XiaoMi-AI文件搜索系统
World File Search System话语分析
多模式话语分析和电子设备
交流本质上是多模式的。近几十年来，对该主题的研究兴趣呈指数增长，尤其是从多模式话语分析（MDA）的角度来看。在学术环境中，几项研究研究了讲师的言语和非语言特征的组合，但不一定与隐含的演讲一部分有关。我们认为，教学涉及将知识与情感以及或多或少有意识地传播给学生。这甚至可能在英语媒介教学（EMI）设置中更相关，因为英语不是讲师的主要语言。因此，我们的主要目的是从MDA的角度分析EMI教学实践的示例，但添加电子设备（一种脑电图）可以帮助我们以不同的方式改进和/或补充分析：增加客观的支持并处理情绪，可以在交付班级时传播。结果表明，这种观察和技术的组合可以潜在地丰富传统的MDA研究的结果。
通过生成人工智能自动化的话语分析
[5]，教师反馈[17]和学习产品（例如论文）。为了标记这些数据，研究人员可以使用手动技术，自动化技术或其组合[20]。手动编码话语数据昂贵，耗时且容易出错，因此需要在编码过程中遵守编码器的详细框架[9]。解决这些挑战的一种方法是利用自动编码数据的方法。传统解决方案涉及自然语言处理，机器学习以及最近的深度学习方法，所有这些方法都产生了有希望的结果[21]。但是，这种技术通常需要相对技术背景来实施和理解，从而限制了它们在教育环境中的用处。最近出现人工智能（GAI）的出现，例如生成预训练的变压器（GPT）模型类别[2]，现在使用户可以相对轻松地自动编码其数据。编码工作流程通过引入基于LLM的聊天机器人（例如ChatGpt及其相关的API）来简化，这些聊天机器人提供了使用最新模型的可访问手段。虽然已经探索了各种基准语言任务的GAI能力[15]，但它们在教育环境中编码话语时的可靠性相对尚未探索。为了解决这一研究差距，我们评估了GPT模型使用各种提示策略和培训方法自动从教学人员中收集的数据自动编码数据的能力。我们的研究还提供了在自动话语编码的背景下使用GAI的技术建议。
人工智能在互联网话语分析中的应用
摘要。本文全面描述了作者对相关社会政治主题的互联网讨论进行话语分析的方法。最初，该方法仅假设手动数据处理机制，包括编码和分析基于哈贝马斯概念的审议标准参数。然而，作者的实验发现了使用人工神经网络的机会，可以更深入地理解公开讨论的结果。根据在互联网审议分析自动化程序批准过程中获得的结果，注意到使用机器训练作为研究工具进行进一步研究的几个观点：第一个是使用人工智能技术作为研究工具，对审议标准参数进行编码和分析，第二个是与创建用于识别论证和文明等参数的方法有关，第三个是为研究人员提供基于机器学习结果的统计分析，并附带可视化元素。
人工智能生成的多模态批判性话语分析
摘要 本文探讨了人工智能生成的图像中再现的意识形态，特别关注痴呆症的表现。利用文本到图像的人工智能模型 Stable Diffusion 1.4 版，我们对 171 张以“痴呆症”为文本提示生成的图像进行了多模态批判性话语分析。我们的分析旨在通过将这些图像与现有的痴呆症多模态表现进行比较，识别和情境化生成的图像中的视觉话语。除了观察到视觉多样性的普遍缺乏（过多的老年人和浅肤色的人）之外，我们还发现这些图像倾向于通过回收现有的、围绕该综合症的突出视觉话语来描绘痴呆症，包括对疾病的生物医学关注、失落的叙述和痴呆症作为“活着的死亡”。这些视觉话语与特定的符号选择相结合，促进了观看者和痴呆症患者之间的情感距离。总的来说，这项研究强调了人工智能生成的图像强化和放大有害刻板印象和偏见的可能性。这项研究不仅展示了此类意象的意识形态意义，以及因此需要通过（多模态）批判性话语分析家对其进行批判性审视，还强调了在人工智能设计和使用过程中需要考虑道德问题，包括开发更加多样化和包容性的训练数据集。
基于威胁性的理论的话语分析 - 案例
早在1950年代，英国社会学家戈夫曼（Goffman）在重复考虑后提出了面部戏剧，面部交流和面部工作的理论。戈夫曼认为，面孔是人们通过沟通过程中的口头行为为自己获得积极的社会价值的方式。是根据社会批准的属性创建的自我价值。他也被称为早期脸理论发展的先驱。在1987年，布朗和莱文森保留了戈夫曼的“面部工程”中的避免面部理论，并提出了基于礼貌策略框架的面部理论。他们注意到，不同的语言形式可以表达不同的社会关系，并提出了从三个方面的礼貌普遍性的系统解释：面部，威胁面对面的行为（FTA）和礼貌策略。Brown和Levinson认为，礼貌是“模特者”采取的各种理性行为，以满足面部的需求。脸部分为正面和负面的面部。积极的面孔希望得到别人的认可和爱。如果满足了这些条件之一，则可以保持正面并保存正面；相对而言，消极的面孔是指自主，行动自由或自我行为的权利，而没有他人的干预和障碍。在社会交流中，有必要尊重他人的积极面孔，并保护对方的负面面孔，以确保沟通的平稳和成功的进步。
批判性话语分析联合国中的恐俄言论...
