Exploring the Impact of Emojis on Paralanguage in Social Media Communication among University Students
Notice bibliographique
Résumé
This research investigated the evolving role of emojis in shaping paralanguage within social media communication, with a particular focus on how these visual symbols enhance linguistic and emotional expression. The study examined the nuanced ways in which emojis contribute to the overall tone, context, and meaning in written discourse, while also considering cultural and contextual variations in emoji usage among individuals from diverse linguistic backgrounds. Conducted with a sample of 55 Year-3 Bachelor of Education students at a university in Fiji, where English is a second language, the research employed a mixed methods approach to analyze data on the usage and perception of emojis in social media communication. This paper argues that emojis play a crucial role in conveying emotions, fostering engagement, and adding personality to messages, thereby augmenting textual communication with emotional nuance and clarity, leading to more empathetic and meaningful online interactions. The findings indicate that emojis are widely used across various communication channels, including text messages, comments, and direct messages, reflecting their versatility and widespread adoption. Respondents overwhelmingly perceive emojis as positive tools that enhance the effectiveness of digital communication by conveying emotions, fostering engagement, and adding personality to messages. The study also highlights the significant role emojis play in nonverbal communication, particularly in expressing emotions that may be difficult to articulate through text alone. By providing emotional nuance, clarity, and depth, emojis contribute to more empathetic and meaningful interactions in online spaces. Overall, this research provides valuable insights into the dynamic interplay between emojis and paralanguage in contemporary digital communication, signifying the importance of these symbols in enriching text-based exchanges and fostering more engaging and emotionally resonant social media interactions.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| 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 ».