Modality in the Text of Jokowi’s Speech in the Context of the Anniversary of Political Parties in Indonesia: Systemic Functional Linguistics Study
Notice bibliographique
Résumé
A person's views or opinions can be known from the use of modalities when giving speeches. This study aims to determine and describe the use of modalities in the text of Jokowi's speech in the framework of the Anniversary of Political Parties in Indonesia. This research is a qualitative descriptive research. The data of this study are clauses that have modalities in the text of Jokowi's speech. The technique of collecting data was done by online participatory observation and the technique of analyzing data was done by using interactive data analysis including: data collection, data reduction, data display and conclusion. Meanwhile, the source data of this research from five speeches of Jokowi at the political parties’ anniversary namely: Golkar, Perindo, PDI-Perjuangan, PSI, and Gerindra. The five speeches of Jokowi were downloaded from youtube. The results of this study show that the five speeches of Jokowi used modalization modality and modulation modality with different frequency occurences. Modalization modality dominates in its use with frequency 68 times meanwhile the frequency of modulation modality occurred in 53 times. This research also found 18 markers of modality used by Jokowi in his speech. From 18 markers of modality, it was found 3 markers of modality that were dominant in use, namely: ‘will’, ‘must’, and ‘want’. Thus, it was concluded that Jokowi in his speech had high hopes for the five political parties to bring Indonesia to become a developed country.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».