In this thesis, we investigate the usefulness of a group of features in genre classification problems for news. We choose a diverse feature set, covering features related to content and styles of the texts. The features are divided into two groups: semantic and stylistic. More specifically, the semantic features include genre-exclusive words, emotional words and synonyms. The stylistic features include character-level and document-level features. We use three traditional machine learning classification models and one neural network model to evaluate the effects of our features: Support Vector Machine, Complement Naive Bayes, k-Nearest Neighbor, and Convolutional Neural Networks. The results are evaluated by F1 score, precision and recall (both micro- and macro-averaged). We compare the performance of different models to find the optimal feature set for this news genre classification task, and meanwhile seek the most suitable classifier. We show that genre-exclusive words and synonyms are beneficial to the classification task, in that they are the most informative features in the training process. Emotional words have negative effect on the results. We present the best result of 0.97 by macro-average F1 score, precision and recall on the feature set combining the preprocessed dataset and its synonym sets generated based on contexts classified by the Complement Naive Bayes model. We discuss the results achieved from the experiments and the best-performing models, answer the research questions, and provide suggestions for future studies.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / There are several genres that disseminate scientific knowledge to society in the media sphere, such as television documentaries, printed news and reportages (MOTTA-ROTH, 2007, p. 3). This work focuses on the science popularization news genre, which presents scientific discoveries and quotes written published sources and interviews mainly with scientists. Therefore, science popularizartion texts are often framed as a debate between the source/voices, in which positive and negative evaluations of the popularized study are alternated (PARKINSON; ADENDORFF, 2005, p. 293). The objective of this work is to investigate to what extent the voices presented on science popularization news promote a debate on scientific discoveries. The corpus is formed by 60 science popularization news published in English, which were analyzed in the light of Critical Genre Analysis (MOTTA-ROTH, 2005; 2008c), including textual and contextual analysis. The results indicate that there is a multiplicity of voices that can be grouped into five enunciative standpoints: scientist/researcher, fellow researcher/technician/institution, government, public and the journalist himself/herself. However, the analysis indicates that two of these enunciative standpoints are more frequent and more prominent than the others: the scientist/researcher and the fellow researcher/technician/institution. The statements are inserted with the purpose of adding relevant content somehow related to the study reported in the news and rarely promote debate. The analysis points out that the journalists have a traditional perspective on science popularization (HILGARTNER, 1990, p. 519). Thus, it seems that we are still experiencing the second phase of science popularization, which began in the 20th century and is called Public Understanding of Science , in which the public is by no means truly participants, and the communicating process is mainly unidirectional, from science to society (JIANMIN, 2005). / No âmbito da mídia, há vários gêneros que disseminam o conhecimento científico para a sociedade, tais como os documentários televisivos, as notícias ou as reportagens impressas (MOTTA-ROTH, 2007, p. 3). Este trabalho enfoca o gênero notícia de popularização da ciência (PC), que apresenta descobertas científicas e cita fontes escritas e entrevistas realizadas principalmente com cientistas. Em função disso, textos de PC geralmente são organizados na forma de um debate entre as fontes/vozes mencionadas, sendo alternadas avaliações positivas e negativas do estudo popularizado (PARKINSON; ADENDORFF, 2005, p. 293). O objetivo deste trabalho é investigar em que medida as vozes apresentadas nas notícias de PC instauram um debate sobre descobertas científicas. O corpus é formado por 60 notícias de PC publicadas em inglês, as quais foram analisadas à luz da Análise Crítica de Gênero (MOTTA-ROTH, 2005; 2008c), incluindo a análise do texto e do contexto. Os resultados indicam que há uma multiplicidade de vozes agrupadas em cinco posições enunciativas: pesquisador responsável pelo estudo, pesquisador colega/técnico/instituição, governo, público e jornalista. No entanto, a análise indica que duas dessas posições enunciativas são mais frequentes e proeminentes que outras: o pesquisador responsável pelo estudo e o pesquisador colega/técnico/instituição. As declarações são inseridas com o objetivo de fornecer informação relevante relacionada ao estudo reportado na notícia e raramente promovem um debate. A análise aponta que os jornalistas têm uma perspectiva tradicional acerca da PC (HILGARTNER, 1990, p. 519). Desse modo, parece que ainda estamos vivenciando a segunda fase da PC, que iniciou no século XX e é chamada de Conhecimento Público da Ciência , em que o público não participa do processo de PC, e o processo de comunicação é principalmente unidirecional, da ciência para a sociedade (JIANMIN, 2005).

