AN ANALYSIS OF HUMOR IN J.M BARRIE’S PLAY “THE OLD LADY SHOWS HER MEDALS” ON EFL LITERATURE CLASS
Notice bibliographique
Résumé
People tend to find beauty in their life. They create such as painting, dance, music, literature and etc. As one of arts forms, literature is different from other forms of art. It is work writing. People read it for pleasure. They do it in order to know about human life, including its problems, customs, habits, ambition and desires. The data of the study was taken by some following procedures: 1) quoting, means that the writer quoted the dialogue and the stage directions of the play which contains humorous expressions. 2) classifying, means that the writer classified the data into the five groups according to the types of humor such as “wit”, “sarcasm”, “satire”, “irony”, and “repartee”. For the analysis the writer used aspects of drama or play to analyzing it. The aspects of play which is used in analyzing the data are synopsis, characterization (how the characters are described and how they behave), and the language (how the characters speak and how humor is reflected in the play). The writer attempted to understand the meaning of the play and how the expressions of humor employed in the play. He identified sentences that represent characters’ feeling and expressions. Last but not least, the writer used descriptive analysis method. Since the descriptive method is used in the literal sense of describing situations or events. The writer used the descriptive analysis to report the result of the analysis from the data taken. In this case he described expressions of humor which are found in the play
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».