Systemic functional linguistics-legal genres and their configurations in the Islamic law and jurisprudence textbooks at a university in Indonesia
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.
Notice bibliographique
Résumé
The great importance of textbooks in the English language in the academic, pedagogic, and scientific world is uncontested. Acquiring holistic knowledge of legal transdisciplinary is of great importance to Islamic law students in Indonesia. Nevertheless, English reading proficiency of Indonesian students is problematic. The present research was to identify the genre types and unfold them through what patterns the genres are mostly structured. Data of the study were one Islamic Law textbook and one Jurisprudence textbook used as teaching resources and required reading at Universitas Islam Negeri Sumatera Utara, Indonesia. Based on the five main Systemic Functional Linguistics-based genre frameworks for the analysis, findings from the Islamic Law textbook showed 18 genre types including three proposed ones under four genre families of which History genres are the most frequent ones followed by Explanation, Report, and Argument genres. On the other hand, 16 genre types including three new ones belonging to four genre families were identified in the Jurisprudence in which Report genres are the most frequent ones followed by Argument, Explanation, and History genres. The commonalities and discrepancies of the findings between the two legal textbooks are assumed to be the logical results of the ideological differences and the resource aspects from which the legal discipline is oriented. The findings of the study would be useful to design teaching of reading legal English texts that can facilitate students which is unfortunately neglected by both English and Law teachers.
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 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 | 0,003 |
| 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 | 0,001 |
| 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) | 0,000 | 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 découle