Linguistic Features of Pidgin in Stand-Up Comedy in Nigeria
Notice bibliographique
Résumé
This study is aimed at looking at how comedians are able to create humour through the use of Pidgin in stand-up comedies. It has been observed Pidgin creates a kind of relaxed environment when it is being used in a social setting because of its informal and non-restrictive nature. This study was carried out by identifying and categorizing the features of Pidgin in selected Nigerian comedy shows, interpreting the contents expressed by the features, and by relating the contents to the humorous opinions as expressed in the comedy shows. The data (five Nigerian stand-up comedy videos where Pidgin was adopted) for this research were downloaded on YouTube channel on the Internet and analysed using Halliday’s Systemic Functional linguistics (particularly the interpersonal metafunction). This was done to reveal how language reflects social relationship between the comedian and his audience and how this language expresses humour. The analysis revealed that pidgin is an informal language, and so its informality creates an equal social relationship in an informal setting which aids laughter. Comedians are able to express humour in Pidgin because it is a no man’s native language, and as such, they could use it creatively to achieve their aim - humour. The unserious and informal nature of the language and its method of presentation make their stories humorous. In conclusion, this study offers sociolinguists and discourse analysts an insight into a field that has not been maximally explored.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».