MétaCan
Menu
Retour à la cohorte
Enregistrement W2906717215

JARGON USED BY POLICE IN NAMO RAMBE POLICE QUARTER

2014· dissertation· en· W2906717215 sur OpenAlexaboutno aff
Robby Postanta Ginting

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueCommunication Studies and Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJargonMeaning (existential)Quarter (Canadian coin)LinguisticsComputer sciencePsychologyHistoryPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study focused on Jargon used by Police in Namo Rambe Police Quarter. The objectives of this study were to find out kinds of jargon used in Namo Rambe Police Quarter, to describe the meaning of jargon related to denotative and connotative meaning, and to find out the reasons of policemen using jargon in their communications. The data were limited on Jargon used in Namo Rambe Police Quarter. This study was conducted by using descriptive qualitative method. The data were taken from the conversations of policemen in Namo Rambe Police Quarter and gathered descriptively. The findings of this study show that kinds of jargon used in Namo Rambe Police Quarter classified into three categories, namely sandi huruf (Letter Codes), sandi angka (Number Codes), and Sandi Pangkat Kesatuan (Corps Position Codes). There are 49 words that are considered as jargon in Namo Rambe Police Quarter. 13 (26,53%) has denotative meaning and 5 words (10,20%) has connotative meaning. Furthermore, there are 31 words as jargon (63,27%) that can not be analyzed semantically whether they have denotative or connotative meaning. The reasons of policemen using jargon in their communications in order to keep the secret and the identity of them, to keep communication short and concise, and to make easier in delivering informations.

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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,003
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,365
Écart entre enseignants0,344 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCommunication Studies and MediaTravaux en français237 207