一篇好的新聞寫作最基本的要求是要有清楚的主題，文意必須通順且連貫。而新聞寫作中的主題該如何凸顯，讀者閱讀新聞時連貫通順的感覺又從何而來，即是語言學和認知心理學中的「連貫性」理論所探討的現象，也是本研究有興趣探索的主題。 本研究中所謂的「新聞寫作的連貫性」，可以界定為「新聞文本中的句子、段落、字詞是如何連貫成一篇有意義的文章，以及新聞中的結構與意義之間是如何銜接和組織，產生連貫通順的感覺」。而本研究主要的目的即是探討新聞寫作中連貫性的特性，並且試圖從新聞寫作特有的連貫性建立出判斷新聞寫作好壞的評估標準，替新聞寫作的教學和實務建構初步的理論基礎。 為了瞭解新聞寫作中獨特的連貫性為何，本研究先從理論文獻的角度切入來探討何謂連貫性，然後本研究發現影響連貫性的面向包括語意上的連接關係、讀者的認知心理、文體特色，以及文本背後的背景知識脈絡。本研究並且從連貫性與新聞文體的討論中發現「新聞寫作特有的連貫性」可以整理成以下幾點： 第一、從學者van Dijk區分的新聞文體功能結構來觀察（van Dijk，1988），新聞文體會遵守著「先描述新聞事件，再描述影響、結果或反應」及「整個新聞事件報導完畢，才進行評論或預測」的結構組織規則。 第二、純淨新聞文體中連貫性十分依賴因果基模的關係來建立，因此，新聞文本中結構與意義之間因果關係的推論十分重要，因果基模推論的越清楚，越符合一般人的日常邏輯，新聞文體中的連貫性就越緊密。 第三、新聞文體為了方便讀者閱讀及新聞組織運作，從導言到軀幹之間，發展出先在導言中提示新聞重點摘要，再在軀幹的段落中對應導言的重點敘述細節的敘述方式，使得新聞從導言到軀幹間發展出一種從抽象到具體、從摘要到細節描述的「層次連貫性」。 第四、從命題分析來分析新聞的組織結構，可以發現新聞文本為了加強組織結構間的連貫，有其特殊的組織結構。新聞文本的導言中會呈現整篇文本最高層次的命題，通常為新聞的主旨，然後每一段落的命題都是指向這個新聞主旨的。另外，文本中的各段落通常也有各自的主旨，其下的命題也都是指向這個主旨進行敘述。因此，新聞文體通常可以畫出結構關係清楚的命題分析圖。 第五、由於新聞文體具有客觀中立的文體特質，所以新聞文體中通常維持一貫的第三人稱的觀看角度，遣詞用字也避免帶有記者主觀的感嘆詞，或情緒性強烈的字眼，這些規則有助於維持新聞文體中展現的客觀氣氛的一致性。 本研究依據以上「新聞寫作特有的連貫性」為分析架構，實際分析一個有實務寫作經驗的記者個案，和一個無實務經驗的學生個案。比較兩個個案分析，得到以下發現：一、記者個案和學生個案在功能結構的組織順序排列關係上差異較小，在因果基模和命題連貫性的建立上差異較大，而記者在這些方面表現的比學生好。二、記者個案中可以觀察到清楚的層次連貫性，學生個案則缺乏層次連貫性的連接概念，仍依賴敘事文體中的線性連貫性來連接上下文。三、記者個案對於巨觀命題結構的連接掌握得比學生個案佳，兩者在微觀命題結構的銜接上差異較小。四、記者個案中對於客觀立場一致性的掌握比學生個案佳。 根據本研究初步應用「新聞寫作連貫性」的分析架構來進行的個案分析，可以發現這個架構的確可以運用在新聞寫作連貫性的某些層面的分析中。這個架構在初步分析中，也觀察出一些記者個案和學生個案從結構到意義連貫之間寫作能力的差異，所以本研究發展出的分析架構應該是具有可行性的，可以實際應用在新聞寫作連貫性的分析之中，也有助於進一步觀察在連貫性面向表現得「好」 的新聞寫作應達到哪些標準。而本研究也 建議未來在新聞寫作教學上應該從層次連貫性、命題分析等理論層次來教導寫作，才能在寫作教學上有效結合理論與實務經驗。

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This thesis was developed as part of the CNPq projects No. 301962/2007-3 Análise crítica de gêneros com foco em artigos de popularização da ciência (MOTTA-ROTH, 2007), and CNPq No. 301793/2010-7 Análise crítica de gêneros discursivos em práticas sociais de popularização da ciência (MOTTA-ROTH, 2010), concerning the critical analysis of science popularization genre. From an interdisciplinary perspective of analysis, we take as reference the theoretical principles of Systemic Functional Linguistics (HALLIDAY 1994, HALLIDAY, MATTHIESSEN, 2004), Critical Discourse Analysis (FAIRCLOUGH, 1995, 2001, for example) and Sociorethoric (BAZERMAN, 2005; SWALES, 1990, for example), in order to perform an analysis of the science popularization news genre published by the magazines Ciência Hoje Online and Galileu. Our aim is to identify which concept of science is built discursively in 30 science popularization news and identify which sense effect this concept generates for the process of science popularization, investigating their conditions of production, distribution and consumption, by investigating their conditions of production, distribution and consumption. The theoretical and methodological approach used is guided by the three dimensions of analysis suggested by Fairclough (2001): description, interpretation and explanation. In the textual description, we describe and interpret the rhetorical organization of the science popularization genre. We also verify possible register variations. Based on the linguistic categories which are part of the the Engagement Subsystem, we observed how quotes and reports are used to position social actors whose voices are inserted in the news in the form of manifest intertextuality. The results indicate that there are no variations in terms of rhetorical organization in the news analyzed. These texts follow the model of the inverted pyramid, and seem to be short copies of releases and speeches from the scientists who had performed the researchers reported in the news.Another aspect observed concerns a trend towards