A computational, cross-linguistic analysis of semantic frame construction in Chinese, Spanish, and German climate discourse using corpus-based distributional semantics

Technische Samenvatting: Een Computationele, Cross-Linguïstische Analyse van Semantische Frameconstructie in het Chinese, Spaanse en Duitse Klimaatdiscours

Probleemstelling
Hoewel onderzoek naar politieke communicatie uitgebreid heeft onderzocht hoe frames de publieke interpretatie van klimaatkwesties vormgeven, is er een aanzienlijke kloof in het begrip van de linguïstische mechanismen waarmee deze frames worden geïnstancieerd in typologisch verschillende talen. Bestaand onderzoek wordt gedomineerd door Engelstalige contexten, waardoor de cross-linguïstische constructie van het klimaatdiscours in het Chinees, Spaans en Duits onvoldoende begrepen is. Specifiek blijft het onduidelijk hoe globale narratieven circuleren en worden aangepast binnen diverse taalgemeenschappen, en of convergentie en divergentie in framing kwantitatief gemodelleerd kunnen worden via distributionele semantiek. Deze studie adresseert de noodzaak om verder te gaan dan kwalitatieve beschrijvingen door de semantische frameconstructie over talen heen te kwantificeren, waarbij frame-semantiek wordt geïntegreerd met computationele methoden om zowel gedeelde lexicale fundamenten als cultureel ingebedde adaptiepaden te vatten.

Methodologie
De studie maakt gebruik van een gemengde corpus-gebaseerde en computationele linguïstische benadering, gestructureerd in drie opeenvolgende fasen:

1. Corpusconstructie: Een trilinguïstisch corpus van officiële politieke toespraken (2015–2023) werd samengesteld uit gezaghebbende overheidsportalen en internationale organisaties. De dataset bevat 260.711 tokens (Chinees), 225.575 tokens (Spaans) en 187.952 tokens (Duits). Teksten werden voorbewerkt met jieba (Chinees) en spaCy (Spaans/Duits) voor segmentatie, gevolgd door part-of-speech filtering, stopwoordverwijdering en lemmatisering/standaardisatie.
2. Frame-identificatie: Een hybride top-down en bottom-up benadering werd gebruikt. Top-down leidde Entmans vierdimensionale model (probleemdefinitie, causale attributie, morele evaluatie, beleidsaanbeveling) bij de definitie van kandidaat-frames. Bottom-up identificeerden TF-IDF-weging en co-occurrentienetwerkanalyse termen met een hoge salientie. Twee annotatoren bereikten een inter-annotator overeenkomst van $\kappa = 0,87$, waarbij drie dominante cross-linguïstische frames werden geïdentificeerd: Globale Verantwoordelijkheid, Nationaal Belang en Technologische Innovatie.
3. Computationele Modellering: Een tweetraps embedding-strategie werd toegepast:
   • Word2Vec: Een skip-gram model (100 dimensies, venstergrootte 5) werd getraind om statische, paradigmatische lexicale associaties te vangen en cross-linguïstische semantische velden te construeren.
   • BERT: Contextuele embeddings werden geëxtraheerd met behulp van het bert-base-multilingual-cased model om contextgevoelige semantische variatie te vangen. Op zinsniveau gegenereerde gemiddelde embeddings, en dimensionaliteitsreductie (t-SNE) en K-means clustering werden gebruikt om semantische ruimtes en interne framestructuren te visualiseren.
   • Statistische Validatie: Cross-linguïstische gelijkenis werd beoordeeld met permutatietesten (1.000 willekeurige paren) en bootstrap 95% betrouwbaarheidsintervallen om te waarborgen dat de resultaten niet op toeval berustten.

Belangrijkste Resultaten
De analyse onthult een gestructureerde co-existentie van semantische convergentie en culturele adaptatie:

