Presupposition Analysis in Written Online News Discourse CNN The Death of Liam Payne Ex One Direction Personnel
Notice bibliographique
Résumé
In the digital era, people can obtain information using communication devices. The spread of information on social media is an important factor in understanding its meaning. The language used still has its own rules for communication. It has different meanings or perspectives depending on the person who interprets it. Therefore, this study aims to identify the presuppositions contained in viral news. In general, analyzing language or speech can be identified from anywhere, one of which is news. Therefore, the object of this research is the presupposition found in CNN's news style regarding THE DEATH OF LIAM PAYNE EX ONE DIRECTION PERSONNEL. This presupposition is seen in how the assumptions or inferences implied in the language utterance help provide additional meaning and estimate the context of the language, the language in discourse, conversation or others using Yule's (1996, pp.26-30) which calcifies that Presupposition has six types, they are existential, factive, non-factive, lexical, structural, and counterfactual. However, there are two additional additions, namely adverbial and relative additions. Considering these factors, this study used a qualitative descriptive design. The reason for choosing a qualitative descriptive design is that "the aim of qualitative descriptive research is a comprehensive summary, in everyday terms, of specific events experienced by individuals or groups of individuals" (Lambert & Lambert, 2012). From the results of the analysis and identification, 12 presuppositions were found in the written online news text; adverbial 3 (21.4%), factive 2 (14%), lexical 2 (14%), non-factive 1 (7%), relative 1 (7%), existential 2 (14%), and counter 1 (7%). The most dominant type of presupposition found in the CNN news transcript is factive presupposition. Factive presuppositions are the most common type of presupposition found in news texts they provide accurate information and contain facts.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».