MétaCan
Menu
Retour à la cohorte
Enregistrement W2791080469 · doi:10.5539/ach.v10n1p89

Linguistic Taboos: A Case Study on Australian Lebanese Speakers

2018· article· en· W2791080469 sur OpenAlexvenueno aff
Fouad Abi–Esber, Yang Ping, Hiromi Muranaka, Mohamed Moustakim

Notice bibliographique

RevueAsian Culture and History · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTabooContext (archaeology)LinguisticsPsychologySpeech communityArabicSociologyAdaptation (eye)Social psychologyHistoryAnthropology

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate how Lebanese Arabic speakers living in Australia utilise their linguistic taboos, with the purpose of comprehending their cross-cultural adaptation in the Australian context. The specific research focal point of this study includes how and why Lebanese Arabic speakers of different age range use linguistic taboo words. A total of 56 Lebanese students were deemed to satisfy the participation criteria. A research tool, NVIVO 10 software, was used to analyse the questionnaires and interviews and to help sort major themes, as identified above, for critical discussion. The results show that the older participants tend to use a specially designed euphemistic form of linguistic taboo whereas the younger participants’ use of linguistic taboo is much influenced by some factors such as peer pressures and video games, and they do not always use more taboo words than older participants as reported in previous research. The results indicate the complicated and dynamic sociolinguistic context of the Lebanese community regarding the use of linguistic taboo in Australia. Additionally, it provides insights into how Lebanese speakers manage linguistic taboos successfully in social interactions using their cross-linguistic skills and cross-cultural knowledge.

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)0,002
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,003
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,052
Tête enseignante GPT0,348
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'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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Culture and HistoryMême sujetSwearing, Euphemism, MultilingualismTravaux en français237 207