a conclusive and cumulative view of the results. Regarding genre register variations, we observed that Ciência Hoje Online tends to follow the world of science, through the appropriation of typical discursive patterns of science, and Galileu tends to follow the world of life, through the appropriation of typical discursive patterns of everyday language. We also noticed that the process of dialogic expansion is predominant, but the lack of varied perspectives on popularized scientific discoveries restricts the science popularization discourse to the scientific sphere, in the sense of a discursive homogeneity. The exclusivity of a social actor mentioned by means of manifest intertextuality thus refers to a concept of science built on these texts as a product, result of the effort of an individual, not considering the network of conversations of scientists and hypotheses and controversies that constitutes the nature of scientific activity. / Esta tese de doutorado foi desenvolvida no âmbito dos projetos CNPq No. 301962/2007-3 Análise crítica de gêneros com foco em artigos de popularização da ciência (MOTTA-ROTH, 2007) e CNPq No. 301793/2010-7 Análise crítica de gêneros discursivos em práticas sociais de popularização da ciência (MOTTA-ROTH, 2010) referentes à análise crítica de gêneros de popularização da ciência. A partir de uma perspectiva interdisciplinar de análise, tomamos como referência princípios teóricos da Linguística Sistêmica Funcional (HALLIDAY, 1994; HALLIDAY, MATHIESSEN, 2004), da Análise Crítica do Discurso (FAIRCLOUGH, 1995, 2001, por exemplo) e da Sociorretórica (BAZERMAN, 2005; SWALES, 1990, por exemplo), a fim de realizar uma análise crítica do gênero notícia de popularização da ciência publicado pelas revistas Ciência Hoje Online e Galileu. Nosso objetivo é identificar que conceito de ciência é construído discursivamente em 30 notícias de popularização da ciência e inferir que efeito de sentido esse conceito gera para o processo de popularização da ciência, investigando as suas condições de produção, distribuição e consumo. A abordagem teórico-metodológica empregada é orientada pelas três dimensões de análise sugeridas por Fairclough (2001): descrição, interpretação e explicação. Na descrição textual, descrevemos e interpretamos a organização retórica do gênero notícia de popularização da ciência. Também verificamos possíveis variações de registro nesse gênero. Com base nas categorias linguísticas que compõem o Subsistema de engajamento, observamos o modo como os recursos de citação e relato são usados de forma a posicionar atores sociais cujas vozes são inseridas nas notícias na forma de intertextualidade manifesta. Os resultados indicam que não há variações, em termos de organização retórica, nas notícias analisadas. Esses textos seguem o modelo da pirâmide invertida, e parecem se reduzir a cópias de trechos de releases e as falas dos cientistas que realizaram a pesquisa reportada na notícia. Desse modo, entendemos que o conhecimento científico produzido nesses textos pode ser considerado uma descomplicada coletânea dos resultados da pesquisa noticiada. Esse fato identifica a popularização da ciência como uma disseminação e interpretação do conhecimento científico para o público não especialista , nos termos da crítica de Hilgartner (1990) e Myers (2003). Outro aspecto observado diz respeito à tendência a uma visão conclusiva e cumulativa dos resultados da pesquisa. Em relação às variações de registro do gênero analisado, observamos que a Ciência Hoje Online tende a alinhar-se ao mundo da ciência, por meio da apropriação de padrões discursivos da