Tổng quan nghiên cứu

Trong bối cảnh truyền thông hiện đại, các bài viết bình luận trên các kênh tin tức quốc tế như CNN ngày càng thu hút sự quan tâm của độc giả với số lượng bài viết lên đến hàng chục nghìn từ mỗi tháng. Việc phân tích ngôn ngữ biểu đạt thái độ trong các bài bình luận này giúp hiểu rõ hơn cách các nhà báo truyền tải cảm xúc, đánh giá và quan điểm cá nhân về các vấn đề xã hội, chính trị và văn hóa. Luận văn này tập trung nghiên cứu các nguồn lực thái độ (Attitudinal Resources) trong các bài viết bình luận trên CNN dựa trên Lý thuyết Đánh giá (Appraisal Theory) của Martin và White (2005). Mục tiêu chính là xác định các biểu hiện ngôn ngữ thể hiện thái độ của nhà báo, đồng thời phân tích các đặc điểm ngôn ngữ của những biểu hiện này trong ba loại thái độ: Cảm xúc (Affect), Đánh giá hành vi (Judgment) và Đánh giá sự vật, hiện tượng (Appreciation).

Phạm vi nghiên cứu bao gồm 40 bài viết bình luận tiếng Anh được đăng tải trên kênh CNN từ tháng 6/2020 đến tháng 2/2021, với độ dài trung bình mỗi bài từ 700 đến 1200 từ, chủ yếu xoay quanh các chủ đề thời sự như đại dịch Covid-19 và các vấn đề xã hội khác. Nghiên cứu có ý nghĩa quan trọng trong việc làm rõ cách thức sử dụng ngôn ngữ đánh giá trong thể loại bình luận, góp phần nâng cao hiểu biết về chức năng giao tiếp và tác động xã hội của ngôn ngữ báo chí. Kết quả nghiên cứu cũng cung cấp cơ sở lý thuyết và thực tiễn cho việc giảng dạy và nghiên cứu ngôn ngữ học ứng dụng trong lĩnh vực truyền thông và báo chí.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên Lý thuyết Đánh giá (Appraisal Theory) do Martin và White (2005) phát triển, một phần mở rộng của Ngữ pháp chức năng hệ thống (Systemic Functional Linguistics - SFL) của Halliday. Lý thuyết này tập trung vào ba hệ thống ngữ nghĩa tương tác: Attitude (Thái độ), Engagement (Tham gia đối thoại) và Graduation (Cường độ). Trong đó, Attitude là trọng tâm nghiên cứu, bao gồm ba loại thái độ chính:

  • Affect (Cảm xúc): Biểu đạt cảm xúc và phản ứng tình cảm của con người, bao gồm bốn phân loại nhỏ: Dis/inclination (khao khát/sợ hãi), Un/happiness (vui/buồn), In/security (an tâm/bất an), Dis/satisfaction (hài lòng/bất mãn).
  • Judgment (Đánh giá hành vi): Đánh giá hành vi con người dựa trên các chuẩn mực xã hội, gồm hai phân hệ: Social Esteem (đánh giá về năng lực, tính cách, sự kiên trì) và Social Sanction (đánh giá về tính trung thực, đạo đức).
  • Appreciation (Đánh giá sự vật, hiện tượng): Đánh giá giá trị, chất lượng của sự vật, sự kiện, bao gồm các khía cạnh Reaction (phản ứng), Composition (cấu trúc) và Valuation (giá trị).

Lý thuyết này cho phép phân tích chi tiết các biểu hiện ngôn ngữ thể hiện thái độ, từ đó hiểu được cách thức nhà báo xây dựng quan điểm và tác động đến người đọc.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp kết hợp định tính và định lượng. Dữ liệu gồm 40 bài viết bình luận tiếng Anh trên CNN, được thu thập ngẫu nhiên trong khoảng thời gian từ tháng 6/2020 đến tháng 2/2021, với tổng số từ khoảng 28.974 từ. Các bài viết được mã hóa từ O1 đến O40 để thuận tiện cho việc phân tích.