本文的目的是探讨安东尼·约翰·布林肯 (Antony John Blinken) 在俄罗斯入侵乌克兰后在 2022 年联合国安理会演讲中发表的反俄言论。布林肯的言论暗含着各种反俄语言，尤其是从安全角度，即军队角度。本文在批判性话语研究的框架下使用意识形态二次模型，将安全化理论与宣传概念相结合。使用 NVivo 12 Plus 和 VOS Viewer 应用程序进行数据收集、验证和语言调查。使用的数据来源是通过电子书、新闻、Scopus 和 Google Scholar 期刊进行的文献研究。调查结果发现，布林肯在演讲中的宣传计划试图以负面的方式描绘俄罗斯。显然，布林肯的许多言论都在抹黑俄罗斯，给人一种俄罗斯是共同敌人、入侵乌克兰是共同潜在危险的印象。关键词：美国；安东尼·J·布林肯；联合国安理会；俄罗斯;批判性话语研究；乌克兰
北京“乡村振兴”战略国际传播话语分析
摘要：本文以北京市政府工作报告英译本为数据，对“乡村振兴”战略内容进行话语建构研究。研究结果表明，政府工作报告英译本有助于构建特定的话语生态，在国际上发出声音。报告通过介绍北京深入实施、全面推进乡村振兴战略的相关信息，立足本土，呈现首都鲜明的经济形象，展现政府务实的作风和以人为本的担当。研究有助于了解政治战略在对外传播中的话语建构特征，使国际社会更好地了解乡村振兴战略的规划、实施及其鲜明的成就，从而更好地通过首都北京这个面向世界的窗口了解中国。
Twitter 上的沟通策略：对美国撤出阿富汗的批判性话语分析
摘要 虽然已有多项研究探讨了与军事干预有关的战略沟通，但本研究分析了撤军和重新部署军事背景下的沟通策略。我们以美国撤出阿富汗为例，分析美国政府在推特（现称为 X）上动员了哪些（以及如何）战略叙事来为其行动寻求公众支持和合法性。研究结果表明，证券化、国家利益和责任等关键叙事是通过超越、支持、指责和缓和的宏观战略部署的。我们认为，虽然早期对阿富汗战争的描述被描绘成一项不可避免的任务，但现在的总体论述已经转向将这场战争描绘成不可持续的，美国不再需要这场战争。
数字媒体中AI艺术的社会政治话语分析
图和表列表4 1。简介5 1.1方法和方法6 1.2研究框架7 1.3主题的相关性7 2。背景8 2.1机器与艺术家之间的协作演变9 2.2 AI ART的概述数字媒体11 3。文学评论13 3.1 GAN和创造力13 3.2非人类和艺术作品16 3.3 AI生成的与人类艺术品。对AI的负面偏见17 3.4艺术家关系关系将如何发展？18 4。理论框架20 4.1。演员网络理论（ANT）作为理论方法20 4.1.1艺术过程中的Actor-Network理论（ANT）22 4.2。媒体传播23 5。研究方法25 5.1话语分析25 5.2抽样27 5.3样本分类29 5.4研究范例31 6。道德考虑33 7。研究人员的职位34 8。分析35 8.1。作者身份和创造力37 8.2独创性和真实性39 8.3关于使用公共领域中使用代码的道德方式40 8.4第41条81 8.5技术神话42 9.讨论43 9.1数字媒体中AI艺术的表示44 9.2修辞策略46 9.3 POWER DYNAGIC 47 10。限制和进一步的步骤49 11.结论50参考文献52