Emotion to forecast a recession: A bilingual lexical and sentiment analysis of the un and imf world economy reports for 2019

• Autores: María Ángeles Orts
• Localización: Ibérica: Revista de la Asociación Europea de Lenguas para Fines Específicos ( AELFE ), ISSN-e 2340-2784, ISSN 1139-7241, Nº. 40, 2020, págs. 217-244
• Idioma: inglés
• Títulos paralelos:
  • La emoción para pronosticar una recesión: análisis bilingüe léxico y de sentimiento de los informes económicos mundiales de la ONU y del FMI para el año 2019
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este trabajo lleva a cabo un análisis discursivo de dos informes institucionales de 2019 sobre la economía mundial y sus traducciones al español, y se propone determinar el papel que desempeña la emoción en la forma en que cada texto está verbalizado léxicamente. Se ha realizado previamente un análisis del léxico que ha permitido obtener una lista de 60 palabras clave utilizadas para crear una taxonomía léxica capaz de permitir la comparación de la proporción de tecnicismos libres de emoción y la de elementos cargados de emoción que conceptualizan la situación económica con una polaridad positiva o negativa en cada texto. Posteriormente, se ha realizado un procesamiento automático con Lingmotif (moreno-Ortiz, 2017), un software de análisis de sentimiento que establece la polaridad positiva y/o negativa y el grado de intensidad emocional de los textos. Dicho análisis revela la existencia de diferencias retóricolingüísticas en la forma en que se emplea la emoción en cada uno de los informes que están relacionadas con los objetivos comunicativos de cada institución y que quedan reflejadas en sus traducciones al español

  • English

    The present work carries out a discursive analysis of two 2019 institutional reports on the world’s economy and their Spanish translations, and endeavours to determine the role that emotion plays in the way each text is lexically verbalized. A prior lexical analysis is carried out to obtain a 60-keyword list used to create a lexical taxonomy which may allow comparison of the proportion of –emotion-free– technolects and that of emotion-laden items conceptualizing the economic situation with a positive or negative polarity in either text.

    Subsequently, automatic processing is conducted with Lingmotif (moreno-Ortiz, 2017), a Sentiment Analysis software to establish the positive and/or negative polarity and the degree of emotional intensity in the texts. The analysis reveals how there exist rhetorical-linguistic differences in the way emotion is deployed between the reports in line with the goals of each institution, and that these differences are mirrored in their Spanish translations