MétaCan
Menu
Retour à la cohorte
Enregistrement W2739644416 · doi:10.1093/acrefore/9780190264079.013.281

Offensive Language Crimes in Law, Media, and Popular Culture

2017· reference-entry· en· W2739644416 sur OpenAlexaboutno aff
Elyse Methven

Notice bibliographique

RevueOxford Research Encyclopedia of Criminology and Criminal Justice · 2017
Typereference-entry
Langueen
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOffensiveLawPunishment (psychology)IdeologyLegislatureCriminal lawPopular cultureSociologyCriminologyPolitical sciencePsychologyPoliticsSocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In Australia, Canada, and the United Kingdom, public order laws criminalize the use of swearing, offensive, or abusive language in a public place. Police officers use these laws as tools to assert “their authority” or command respect in public spaces where that authority is perceived to be challenged via the use of profanities such as “fuck.” Alongside the legislature, the executive, and the judiciary, representations of swearing in the media influence ideas about whether swear words warrant criminal punishment. A particular “common-sense” assumption about language (language ideology) prevalent in media representations of offensive language crimes, echoed by politicians and police representatives, is that disrespecting or challenging police authority via “four-letter words” warrants criminal sanction. However, popular culture can counter dominant ideologies with respect to offensive language, police, and authority. This article examines how the use of swear words in N.W.A’s popular rap song “Fuck tha Police” (1988) and in the HBO television series The Wire (Simon & Burns, 2002–2008) can inform and challenge legal assessments of community standards with regards to offensive language.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,004
Communication savante0,0090,004
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,129
Tête enseignante GPT0,425
Écart entre enseignants0,296 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations59
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford Research Encyclopedia of Criminology and Criminal JusticeMême sujetSwearing, Euphemism, MultilingualismTravaux en français237 207