ciência, enquanto a Galileu, ao mundo da vida, por meio da adoção de padrões discursivos do cotidiano. Verificamos também que o processo de expansão dialógica é predominante, porém, a ausência de perspectivas variadas sobre a descoberta científica popularizada restringe o discurso de popularização da ciência à esfera científica, há uma homogeneidade discursiva. A exclusividade de um ator social mencionado por meio da intertextualidade manifesta remete, portanto, a um conceito de ciência construído nesses textos como um produto; resultado do esforço de um indivíduo, não considerando a rede de conversas entre cientistas e as hipóteses e controvérsias que constituem a natureza da atividade científica.

Made available in DSpace on 2016-06-02T20:25:15Z (GMT). No. of bitstreams: 1 4637.pdf: 22017571 bytes, checksum: a652ecfe06e6492ad848650a6e6795d9 (MD5) Previous issue date: 2012-02-24 / Universidade Federal de Minas Gerais / In this work, we intend to investigate the guidance forms to other s discourse considering the news genre of discourse in the field of brazilian mainstream press. The introduction of the paradigm of objectivity, inserted in the 1950 years, was very important in the history of this sphere of activity. This paradigm has represented major structural changes in the composition of the news text and especially about the reported speech which, since then, it has become a privileged material to be articulated with the pretense of exempting journalistic discourse of any assessment about the fact reported. In the Brazilian press, the introduction of the paradigm of objectivity took place under some historical, economic and political context which required of the mainstream press self-assertion. In addition, the introduction of this paradigm also has occurred in a time when the technological conditions allow the reproduction of the photograph on a large scale. Thus the photographic image, supported by scientificist conceptions of mechanical objectivity, was added as a significant element to support values espoused under the paradigm of objectivity, also conditioning the practices of production and consumption of news. Based on these consideration, we intended to investigate the relationship established with the reported discourse, formed by the semiotic interaction of verbal and photography signs in the news genre of discourse. To accomplish this work, we sought support mainly in the bakhtinian Philosophy of Language, and specific theoretical and historic works about press and photojournalism. In addition, as support for our understandings, it was also considered some studies that deal specifically with photographic image. In order to operate our study, we selected a set of texts of editorship Cotidiano of the Folha de S. Paulo newspaper. In the analysis it was observed a peculiar trend for the use of syntactic forms of indirect speech and direct speech which correspond to the ideological refraction from the paradigm of objectivity. We also understand distinct forms of positioning of the photographic image in relationship with the some else discourse, which may emphasize or reduce the assessments of this kind of discourse, change its truth value, strengthen it or weaken it in the social hierarchy of values, justify or condemn it morally, scientifically and pragmatically, etc. / Nesta dissertação procuramos investigar as formas de orientação para o discurso alheio no gênero do discurso notícia da grande imprensa brasileira. Na história desse campo de atividade, muito relevante foi a introdução do paradigma da objetividade que se instalou a partir dos anos de 1950. Esse paradigma