MétaCan
Menu
Retour à la cohorte
Enregistrement W4386747069 · doi:10.21067/jibs.v10i1.8435

INTERFERENSI BAHASA LAMAHOLOT DIALEK LEWOAWAN TERHADAP PENGGUNAAN BAHASA INDONESIA PADA MASYARAKAT DESA LEWOAWANG

2023· article· id· W4386747069 sur OpenAlexaff
Bartoldus Sora Leba

Notice bibliographique

RevueJurnal Ilmiah Bahasa dan Sastra · 2023
Typearticle
Langueid
DomaineArts and Humanities
ThématiqueLinguistics and Language Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesLinguisticsSpeech recognitionArtComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Tujuan dari penelitian ini adalah untuk menjelaskan jenis-jenis interferensi berdasarkan unsur-unsur kebahasaan yang terlibat sebagai akibat dari adanya pengaruh bahasa Lamaholot dialek Lewoawan (B1) terhadap penggunaan bahasa Indonesia (B2) oleh masyarakat Desa Lewoawan. Pengumpulan data dilakukan dengan menggunakan teknik simak bebas libat cakap dan catat. Data yang dikumpulkan berupa kata dan kalimat. Teknik yang digunakan dalam menganalisis data adalah reduksi, penyajian, dan penarikan kesimpulan. Berdasarkan hasil analisis ditemukan bahwa ada beberapa jenis interferensi yang disebabkan oleh masuknya unsur-unsur kebahasaan yang terlibat dari B1 ketika penutur menggunakan B2, yakni interferensi folonologis, dan interferensi sintaksis, dan interferensi leksikal. Interferensi fonologis mencakup perubahan pelafalan fonem /ǝ/ menjadi /ɛ/ dan perubahan bunyi diftong menjadi monoftong. Interferensi sintaksis terjadi karena bahasa Indonesia dituturkan menggunakan struktur kalimat bahasa Lamaholot dialek Lewoawan serta penggunaan partikel penegas. Partikel penegas yang sering dipakai dalam bertutur adalah partikel ka, to, ni dan tu. Partikel ka dipakai untuk menyatakan makna penegasan dalam kalimat interogatif, partikel to dipakai untuk menyatakan rasa ketidakpedulian terhadap apa yang disampaikan, sedangkan partikel ni dan tu menyatakan penegasan terhadap kalimat demonstratif yang mengacu pada tempat. Sedangkan interferensi morfologis mencakup penggunaan kata.

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)0,002
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 enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,253
Écart entre enseignants0,223 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmiah Bahasa dan SastraMême sujetLinguistics and Language AnalysisTravaux en français237 207