MétaCan
Menu
Retour à la cohorte
Enregistrement W2998773515

The application of Mcenery`s classification of bad language words in the Raid Redemption and The Raid 2 : ``Berandal`` Movies

2016· dissertation· en· W2998773515 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueUniversitas Sanata Dharma Repository (Universitas Sanata Dharma) · 2016
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRAIDComputer scienceNatural language processingArtOperating system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper aimed to find out how McEnery's classification of bad language word was applied in The Raid Redemption and The Raid 2: "Berandal" movies.The first movie soared through the world after being nominated in a Movie Festival in Toronto.The following sequel was also very popular.It expanded the action into prolonged time span and also received positive criticism from the audiences.In these movies, there were a lot of occurrences of Indonesian swear word and uniquely many of those occurrences could fit into McEnery's classification of swear word.Consequently the research problem was formulated as how McEnery's classification of bad language words can be applied in categorizing the occurrences of swearing in the Indonesian language especially in the The Raid Redemption and The Raid 2: Berandal.?This research employed content analysis.The research' object was the theory of Bad Language Word classification proposed by McEnery in 2007.The data in which the main theory would be applied were two well-known Indonesian movies namely The Raid Redemption and The Raid 2: Berandal.Considering that the main discussion was about the bad language that occurred during the movie then the data displayed and discussed in this paper would only be the context and the occurrence of the bad language word itself in form of dialog.The researcher used references from books, online websites, general knowledge, films, and dictionaries to support this study to reveal how McEnery's classification of bad language word is applied.Based on the analysis, the researcher found that only seven out of sixteen categories in a categorization that was proposed by McEnery could fit into the movies.The researcher found that it is important to separate the classifications into subgroups to overcome overlapping problem.Seven categories that occur in both movies are cursing expletive, general expletive, idiomatic set phrase', literal usage denoting taboo referent, pronominal' form with undefined referent, imagery based on literal meaning and figurative extension of literal meaning..

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,510
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,010
Tête enseignante GPT0,289
Écart entre enseignants0,279 · 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