MétaCan
Menu
Retour à la cohorte
Enregistrement W6961055930 · doi:10.14457/cu.the.2010.671

Attitude toward usage of Patani Malay language in three Southern border provinces

2010· dataset· en· W6961055930 sur OpenAlexaboutno aff

Notice bibliographique

RevueNRCT Data Center · 2010
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMalayGovernment (linguistics)Argument (complex analysis)National languageCommissionLocal languageLocal governmentLanguage policy

Résumé

récupéré en direct d'OpenAlex

This study aims to study Thai government policy concerning Patani Malay language. Data used in the analysis are taken from government sources. Also, this research is conducted by using the documentary analysis and supported by the interview and by questionnaires of the officials who are responsible for the security issues in this area local resident in the area. In 2006, the National Reconciliation Commission (NRC) recommended the government to use Patani-Malay Language, or Yawi as the working language in three border provinces as means to relieve violence and help build the security of Thailand, there are many arguments against this proposal. The Privy Council president strongly disagrees with this suggestion on the ground that those three provinces are the part of Thailand, and as such only Thai language will be used in this country. This counter argument is not persuasive because in several countries such as Canada more than one language is used as official language without much of problems. When applied to the three border provinces, where the Patani Malay has been long rooted in their daily lives, the central government from Bangkok might have to reconsider whether to accept the language and local culture of the region. This research scrutinizes opinion of a member of group of people on Patani-Malay language as the bilingual language with Thai under appropriate measures. This idea might lead to help generate national security of Thailand as a whole. This research posits that acceptance of the local culture and language will gain trust of the local citizens on part of the government.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,034
Tête enseignante GPT0,328
Écart entre enseignants0,294 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNRCT Data CenterTravaux en français237 207