Investigating Leech’s Politeness Principle in Conversational Verses in Three Surahs from The Holy Quran
Notice bibliographique
Résumé
This study has investigated three Surahs from the Holy Quran, translated into English by Arberry (1955), in terms of the Politeness Principle proposed by Leech (1983). The study aimed to investigate the kinds of politeness maxims employed by the characters in the three Surahs in question. The intentions of the speakers in observing or flouting each of Leech’s politeness maxims have been categorized, including six maxims of the Politeness Principle: tact maxim, generosity maxim, approbation maxim, modesty maxim, agreement maxim, and sympathy maxim. The research had applied a mixed-methods approach in analyzing the obtained data. The data consisted of the utterances uttered by the characters in the three Surahs. After collecting the data, the data classified into six maxims of the Politeness Principle. Then, several conclusions had been drawn based on the research findings. The results of the study showed that the characters used six maxims: tact maxim, generosity maxim, approbation maxim, modesty maxim, agreement maxim, and sympathy maxim. Finally, the findings indicated that three maxims had been flouted by the characters: tact maxim, generosity maxim, and agreement maxim.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».