Phân tích định tính được áp dụng để nhận diện, phân loại và giải thích các nguồn lực thái độ theo ba loại Affect, Judgment và Appreciation, đồng thời khảo sát các đặc điểm ngôn ngữ như tính tích cực/tiêu cực, biểu hiện rõ ràng/gián tiếp, và các lớp từ được sử dụng. Phân tích định lượng được thực hiện bằng cách thống kê tần suất xuất hiện của từng loại thái độ và các phân loại con, từ đó xác định tỷ lệ phần trăm và so sánh mức độ sử dụng trong các bài viết.

Quy trình nghiên cứu bao gồm: tổng hợp lý thuyết và nghiên cứu trước, thu thập và mã hóa dữ liệu, phân tích định tính và định lượng, kiểm tra độ tin cậy và tính hợp lệ của dữ liệu. Việc sử dụng Lý thuyết Đánh giá của Martin và White (2005) làm khung phân tích đảm bảo tính khoa học và nhất quán của nghiên cứu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Tỷ lệ sử dụng các nguồn lực thái độ: Tổng cộng có 3.112 nguồn lực thái độ được phát hiện trong 40 bài viết với tổng số từ 28.974. Trong đó, Judgement chiếm tỷ lệ cao nhất với 49,7% (1.548 lần), Appreciation chiếm 27% (842 lần), và Affect chiếm thấp nhất với 23,2% (722 lần). Điều này cho thấy nhà báo ưu tiên đánh giá hành vi con người hơn là biểu đạt cảm xúc hay đánh giá sự vật.

  2. Phân bố các phân loại con của Affect: Trong Affect, In/Security (an tâm/bất an) chiếm tỷ lệ cao nhất với 45,1%, tiếp theo là Dis/Satisfaction (hài lòng/bất mãn) 21,3%, Dis/Inclination (khao khát/sợ hãi) 18,4%, và Un/Happiness (vui/buồn) thấp nhất với 15%. Điều này phản ánh sự tập trung vào cảm xúc liên quan đến sự an toàn và lo lắng trong các bài bình luận về các vấn đề xã hội và chính trị.

  3. Tính tích cực và tiêu cực của Affect: Các biểu hiện cảm xúc tích cực chiếm ưu thế với 75,6%, trong khi cảm xúc tiêu cực chỉ chiếm 24,4%. Ví dụ, từ "confident" (tự tin) và "want" (muốn) thể hiện cảm xúc tích cực, trong khi "worry" (lo lắng) và "painful" (đau đớn) biểu thị cảm xúc tiêu cực.

  4. Phân biệt Affect tác giả và Affect không phải tác giả: Affect không phải tác giả (Non-authorial Affect) chiếm 71,4%, chủ yếu là cảm xúc của các nhân vật hoặc đối tượng được nhắc đến trong bài viết, trong khi Affect tác giả (Authorial Affect) chỉ chiếm 28,4%, thường là cảm xúc của người được trích dẫn hoặc nhân vật trong bài, không phải của chính nhà báo.

Thảo luận kết quả

Kết quả cho thấy Judgement là nguồn lực thái độ được sử dụng nhiều nhất trong các bài bình luận trên CNN, phản ánh xu hướng tập trung vào việc đánh giá hành vi con người theo các chuẩn mực xã hội và đạo đức. Điều này phù hợp với đặc điểm thể loại bình luận, nơi nhà báo thường đưa ra nhận xét, phê phán hoặc khen ngợi hành vi của các nhân vật hoặc tổ chức liên quan đến vấn đề được bàn luận.

