MétaCan
Menu
Retour à la cohorte
Enregistrement W2407247847 · doi:10.24114/hxg.v2i2.1203

ANALYSE D’UTILISATION LE MODE CONDITIONNEL DANS LA LETTRE FORMELLE DE L`AMBASSADE DE FRANCE AU DEPARTEMENT DU FRANCAIS DE L`UNIMED

2014· article· fr· W2407247847 sur OpenAlexaff
Oriza Safitri, Andi Wete Polili, Hesti Fibriasari

Notice bibliographique

RevueHEXAGONE Jurnal Pendidikan Linguistik Budaya dan Sastra Perancis · 2014
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensMaRS
Organismes subventionnairesnon disponible
Mots-clésPhilosophyHumanitiesPhysics

Résumé

récupéré en direct d'OpenAlex

Le but de cette recherche est de connaître l`utilisation du mode conditionnel présent et le type de la lettre qui se trouvent dans la lettre formelle de l`ambassade de France au département du français de l`UNIMED l`année 2003-2012. La méthode utilisée dans cette cette recherche est la théorie de Isabelle Chollet et Jean-Michel Robert. Par rapport au résultat et à l’analyse de la recherche, il est su que l`utilisation du mode conditionnel présent qui paraît la plus dominante dans la lettre formelle de l`ambassade de France au département du français de l`UNIMED est celui qui se compose de l`utilisation de la politesse/ la demande polie valuant 33 fois de 47 mode conditionnel qui se trouve dans la lettre formelle de l`ambassade de France au département du français de l`UNIMED. D`autre part, le type de lettre utilisé le mode conditionnel présent qui paraît la plus dominante est la lettre de demande valuant 20 fois de 47 mode conditionnel qui se trouve dans la lettre formelle de l`ambassade de France au département du français de l`UNIMED. Recherche est celle de descriptive qualitative et avec la lettre formelle de l`ambassade de France au département du français de l`UNIMED comme sources de donnée. La théorie utilisée dans

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,254
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHEXAGONE Jurnal Pendidikan Linguistik Budaya dan Sastra PerancisMême sujetLinguistics and Discourse AnalysisTravaux en français237 207