MétaCan
Menu
Retour à la cohorte
Enregistrement W3130679665 · doi:10.33369/joall.v6i1.13314

CODE-SWITCHING IN INDONESIAN POPULAR SONGS AND THE IMPLICATIONS FOR ENGLISH LANGUAGE TEACHING

2021· article· en· W3130679665 sur OpenAlexafffund
Rahmawaty Kadir

Notice bibliographique

RevueJOALL (Journal of Applied Linguistics and Literature) · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Alberta
Mots-clésCode-switchingLyricsIndonesianCode (set theory)PronunciationComputer scienceLinguisticsIdentity (music)Natural language processingProgramming languageLiteratureArt

Résumé

récupéré en direct d'OpenAlex

Code-switching is a common phenomenon in a bilingual and multilingual society. People utilize codes in different forms of interactions for various reasons and functions. This paper investigates the types and functions of code-switching between English and Bahasa Indonesia that occur in lyrics. Fifteen Indonesian songs produced from 2009 to 2019 were examined. This analysis reveals that four types of code-switching occur in the lyrics of Indonesian popular songs: code-switching between sentences (intersentential), code-switching within sentences (intrasentential), code-switching involving changes of pronunciation, and emblematic code-switching. It further reveals that the functions of code-switching in the lyrics vary from discussing particular topics, lexical needs and availability, being emphatic, expressing group identity, simplifying words and expressions, and conveying a strong emotion/gaining attention.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,378
Écart entre enseignants0,360 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJOALL (Journal of Applied Linguistics and Literature)Même sujetMultilingual Education and PolicyTravaux en français237 207