MétaCan
Menu
Retour à la cohorte
Enregistrement W4409985391 · doi:10.32396/usurj.v9i2.763

The Conversational Functions and Effects of Tagalog-English Code-Switching on Filipino Television

2025· article· en· W4409985391 sur OpenAlexaffvenue

Notice bibliographique

RevueUSURJ University of Saskatchewan Undergraduate Research Journal · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTagalogCode-switchingComputer scienceCode (set theory)LinguisticsProgramming languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

Taglish is the code-switching or alteration between Tagalog and English within a single utterance. The prevalence of Tagalog-English code-switching in the Philippines results from the widespread use of both languages in Philippine educational institutions. This paper qualitatively analyzes the use of Taglish in spontaneous conversations and interviews in the Philippine magazine show Kapuso Mo, Jessica Soho (Your Heartmate, Jessica Soho) to identify the communicative effects of Tagalog-English code-switching in Filipino discourse. The results suggest the prevalence of code-switching as all 17 identified speakers in the study used both Tagalog and English in their speeches at varying degrees. Results also revealed the following communicative effects of code-switching: efficiency, message qualification, linguistic play, emphasis, objectivization, and personalization. Furthermore, code-switching facilitated the speakers’ identity construction, by representing factors such as wealth, success, authority, knowledge, and solidarity.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,376
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUSURJ University of Saskatchewan Undergraduate Research JournalMême sujetMultilingual Education and PolicyTravaux en français237 207