BERITA KEKERASAN SEKSUAL TERHADAP PEREMPUAN DALAM DUNIA PENDIDIKAN: ANALISIS WACANA KRITIS MODEL SARA MILLS
Notice bibliographique
Résumé
Penelitian ini membahas peran wanita pada berita pelecehan seksual di dunia Pendidikan pada detik.com. Tujuan penelitian ini adalah mengungkap tujuan penulis dalam penulisan teks berdasarkan posisi subjekobjek, dan pembacanya. Penelitian ini menggunakan metode deskriptif kualitatif dengan teori model Sarah Mills yang menjadikan wacana feminisme sebagai pusaran kajiannya. Data dalam penelitian ini yaitu ungkapan yang berkaitan dengan analisis wacana model Sara Mills. Sumber data dalam penelitian ini yaitu digunakan adalah berita dengan judul “Kasus Pencabulan yang Bikin Heboh di Jatim, Mas Bechi hingga Bos SPI” pada media massa detik.com. Teknik pengumpulan data pada penelitian ini dilakukan secara purposive. Teknik analisis data dilakukan dengan reduksi data, penyajian data dan penarikan simpulan. Tingkat kekerasan terhadap perempuan sebagai objek masih tinggi. Hal demikian terjadi karena beberapa faktor di antaranya budaya maupun perilaku dari subyek kekerasan. Ini menunjukkan adnya faktor internal dan eksternal. Tiga berita yang dipilih dalam Analisis Wacana Kritis yang menunjukkan penderitaan kaum wanita. Analisis Sara Mills adalah teori yang digunakan dalam analisis wacana kritis ini merupakan ungkapan keberadaan perempuan pada tiga berita tersebut. Perempuan menjadi korban pelecehan seksual.Kata kunci: Analisis Wacana Kritis, Sara Willis
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».