FIGURATIVE LANGUAGE IN ENGLISH STAND-UP COMEDY
Notice bibliographique
Résumé
This descriptive qualitative research was about the analysis of figurative language in English stand-up comedy. The purposes of this study were to identify the types of figurative language and to describe the functions of figurative language found in the selected video of stand-up comedy show. The data source was taken from one of selected videos of Russell Peters stand-up comedy show. Russell Peters’s speech contained about figurative language in the video is observed. The data were collected through content analysis technique by collecting the verbal language used by Russell Peters. The first research questions was analyzed by McArthur (1992) theory and supported by Crystal (1994) theory to find out the types of figurative language found in English stand-up comedy. To answer the second research questions about the functions of figurative language found in English stand-up comedy was analyzed by Chunqi (2014) theory and suppoted by Kokemuller (2001) theory and Turner (2016) theory. After analyzing data, it was found that Irony was the most dominant figurative language used by Russell Peters in “Russell Peters Comedy Now! Uncensored” with 29.94%. It was happened because the kind of topics used by Russell Peters in that show were about ethnics (canadian, white people, black people, brown people and asian), society case (beating child) and culture (accent and life style of various ethnics in the world, habitual of various ethnics in the world). Irony and Hyperbole were needed dominantly in the performance, to entertain the audiences in the stand-up comedy show. The function of eleven types of figurative language which were used by Russell were concluded. The functions were to amuse people in comedic situations, to expand meaning, to explain abstract emotions, to make sentence interesting represented and give creative additions. Keywords: Figurative Language, Stand-Up Comedy, English Stand-Up Comedy
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».