مقایسه بازتاب استعاری زمان در دو گفتمان متون مطبوعاتی فارسی
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 473
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JLW-10-1_005
Index date: 25 April 2022
مقایسه بازتاب استعاری زمان در دو گفتمان متون مطبوعاتی فارسی abstract
در پژوهش توصیفی - تحلیلی حاضر، در چارچوب کلی معناشناسی شناختی و با تاکید بر نظریه استعاره مفهومی لیکاف و جانسون (۱۹۸۰)، ضمن بهرهگیری از روش نونز و سویتسر (۲۰۰۶) و منطق ریاضی، استعاره های حرکتی زمان در مقالههای سیاسی و اقتصادی روزنامه شرق مقایسه می شوند. اهداف پژوهش تعیین کارآیی نظریه یادشده، تعیین انواع استعاره های حرکتی زمان و الگوی غالب در این متون، چگونگی توزیع و ساز و کارهای بیانی آنهاست. جامعه آماری شامل همه مقاله های سیاسی و اقتصادی این روزنامه در سال (۱۳۹۶) و حجم نمونه شصت مقاله است. نتایج بیانگر کارآیی نظریه شناختی مورد بحث بود؛ افزون بر این، مشخص شد که استعاره حرکت زمان با بیشترین بسامد (۷۲%)، الگوی غالب است و استعارههای حرکت ناظر (۱۸%) و حرکت بیناظر (۹%) دیگر الگوهای موجود هستند. نگارندگان استعاره حرکت زمان و ناظر را که از کمترین بسامد (۱%) برخوردار بود، الگو تلقی نکردند. بین توزیع انواع استعارهها در هر یک از متون سیاسی و اقتصادی اختلاف معناداری دیده نشد؛ اما در کل داده ها اختلاف معناداری بین استعاره حرکت زمان و استعاره های دیگر وجود داشت که میتواند نشانهای از بنیادی تر و حیاتی تربودن زمان نسبت به مکان در مسائل اقتصادی و سیاسی باشد؛ اگرچه در بیشتر استعاره ها، مفاهیم زمانی با استفاده از مفاهیم مکانی بیان شده بودند.
مقایسه بازتاب استعاری زمان در دو گفتمان متون مطبوعاتی فارسی Keywords:
مقایسه بازتاب استعاری زمان در دو گفتمان متون مطبوعاتی فارسی authors
زینب نوری
دانشجوی دکتری، زبان شناسی همگانی، دانشکده ادبیات، علوم انسانی و اجتماعی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
بلقیس روشن
استاد گروه زبانشناسی، دانشکده ادبیات و علوم انسانی، دانشگاه پیام نور، تهران، ایران.
ارسلان گلفام
دانشیار، گروه زبان شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :