MétaCan
Menu
Retour à la cohorte
Enregistrement W2155299596 · doi:10.5539/ass.v9n17p269

“Choose One!”: Challenges of Inter-Ethnic Marriages in Malaysia

2013· article· en· W2155299596 sur OpenAlexvenueno aff
Giok Hun Pue, Nidzam Sulaiman

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAsian Studies and History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic groupDominance (genetics)Gender studiesPhenomenonSociologyCohesion (chemistry)Social psychologyPsychologyAnthropology

Résumé

récupéré en direct d'OpenAlex

The fact that inter-ethnic marriage has been practiced in Malaysia since pre-colonial times is well known and recorded in its history. While there is a modest rise in number of people who choose to marry spouses from different ethnic group in the country, the practice itself has been generally portrayed as a problematic and wanting especially in the Peninsular Malaysia. Popular writings and mass media play a significant role in stereotyping the phenomenon as a current modern (read: western)-influenced trend in contemporary society, as well as its potential to create tensions between the spouses due to their differences in ethnic background and culture. Based on our qualitative study conducted in 2011 on 50 respondents with first-hand experience in inter-ethnic marriages, this paper argues that sources of conflict faced by the couples are not originated from spouses themselves. Instead, they were initiated by various external sources which stem from overwhelming dominance of authority-defined social reality in the organisation of social differences according to rigid ethnic lines in the society. As a result, positive effects of inter-ethnic marriages on maintaining social cohesion in the society, as reflected from first-hand experiences of spouses and progeny of inter-ethnic marriages, are affectively eclipsed.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,016
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,009
Communication savante0,0060,005
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,041
Tête enseignante GPT0,315
Écart entre enseignants0,274 · 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

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetAsian Studies and HistoryTravaux en français237 207