چارچوب تحلیل خطاهای زبانی در اخبار رسانه ملی: راهکارهای برون رفت از چالش ها
محل انتشار: فصلنامه زبان پژوهی، دوره: 14، شماره: 44
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 146
فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JLRZ-14-44_006
تاریخ نمایه سازی: 28 شهریور 1401
چکیده مقاله:
هدف از مطالعه حاضر، طراحی چارچوب تحلیل خطاهای زبانی در اخبار رسانه ملی و بررسی راهکارهای برون رفت از این چالش هاست. به این منظور اخبار بخشهای بامدادی، ظهرگاهی و عصرگاهی اخبار رادیو جوان و رادیو ایران بین آذرماه ۱۳۹۹ تا مرداد ۱۴۰۰ مورد بررسی قرار گرفت. چارچوب مقدماتی تحلیل دادههای پژوهش بر مبنای ترکیبی از الگوی کوردر (۱۹۶۷) و موگامبی و دیگران (۲۰۱۶) انجام شد. در این پژوهش، گامی به سوی طراحی چارچوب تحلیل خطاهای زبانی برداشته شد. در الگوی جدید ۲۱ نوع خطای یافت شده در ۵ دسته جای میگیرند: خطاهای دستوری، منظورشناختی، واژگانی-معنایی، گرته برداری و خطاهای تلفظی. طبق یافته ها، تمام انواع ۲۱ خطا حداقل در یکی از دو شبکه رادیویی رخداده است. استفاده از کسره اضافی یا حذف نابجای کسره در هنگام تلفظ (با مجموع ۲۶%) بیشترین خطای گویندگان بوده است. گویندگان در حوزه «دستور زبان» با کمترین چالش (۲%)، و در حوزه «تلفظ» دچار بیشترین خطا (۶۷%) شده اند. همچنین، مشخص شد که گویندگان مرد ۲۰% کمتر از بانوان مرتکب خطا شده و گویندگان زن ۶۶% بیش از گویندگان مرد دچار خطاهای منظورشناختی شده اند. یافته مهم دیگر آنکه، گویندگان مرد ۷% بیش از زنان به «عذرخواهی توام با خوداصلاحی» رویآورده اند؛ درحالیکه گویندگان زن ۱۰% بیش از مردان در برابر خطاها واکنشی از نوع «نادیده انگاری عمدی» از خود نشان داده اند. بنابراین، تاثیر جنسیت گوینده در این انواع واکنش کاملا مشهود است. نهایتا، طبق یافته ها، تنها ۵% کل خطاها مربوط به گویندگان اخبار ورزشی بوده وآنها صرفا مرتکب خطای تلفظی شده اند؛ به عبارت دیگر، تخصصی کردن حوزههای خبری میتواند در کاهش تعداد خطاها موثر باشد.
کلیدواژه ها:
نویسندگان
محمود افروز
استادیار مطالعات ترجمه گروه زبان و ادبیات انگلیسی، دانشکده زبان های خارجی، دانشگاه اصفهان، اصفهان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :