use of “wandering we” reveals the speaker as multiply embedded within, and speaking on behalf of, different communities and political affiliations on a variety of issues. Shifts in footing permit diplomats to navigate sensitive issues, orient to self and collective/shared interests and minimise differences, whilst also demonstrate authority and legitimacy. • Examines the enactment of identity politics in the genre of diplomatic debate. • Identifies discursive strategies in negotiations when speakers straddle positions. • XML tags offer an innovative methodology for investigations of negotiation. • Lamination of “we” reveals speaker embeddedness in different political communities. • Shows how personal pronouns and verb phrases denote stances on political issues.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».