MétaCan
Menu
Retour à la cohorte
Enregistrement W2801883872 · doi:10.5539/ass.v14n5p126

Dialogue Model, Conflict, and Context in Drama Text Works by Arifin C. Noer

2018· article· en· W2801883872 sur OpenAlexvenueno aff
Wahono Wahono, Rustono Rustono, Agus Nuryatin, Mimi Mulyani

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics and Language Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDramaContext (archaeology)Meaning (existential)IdeologyLinguisticsSociologyPolitenessPsychologyEpistemologyLiteratureHistoryPhilosophyPoliticsArtPolitical science

Résumé

récupéré en direct d'OpenAlex

Dialogue, conflict, and context are paramount in the drama text. The research of these three things can reveal the meaning, aesthetics, and ideology that blend in the drama text. Drama text research has not obtained comprehensive results if it has not revealed all three. The purpose of this research is to find the dialogue model, conflict, and context in drama text by Arifin C. Noer. The approach used in this research is the critical discourse of Teun A. Van Dijk. Data are analyzed in three dimensions, namely text, social cognition, and social context through macro structures, superstructures, and microstructures. The global macro structure is reflected in the synopsis, the superstructure is seen from its builder elements, and the microstructure contains the use of language. The results of the microstructure research found that the dialogue can be configured in several models, i.e. by topic, principles of cooperation, principles of politeness, speech acts, and speech series. The conflict was created with a model of pragmatic, socio-psychology, and ideological principles use. The context model is the use of physical, epistemic, linguistic, and social context. The results of this research contribute to the increased appreciation of drama and reference texts in its teaching.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,258
Écart entre enseignants0,236 · 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 Social ScienceMême sujetLinguistics and Language AnalysisTravaux en français237 207