MétaCan
Menu
Retour à la cohorte
Enregistrement W4407232557 · doi:10.30564/fls.v7i2.8309

Language in Action: Illocutionary Acts in Anne with an E

2025· article· en· W4407232557 sur OpenAlexaboutno aff
Thaweesak Chanpradit, Juthamanee Noreesuwan, Rawicha Thiwarangsan, Naruenat Saifa

Notice bibliographique

RevueForum for Linguistic Studies · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueBiblical Studies and Interpretation
Établissements canadiensnon disponible
Organismes subventionnairesKasetsart University
Mots-clésAction (physics)LinguisticsCommunicationSociologyPsychologyCognitive sciencePhilosophyPhysics

Résumé

récupéré en direct d'OpenAlex

Illocutionary acts are speech acts in which the speaker encodes an intended meaning in an utterance, and the listener decodes this meaning from the utterance. Illocutionary acts are not based on form (grammar) but rather on meaning. This study examines illocutionary acts used by the characters in the first season of the Canadian period drama television series Anne with an E, presented by Netflix. The subtitles presented by the series were analyzed using a Searle approach. Contextual cues that shed light on the nuances of the utterances and expressions of the characters were noted. The results of the study indicated the presence of all five primary classifications of illocutionary acts within the series. These illocutionary acts were ranked from the most to the least prevalent, beginning with assertives, accounting for a substantial 40.72% of the total dataset, followed by directives, constituting 30.13%. Commissives were observed to be 7.26% of the instances, while expressives made up 21.14% of the dataset. Finally, declaratives were the least frequently utilized, representing a mere 0.86% of the total data. Thus, language serves not only to convey straightforward sentences but is also used to express both actions and 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 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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil0,440

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,049
Tête enseignante GPT0,339
Écart entre enseignants0,291 · 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'étudeSans objet
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForum for Linguistic StudiesMême sujetBiblical Studies and InterpretationTravaux en français237 207