representou importantes mudanças estruturais na composição do texto noticioso e, sobretudo, em relação ao discurso alheio que, desde então, tornou-se material privilegiado a ser articulado com a pretensão de isentar o discurso jornalístico de qualquer avaliação sobre o fato noticiado. Na imprensa brasileira, a introdução do paradigma da objetividade se deu sob determinadas particularidades históricas, políticas e econômicas que demandavam um processo de autoafirmação da grande imprensa. Além disso, a introdução desse paradigma também se deu num período em que as condições tecnológicas permitiam a reprodução da fotografia em grande escala. Assim, a imagem fotográfica, já amparada em concepções cientificistas de objetividade mecânica, entrou como elemento de peso para sustentar os valores defendidos sob a determinação do paradigma da objetividade e, inclusive, condicionando práticas de produção e consumo da notícia. Partindo dessas considerações, procuramos investigar a relação estabelecida com o discurso alheio constituída na interação semiótica do signo verbal e do fotográfico no gênero do discurso notícia. Para realizar nosso trabalho buscamos apoio principalmente na Filosofia da Linguagem bakhtiniana e em trabalhos específicos de teoria e história da imprensa e do fotojornalismo; além disso, para auxiliar nossas compreensões, buscamos apoio em alguns trabalhos que tratam especificamente da imagem fotográfica. Para operar nossa investigação selecionamos um conjunto de textos noticiosos do caderno Cotidiano do jornal Folha de S. Paulo. Em nossas análises pudemos perceber tendências de uso das formas sintáticas do discurso indireto e do discurso direto que correspondem à refração ideológica do paradigma da objetividade. Também pudemos compreender formas distintas de orientação da imagem fotográfica para o discurso alheio que podem enfatizar ou atenuar as avaliações desse discurso, modificar o seu valor de verdade, fortalecê-lo ou enfraquecê-lo na hierarquia social dos valores, justificá-lo ou condená-lo moralmente, cientificamente, pragmaticamente, etc.

The purpose of this thesis is to investigate how Swedes writing in English construct number concord with collective nouns. This was done by studying three primary corpora: the Swedish English Newspaper Corpus (SWENC) and the press sections of Frown (American English) and F-LOB (British English). The findings were compared with the results in the Blogs in English by Swedes Corpus (BESC), Frown (American English) and F-LOB (British English). The SWENC contains texts from three online newspapers and one corporate newsletter in English, all of which are written by Swedes. The BESC contains texts from Swedes blogging in English. Frown and F-LOB contain texts from fifteen text genres in the 1990s. The results in the SWENC are discussed and compared with the press sections of F-LOB and Frown. The results are also compared with the BESC, Frown and F-LOB in order to see whether there is regional and stylistic variation. The results show that Swedes prefer singular verbal concord with collective nouns even though plural forms occur which seem to be closer to F-LOB Press (BrE) than Frown Press (AmE). In contrast, the SWENC differs from the press sections of Frown and F-LOB in constructing pronominal number. This difference could be influenced by Swedish usage which allows both singular and plural pronominal number with collective nouns. The study also shows that plural forms of political parties that seem to constitute collective units show variation in Sweden whereas such nouns take only plural concord in both American and British English.