Ein interkultureller Blick auf Multimodalität in ausgewählten deutschen, angloamerikanischen, italienischen und türkischen Kosmetikwerbeanzeigen
Bibliographic record
Abstract
Unter Multimodalität versteht man die Kopräsenz und wechselseitige Verknüpfung von verschiedenen semiotischen Ressourcen auf unterschiedlichen Ebenen in einer Kommunikation. Heutzutage schaffen die verschiedenen Medien wie TV, Mobiltelefon oder Internet neue Textformen. Im Zusammenhang damit hat sich in den letzten Jahren die Erkenntnis durchgesetzt, dass neben der Bewertung der sprachlichen Zeichen, auch andere Zeichenmodalitäten wie Bilder, Musik, Geräusch und Typographie bewertet werden sollen, da die heutigen Texte unterschiedliche und komplexere Zeichensysteme beinhalten. Ideale Exemplare für multimodale Texte sind Werbungen, weil sie ein Maximum an Zeichenmodalitäten verfügbar machen können. Da Werbungen unterschiedliche und komplexere Zeichenmodalitäten beinhalten, sind sie ideale Untersuchungsgegenstände für multimodale Texte. Im Zusammenhang damit zielt dieser Beitrag darauf ab, deutsche, angloamerikanische, italienische und türkische Werbeanzeigen mit textlinguistischen Methoden zu analysieren und miteinander zu vergleichen. Das Analysekorpus besteht aus acht Kosmetikwerbungen von verschiedenen internationalen Marken, welche im Jahr 2016 in deutschen, amerikanischen, italienischen und türkischen Frauenzeitschriften erschienen. Die untersuchten Werbeanzeigen sind aus den Zeitschriften Cosmopolitan (deutsche Ausgabe), Vogue (amerikanische Ausgabe), Silhouette Donna (Italien) und Elele (Türkei) entnommen. Das Analysemodell beruht auf den Analyserastern von Angelika Hennecke (1999), Nina Janich (2010) und Hartmut Stöckl (2011) und umfasst sowohl textexterne als auch textinterne Kriterien. Von der multimodalen Analyse und dem interkulturellen Vergleich ausgehend werden Gemeinsamkeiten und Unterschiede in den untersuchten Werbungen aus vier Sprachen festgestellt und interpretiert.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".