• Convergentie in Probleemdefinitie: Er is systematische convergentie in hoe klimaatverandering wordt gedefinieerd en causaal wordt toegeschreven over alle drie de talen. Dit weerspiegelt een gedeeld lexicaal repertoire gevormd door transnationale discourscirculatie (bijv. UNFCCC-normen). Cross-linguïstische gelijkenis in contextuele embeddings is statistisch significant over alle taalparen en frames heen, waarbij specifieke significantieniveaus variëren per frame en paar: in het frame Nationaal Belang, Chinees–Spaans ($p < 0,001$), Chinees–Duits ($p = 0,029$) en Spaans–Duits ($p < 0,001$); in het frame Technologische Innovatie, Spaans–Duits ($p < 0,001$), Chinees–Spaans ($p = 0,003$) en Chinees–Duits ($p = 0,031$).
• Divergentie in Morele Evaluatie en Beleid: Significante divergentie vindt plaats in morele evaluatie en beleidsaanbevelingen, wat reflectie is van cultureel ingebedde strategieën:
  • Chinees Discours: Construeert collectieve verantwoordelijkheid via geïnstitutionaliseerde formuleringen zoals "Gemeenschap van een gedeelde toekomst voor de mensheid". Het semantische netwerk centreert rond de metafoor [DE WERELD IS EEN FAMILIE], waarbij de nadruk ligt op wederzijdse bijdrage en staatgeleide ontwikkeling.
  • Spaans Discours: Legt de nadruk op klimaatgerechtigheid en burgerlijke nabijheid, waarbij de metafoor [MILIEUVERANTWOORDELIJKHEID IS EEN SCHULD] wordt gebruikt. Dit frameert ontwikkelde landen als "schuldenaren" en ontwikkelingslanden als "crediteuren", met nadruk op historische verantwoordelijkheid en compenserende rechtvaardigheid.
  • Duits Discours: Prioriteert juridisch-institutionele verantwoording, opererend onder de metafoor [KLIMAATBESTUUR IS Institutionele Engineering]. Het discours richt zich op procedurele rechtvaardigheid, systemische actie en een lexicon gebaseerd op rechten.
• Frame-specifieke Uitlijning: De studie vond dat cross-linguïstische uitlijning niet uniform maar frame-afhankelijk is. In het frame Nationaal Belang vertoonden Chinees en Spaans de dichtste uitlijning. Daarentegen vertoonden in het frame Technologische Innovatie Spaans en Duits de dichtste semantische uitlijning, waarschijnlijk door gedeelde EU-beleidskaders.
• Lexicalisatie Strategieën: De studie benadrukt hoe taaltypologie de frameconstructie beïnvloedt. Het Chinees gebruikt gecondenseerde genominaliseerde zinnen; het Duits maakt gebruik van samengestelde zelfstandige naamwoorden voor conceptuele precisie; en het Spaans hanteert "zelfstandig naamwoord + bijvoeglijk naamwoord" structuren voor beschrijvende flexibiliteit.

Belangrijkste Bijdragen

• Methodologische Vooruitgang: De studie operationaliseert framing als een computationeel hanteerbaar, meetbaar construct, en breidt het Entman-framework uit naar cross-linguïstische empirische analyse. Het biedt een reproduceerbare pipeline die TF-IDF, co-occurrentienetwerken en contextuele embeddings combineert voor de analyse van meertalig politiek discours.
• Theoretische Expansie: Het demonstreert dat framing niet slechts een cognitief-retorische strategie is, maar een taalstructureel fenomeen dat wordt gevormd door typologische kenmerken en lexicalisatiepatronen. Het onderzoek daagt het idee van uniforme globale diffusie uit, en toont in plaats daarvan een "convergentie met reconstructie" aan, waarbij globale templates worden hervormd door lokale semiotische systemen.
• Empirisch Inzicht: Door een trilinguïstisch corpus te analyseren, beweegt de studie voorbij naar westers-gecentreerde perspectieven om te verlichten hoe meertalige discoursen globale normdiffusie en culturele adaptatie in klimaatbestuur belichamen.

Betekenis en Claims
Het artikel claimt bij te dragen aan de computationele discourslinguïstiek, politieke communicatieonderzoek en meertalig klimaatbestuursonderzoek. Het voert aan dat semantische convergentie nooit neutraal is, maar wordt gevormd door macht, institutionele contexten en culturele tradities. De bevindingen suggereren dat hoewel globale frames een gemeenschappelijk semantisch substraat bieden, hun communicatieve tractie afhangt van hun herinterpretatie binnen lokale symbolische en institutionele systemen.

De auteurs stellen een "frame communicatie-ecologie" voor als een conceptueel kader voor toekomstig onderzoek, die frameproductie, bemiddeling en receptie koppelt. Zij erkennen beperkingen, waaronder de bescheiden corpusgrootte voor laagfrequente termen en het voorlopige karakter van sommige Duitse BERT-vergelijkingen vanwege beperkte contextuele instanties. De studie concludeert dat het begrijpen van deze linguïstische mechanismen essentieel is voor het verbeteren van de effectiviteit van meertalige communicatiestrategieën in globaal klimaatbestuur, met name bij het identificeren van domeinen waar semantische convergentie robuust is versus domeinen die culturele herankering vereisen.