Analisis Wacana Kritis Masalah Sosial dalam Serial Drama Squid Game
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Salah satu serial terpopuler Netflix ialah Serial drama Squid game yang mengandung alegori besar masyarakat. Masalah sosial pada dasarnya merupakan suatu kondisi kehidupan dalam masyarakat yang tidak diinginkan atau suatu kondisi kehidupan yang menimbulkan persoalan. Masalah sosial dapat terjadi karena adanya hambatan dalam pemenuhan kebutuhan, akibat perubahan sosial ekonomi serta penggunaan ilmu pengetahuan dan teknologi. Penelitian ini bertujuan untuk membongkar wacana masalah sosial dengan metode analisis Wacana Kritis milik Norman Fairclough, berfokus pada “ketidakberesan” fenomena sosial pada serial drama Squid game. Penelitian ini merupakan penelitian kualitatif. Teknik pengumpulan data melalui observasi, dokumentasi dan studi pustaka. Teknik analisis data yang digunakan ialah teknik analisis Norman fairclough, dengan proses analisis yaitu mengamati subjek, objek, komposisi dan unsur tersirat yang merepresentasikan masalah sosial. Sedangkan teknik pemeriksaan keabsahan data menggunakan triangulasi sumber. Hasil penelitian merupakan kesimpulan analisis yang sudah dilakukan dimana peneliti memperoleh sebanyak 30 scene yang mengandung unsur masalah sosial. Hasil analisis menunjukkan bahwa serial drama squid game mengandung aspek yang membangun fenomena masalah sosial dari segi komposisi, dialog, dan praktik sosial di dunia nyata. Hasil analisis juga merupakan kritik secara tidak langsung terhadap permasalahan sosial masyarakat yang terjadi.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 découle