Gendered Language in English-Medium Professional Digital Discourse: A Corpus-Based Study of Achievement Narratives and Interaction Dynamics on LinkedIn
Notice bibliographique
Résumé
This study interrogates the persistence and evolution of gendered discourse within professional digital spaces, focusing on English-language interactions on LinkedIn as a site where achievement is publicly narrated and socially evaluated. Drawing on a balanced corpus of 50 achievement-oriented posts (25 male, 25 female) and 2,317 associated comments, the research integrates corpus linguistics and engagement analytics to identify how linguistic choices both reflect and reproduce gendered norms in professional self-presentation. Quantitative analysis comprising keyword frequency, keyness testing, collocational mapping, and dispersion measures was complemented by qualitative discourse interpretation to uncover the semantic and pragmatic framing of success. Engagement metrics, including reactions, shares, and comment sentiment, were examined using statistical tests with effect sizes to assess audience response patterns. Findings reveal that male-authored posts privilege competence, leadership, and strategic execution, while female-authored posts foreground ambition, collaboration, and gratitude often blending assertive positioning with relational framing. Although overall visibility did not differ significantly by gender, comment patterns diverged: women’s posts attracted proportionally more supportive and affective responses, whereas men’s elicited more strategic and analytical feedback. These patterns suggest that LinkedIn’s professional ethos mitigates but does not erase gendered communicative asymmetries. The study advances scholarship in sociolinguistics and professional discourse by offering empirical evidence from an underexamined platform, highlighting how subtle linguistic and interactional dynamics can shape perceptions of credibility, authority, and leadership potential in digital English professional networks.
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 | 0,003 | 0,009 |
| 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 | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».