MétaCan
Menu
Retour à la cohorte
Enregistrement W4389966958 · doi:10.1017/9781108974004.023

Irony and Satire

2023· book-chapter· en· W4389966958 sur OpenAlexaff
Christian Burgers

Notice bibliographique

RevueCambridge University Press eBooks · 2023
Typebook-chapter
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésIronyComedyLaughterSituational ethicsCriticismSarcasmLiteraturePoliticsPsychologyLinguisticsSocial psychologyPhilosophyArtPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This chapter examines the conceptual relations between irony and satire. Many forms of satire, usually seen as containing elements of judgment, play, laughter, and aggression, may be considered discourse-level irony (i.e., satire is more evident in stretches of discourse, rather than in single utterances). Burgers illustrates this important point, as well as how satire expresses implied criticism, through consideration of several instances of television comedy programs, literature, internet news, and political commentaries. Satire may be differently explained by several prominent theories of irony (e.g., Gricean, pretense, echoic mention), each of which reveals the discourse-level nature of satirical communication. Burgers’ chapter describes various experimental studies looking at the impact that satirical language has on people’s attitudes toward different topics. As is all cases of irony, whether satire is successful in communicating speakers’ beliefs depends on a variety of situational (e.g., the specific media) and personal (e.g., who is the speaker, the addressee, overhearers, and their particular prior beliefs about some topic) factors. Even though satire may be a global phenomenon, how it is specifically employed in different cultures, and for different personal and social reasons, is very much a topic for future research.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,012
Communication savante0,0020,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,044
Tête enseignante GPT0,250
Écart entre enseignants0,207 · 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'étudeThéorique ou conceptuel
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 revueCambridge University Press eBooksMême sujetHumor Studies and ApplicationsTravaux en français237 207