MétaCan
Menu
Retour à la cohorte
Enregistrement W4304184965 · doi:10.7592/ejhr.2022.10.3.625

Humor in conversation among bilinguals

2022· article· en· W4304184965 sur OpenAlexaboutno aff
Marianthi Georgalidou, Vasilia Kourtis-Kazoullis, Hasan Kaili

Notice bibliographique

RevueEuropean Journal of Humour Research · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConversationTurkishEthnic groupLinguisticsPragmaticsEthnographyFocus (optics)Identity (music)Neuroscience of multilingualismSociologyPsychologyMultilingualismSocial identity theorySocial groupSocial psychologyAnthropologyAestheticsArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

In this study, we analyse conversations recorded during ethnographic research in two bilingual communities on the island of Rhodes, Greece. We examine: (a) the bilingual in Greek and Turkish Muslim community of Rhodes (Georgalidou et al. 2010, 2013) and (b) the Greek-American/Canadian community of repatriated emigrant families of Rhodian origin (Kourtis-Kazoullis 2016). In particular, combining interactional and conversation analytic frameworks (Auer 1995; Gafaranga 2007), we examine contemporary approaches to bi-/multilingualism focusing on the pragmatics of humour in conversations among bilinguals. We scrutinise aspects of the overall and sequential organisation of talk as well as instances of humour produced by speakers of different ethnic origin, generation, and social groups. We focus on the construction of “otherness,” which reflects the dynamic interplay between the micro-level of conversational practices and the macro-level of discourse involving contrasting categorisations and identities pertaining to differently orientated ethnic and social groups. Based on the analysis, we will show a) how humorous targeting orients in-groups versus out-groups, and b) mediates the dynamic process of constructing the identity of speakers who, being members of minority linguistic communities, represent “otherness.”

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,006
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,194
Tête enseignante GPT0,376
Écart entre enseignants0,182 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Humour ResearchMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207