MétaCan
Menu
Retour à la cohorte
Enregistrement W4377193345 · doi:10.5539/ies.v16n3p51

An Analysis of the Language Usage of the Twitch TV Users in the Context of Turkish Education

2023· article· en· W4377193345 sur OpenAlexvenueno aff
Bilal Şimşek

Notice bibliographique

RevueInternational Education Studies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurkishContext (archaeology)Foreign languageNeologismPsychologyLinguisticsCurriculumComputer scienceMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

The aim of this research is to examine the language usage of Twitch tv users in the context of Turkish education. The data of the study, which is descriptive qualitative research, were collected from the chat message of three streamers who produced the most watched Turkish programs aired on Twitch tv. The number of viewer messages analysed in the study is 32.764. The findings show that these messages are produced mostly in Turkish language, but there are also others produced in other languages. The messages are found to contain emotes, abbreviations, neologisms and random laugh expressions which are used for communicative purposes. Turkish expressions are used more in the chat broadcast whereas in the game broadcast foreign origin words are more frequently used. In addition, when the chat messages of the three streamers for the same game were examined, differences are found in the language usage of the viewers. In the use of emotes, abbreviations, neologisms and random laugh expressions, there is no difference from the language used by the streamer or in the content. The analysis shows that the use of these linguistic features changes depending on the context. When we examine the data in the context of Turkish education, it has been determined that the language used in the platform does not match the aims of the Turkish Course Curriculum (2019). In addition, it was determined that emotes, abbreviations, neologisms and random laugh expressions were an essential part of communication. It has been suggested that some language elements that young people use frequently in the digital environment and that contribute to the meaning should be included in the Turkish teaching process.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,078
Tête enseignante GPT0,503
Écart entre enseignants0,425 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEducational Methods and AnalysisTravaux en français237 207