MétaCan
Menu
Retour à la cohorte
Enregistrement W4414512215 · doi:10.5539/ijel.v15n5p34

“A Decade On, the Journey Continues”: Discourse Analysis of ASEAN Media Representations of the Belt and Road Initiative

2025· article· en· W4414512215 sur OpenAlexvenueno aff
Jie Zhang, Mohd Azidan Abdul Jabar, Farhana Muslim Binti Mohd Jalis

Notice bibliographique

RevueInternational Journal of English Linguistics · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePhilippine History and Culture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)GeopoliticsConstruct (python library)ChinaDiscourse analysisNarrativeMeaning (existential)Critical discourse analysis

Résumé

récupéré en direct d'OpenAlex

The study examines how ASEAN media construct the boundaries of meaning surrounding the BRI and the cognitive framing of China through discursive strategies. By integrating topic modeling with the Discourse-Historical Approach, this study analyzes 243 English-language news reports from Singapore, Malaysia, Cambodia, Philippines and Indonesia. The findings reveal that ASEAN media’s discursive construction of the BRI is characterized by a complex interplay of “developmental opportunity” and “strategic caution”. On one hand, media outlets generally affirm the BRI’s positive role in advancing regional connectivity, infrastructure development and economic cooperation, forming a functional narrative framework centered on “mutual benefit” and “future orientation”. On the other hand, discursive positions vary significantly across countries, shaped by their geopolitical location, foreign policy and domestic contexts. Moreover, major international events significantly influence media agendas, prompting a dynamic shift in reporting focus between cooperative advancement and strategic reflection. The study provides empirical insights into how regional actors use media discourse to respond to international initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,005
Communication savante0,0060,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,365
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetPhilippine History and CultureTravaux en français237 207