MétaCan
Menu
← Retour à la cohorte
Enregistrement W1699538434

The Use of Code Switching/Code Mixing on Olúsẹgun Mímíkò’s Political Billboards, Oǹdó State, South-West Nigeria

2013· article· en· W1699538434 sur OpenAlexvenueno aff
Tèmítọṕẹ́ Olúmúyìwá

Notice bibliographique

RevueStudies in literature and language · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCode-switchingPoliticsOpposition (politics)Code-mixingCode (set theory)State (computer science)BallotMixing (physics)Political scienceAdvertisingComputer securityComputer scienceLawBusinessLinguisticsPhysicsProgramming languageVoting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In a multilingual society as Oǹdo State where each language uniquely fulfill certain roles and represents different identities, code switching and code mixing are common phenomena used to meet the complex communicative demands of the majority of the people whose competency in English language is relatively low. Some politicians in the State who are aware of this fact resort to the use of code switching and code mixing in political advertising on the billboards. This paper, therefore, examines the use of code switching and code mixing on Olusẹgun Mimiko’s political billboards during the electioneering period of the just concluded October 20, 2012 Governorship election in Oǹdo State. The paper shows that none of his political billboards is anti-opposition, rather, they are used to eulogize him. The study found among other communicative intents, the use of code switching and code mixing in Olusẹgun Mimiko’s political billboards, the need to sell his candidacy and also educating the electorate on where to thumbprint on the ballot paper. Key words: Code switching; Code mixing; Political billboards; Olusẹgun Mimiko; Oǹdo State

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,436
Écart entre enseignants0,360 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and language→Même sujetMultilingual Education and Policy→Travaux en français237 207→