No fun intended - et dybt seriøst diskursstudie om køn i dansk stand-up
Oversat titel
No fun intended - a deeply serious analysis of gender discourse in Danish stand-up
Forfattere
Møller, Emil Styrbæk ; Jensen, Søren Døssing
Semester
4. semester
Uddannelse
Udgivelsesår
2017
Afleveret
2017-05-24
Antal sider
87
Abstract
Dette speciale undersøger, hvordan dansk stand-up comedy fremstiller og former forståelser af køn gennem sprog – både direkte og mellem linjerne. Udgangspunktet er socialkonstruktivisme, altså ideen om, at sociale fænomener som køn skabes og vedligeholdes i og gennem kommunikation. Analysen trækker især på medlemskategorisering (via Elizabeth Stokoe), som ser på, hvordan tale placerer personer i sociale kategorier og knytter typiske handlinger og egenskaber til dem. Her indgår begreber som kategori-bundne aktiviteter, kategori-knyttede prædikater og "puslespil" mellem kategorier og aktiviteter. Desuden bruges diskursteori og humorteori, herunder Norman Faircloughs antagelser om hvad der tages for givet (hvad findes, hvad er sandt, hvad er værdifuldt), John B. Thompsons teorier om, hvordan sprog kan forme ideologi, samt Benign Violation Theory (humor opstår når normbrud føles ufarlige) og General Theory of Verbal Humor. Datagrundlaget er velgørenhedsshowet Comedy Aid 2016, som samler mange populære danske komikere på kort tid og dermed giver et bredt øjebliksbillede af dansk stand-up. Det gør det muligt at se, om udtrykket er relativt ensartet, eller om der er stor variation. Store dele af materialet er transskriberet, og analysen fokuserer på det talte indhold, mens kropssprog og tonefald ikke behandles i dybden. Resultaterne peger på gennemgående kønnede temaer som ligestilling, ægteskab, relationer og seksualitet. Inden for disse findes både stereotype og ikke-stereotype fremstillinger af køn samt indslag, der muligvis er kønnede, men hvor relevansen er svær at afgøre. I en bredere teoretisk, psykologisk og samfundsmæssig diskussion konkluderer specialet, at humor sandsynligvis kan påvirke holdningsdannelse negativt, og anbefaler yderligere forskning samt en mere kritisk samtale og tilgang til stand-up – ikke kun i forskningen, men i samfundet generelt.
This thesis examines how Danish stand-up comedy portrays and shapes ideas about gender through language—both explicitly and implicitly. It is grounded in social constructivism, the view that social realities like gender are created and sustained through communication. The analysis mainly uses membership categorization (via Elizabeth Stokoe) to show how talk assigns people to social categories and links typical actions and traits to those categories. Key ideas include category-bound activities, category-tied predicates, and “puzzles” between categories and activities. The study also draws on discourse and humor theories: Norman Fairclough’s assumptions about what is taken for granted (what exists, what is true, what is valued), John B. Thompson’s work on how language manages ideology, and humor frameworks such as Benign Violation Theory (humor arises when norm violations feel safe) and the General Theory of Verbal Humor. The empirical material is the 2016 charity show Comedy Aid, which features many popular Danish comedians in a short time, offering a broad snapshot of Danish stand-up. This makes it possible to see whether styles are relatively homogeneous or varied. Large portions were transcribed, and the analysis focuses on spoken content; nonverbal cues like body language and tone are not examined in depth. The findings highlight recurring gendered themes—gender equality, marriage, relationships, and sexuality—and reveal both stereotypical and non-stereotypical constructions of gender, as well as possibly gendered jokes whose relevance is hard to determine. A wider theoretical, psychological, and societal discussion suggests that humor can probably have negative effects on opinion formation. The thesis calls for further research and for a more critical discussion and stance toward stand-up, not only in academia but in society at large.
[Dette resumé er genereret ved hjælp af AI]