THE CHARACTERIZATION OF HASAN MINHAJ’S HUMOR LANGUAGE IN THE DAILY SHOW WITH TREVOR NOAH’S SHOW THE BEST OF HASAN MINHAJ – MUSLIM BAN, WOMEN’S SOCCER & CANADA
Notice bibliographique
Résumé
Humor can be presented as a method to communicate with others. The humor language used to communicate with others has several types, which also have their own styles, characteristics, and uniqueness, to deliver the ideas. As an occupation that uses humor to communicate with people, comedians want to deliver the topic or issue which happens in daily social life with their own style. The focus of this research is to identify the types of humor language used by Hasan Minhaj in the variety show The Daily Show with Trevor Noah. The researcher applies the combinations of two theories which are the semantic script-switch trigger concept by Raskin as the main theory and the general theory of verbal humor by Attardo as the supporting theory. Moreover, this research uses a descriptive qualitative method. The data of this research comes from the variety show The Daily Show with Trevor Noah’s script entitled The Best of Hasan Minhaj – Muslim Ban, Women’s Soccer & Canada. In this research, the researcher found 2 data of regular ambiguity, 1 data of figurative ambiguity, 2 data of situational ambiguity, 4 data of contradiction trigger, and 1 data of dichotomizing trigger. Based on the findings, it can be stated that the most used type of humor language used by Hasan in The Daily Show with Trevor Noah is the contradiction trigger. After that, there is situational ambiguity and regular ambiguity, which have 2 data for each type. Then, figurative ambiguity and dichotomizing trigger with each of the types has 1 data.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 tête enseignante, 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 ».