Tỷ lệ thấp hơn của Affect cho thấy cảm xúc cá nhân được thể hiện một cách tiết chế, chủ yếu thông qua việc mô tả cảm xúc của người khác hoặc các nhân vật trong bài, nhằm duy trì tính khách quan và chuyên nghiệp trong báo chí. Sự ưu tiên sử dụng Affect tích cực cũng phản ánh xu hướng xây dựng bài viết mang tính thuyết phục và tạo cảm giác lạc quan cho độc giả.

Phân tích chi tiết các phân loại con của Affect cho thấy sự tập trung vào cảm xúc liên quan đến sự an toàn và lo lắng (In/Security) là phù hợp với bối cảnh nghiên cứu trong giai đoạn đại dịch Covid-19 và các vấn đề xã hội phức tạp. Việc sử dụng đa dạng các lớp từ như động từ, tính từ, trạng từ để biểu đạt các nguồn lực thái độ cũng cho thấy sự linh hoạt và phong phú trong ngôn ngữ báo chí.

Các kết quả này có thể được minh họa qua biểu đồ tần suất xuất hiện các loại thái độ và phân loại con, cũng như bảng so sánh tỷ lệ phần trăm giữa các nhóm thái độ tích cực và tiêu cực, giúp trực quan hóa sự phân bố và mức độ sử dụng trong dữ liệu.

Đề xuất và khuyến nghị

  1. Tăng cường đào tạo về ngôn ngữ đánh giá cho nhà báo: Các cơ sở đào tạo báo chí nên tích hợp kiến thức về Lý thuyết Đánh giá và kỹ năng sử dụng ngôn ngữ biểu đạt thái độ nhằm nâng cao khả năng xây dựng bài viết thuyết phục và đa chiều. Thời gian thực hiện: 6-12 tháng; Chủ thể: Trường đại học, trung tâm đào tạo báo chí.

  2. Phát triển công cụ phân tích ngôn ngữ tự động: Xây dựng phần mềm hỗ trợ phân tích các nguồn lực thái độ trong bài viết báo chí giúp nhà báo và biên tập viên đánh giá nhanh chất lượng và tính khách quan của bài viết. Thời gian thực hiện: 12-18 tháng; Chủ thể: Các tổ chức công nghệ, viện nghiên cứu ngôn ngữ.

  3. Khuyến khích sử dụng đa dạng các nguồn lực thái độ: Nhà báo nên cân nhắc sử dụng hợp lý các loại thái độ Affect, Judgment và Appreciation để tạo sự cân bằng giữa cảm xúc và đánh giá, từ đó tăng tính hấp dẫn và thuyết phục của bài viết. Thời gian thực hiện: liên tục; Chủ thể: Nhà báo, biên tập viên.

  4. Nghiên cứu mở rộng về thái độ trong các thể loại báo chí khác: Đề xuất các nghiên cứu tiếp theo mở rộng phân tích sang các thể loại như phóng sự, tin tức, phỏng vấn để có cái nhìn toàn diện hơn về ngôn ngữ đánh giá trong báo chí. Thời gian thực hiện: 1-2 năm; Chủ thể: Các nhà nghiên cứu ngôn ngữ học, báo chí.

Đối tượng nên tham khảo luận văn

  1. Nhà báo và biên tập viên: Giúp hiểu rõ hơn về cách sử dụng ngôn ngữ biểu đạt thái độ trong bài viết, từ đó nâng cao kỹ năng viết và chỉnh sửa bài bình luận, tăng tính thuyết phục và hấp dẫn.

  2. Giảng viên và sinh viên ngành Ngôn ngữ Anh, Báo chí: Cung cấp cơ sở lý thuyết và phương pháp phân tích ngôn ngữ đánh giá, hỗ trợ nghiên cứu và giảng dạy về ngôn ngữ báo chí và giao tiếp học thuật.

  3. Nhà nghiên cứu ngôn ngữ học ứng dụng: Là tài liệu tham khảo quý giá cho các nghiên cứu về ngôn ngữ đánh giá, ngôn ngữ truyền thông và phân tích diễn ngôn trong các thể loại báo chí hiện đại.

