MétaCan
Menu
Retour à la cohorte
Enregistrement W3117782542 · doi:10.30738/caraka.v7i1.8508

PENGGUNAAN BAHASA BAGI KELOMPOK IMIGRAN DI MAKASSAR: SUATU KAJIAN KONTAK BAHASA

2020· article· en· W3117782542 sur OpenAlexaboutno aff
Andi Samsu Rijal, Andi Mega Januarti Putri, Sulviana Sulviana, Andi Asdar

Notice bibliographique

RevueCaraka Jurnal Ilmu Kebahasaan Kesastraan dan Pembelajarannya · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics and Language Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArt

Résumé

récupéré en direct d'OpenAlex

Language contact is a verbal communication interaction at the same place and time. The phenomenon of language contact can be found in the city of Makassar, both the people of South Sulawesi themselves and immigrant groups from various Middle Eastern countries, where the city of Makassar is used as a temporary area before visiting the destination countries, namely Australia, Canada and America. Seeing the volume of immigrants from 2014 to 2019 living in Makassar, of course every day they interact with the people of Makassar City. The purpose of this article is to describe the use of language for immigrants in interacting with the people of Makassar. The method used is the method of observation and interviews. From the observations it was found that the use of English was only used to interact formally both to UNHCR officers, IOM staff, and to Makassar residents who greeted them in English, Indonesian was also used formally, but in daily interactions a variation of Makassar Malay was used ( BMM) such as when buying, selling, exercising, and other social adaptations. The use of BMM indicates that it is an adaptation effort for language and culture made by immigrant groups to be socially accepted in the Makassar city environment.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,033
Tête enseignante GPT0,227
Écart entre enseignants0,193 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCaraka Jurnal Ilmu Kebahasaan Kesastraan dan PembelajarannyaMême sujetLinguistics and Language AnalysisTravaux en français237 207