  4. Chuyên gia phát triển công nghệ ngôn ngữ: Cung cấp dữ liệu và khung phân tích để phát triển các công cụ xử lý ngôn ngữ tự nhiên, đặc biệt trong lĩnh vực phân tích cảm xúc và thái độ trong văn bản.

Câu hỏi thường gặp

  1. Lý thuyết Đánh giá (Appraisal Theory) là gì?
    Lý thuyết Đánh giá là một khung phân tích ngôn ngữ nhằm mô tả cách thức người nói hoặc người viết thể hiện cảm xúc, đánh giá và quan điểm thông qua ngôn ngữ, bao gồm ba hệ thống chính: Attitude (Thái độ), Engagement (Tham gia đối thoại) và Graduation (Cường độ).

  2. Tại sao nghiên cứu tập trung vào Attitude trong các bài bình luận CNN?
    Attitude là thành phần chính thể hiện cảm xúc, đánh giá hành vi và sự vật trong ngôn ngữ, rất phù hợp để phân tích cách nhà báo truyền tải quan điểm và cảm xúc trong các bài bình luận, giúp hiểu sâu sắc hơn về chức năng giao tiếp của thể loại này.

  3. Phương pháp thu thập dữ liệu của nghiên cứu như thế nào?
    Dữ liệu gồm 40 bài viết bình luận tiếng Anh trên CNN, được thu thập ngẫu nhiên từ tháng 6/2020 đến tháng 2/2021, với độ dài trung bình mỗi bài từ 700 đến 1200 từ, chủ đề đa dạng liên quan đến các vấn đề xã hội và chính trị.

  4. Kết quả chính của nghiên cứu là gì?
    Judgment chiếm tỷ lệ cao nhất trong các nguồn lực thái độ (49,7%), tiếp theo là Appreciation (27%) và Affect thấp nhất (23,2%). Affect tích cực chiếm ưu thế (75,6%) so với Affect tiêu cực (24,4%), và Affect không phải tác giả chiếm đa số (71,4%).

  5. Nghiên cứu có thể ứng dụng như thế nào trong thực tế?
    Kết quả giúp nhà báo và biên tập viên nâng cao kỹ năng sử dụng ngôn ngữ đánh giá, đồng thời hỗ trợ giảng viên, sinh viên và nhà nghiên cứu trong việc phân tích và giảng dạy ngôn ngữ báo chí, cũng như phát triển các công cụ phân tích ngôn ngữ tự động.

Kết luận

  • Luận văn đã phân tích thành công 3.112 nguồn lực thái độ trong 40 bài bình luận trên CNN, với Judgement chiếm ưu thế nhất (49,7%).
  • Các phân loại con của Affect được sử dụng không đồng đều, In/Security chiếm tỷ lệ cao nhất (45,1%), phản ánh cảm xúc lo lắng và an tâm trong bối cảnh xã hội hiện đại.
  • Affect tích cực chiếm ưu thế (75,6%), cho thấy xu hướng xây dựng bài viết mang tính thuyết phục và lạc quan.
  • Phân tích ngôn ngữ cho thấy sự đa dạng trong cách biểu đạt thái độ qua các lớp từ và hình thức biểu hiện rõ ràng hoặc gián tiếp.
  • Nghiên cứu mở ra hướng đi cho các nghiên cứu tiếp theo về ngôn ngữ đánh giá trong các thể loại báo chí khác và ứng dụng thực tiễn trong đào tạo và phát triển công nghệ ngôn ngữ.

Để tiếp tục phát triển nghiên cứu, các nhà nghiên cứu và chuyên gia báo chí được khuyến khích áp dụng và mở rộng khung lý thuyết này trong các lĩnh vực và thể loại khác nhau. Hãy bắt đầu áp dụng những hiểu biết này để nâng cao chất lượng bài viết và phân tích ngôn ngữ trong công việc của bạn ngay hôm nay!