Funktionen von Lachen in Gesprächen: eine konversationsanalytische Studie
Notice bibliographique
Résumé
This thesis looks at laughter in conversations in order to find out what functions laughter can fulfil. The data that are used for the analysis are conversations involving four different families and one or two researchers. \nLaughter plays an important role in communication, as it depends on social factors. For example people laugh more when other people are present and how often we laugh also depends on who these other people are and in what situation we find ourselves. Because laughter is a social signal it is interesting to find out which role laughter can play in a conversation. \nMuch has been written about the relationship between laughter and humour or jokes but there is not much research on laughter in everyday conversations, that doesn’t only look at laughter as a response to humour. As laughter cannot only be seen as an indicator of humour, this thesis looks at the different functions of laughter in conversations and tries to give answers to questions like: Which participant initiates the laughter and how do other participants react to the laughter? What different functions does laughter have in different situations? So for the analysis the context of the laughter is very important. The methodology used for the analysis is primarily conversation analysis but the analysis also contains elements of interactional sociolinguistics. The analysis looks at the functions of laughter in five different contexts: laughter and irony, laughter and trouble-telling, laughter and teasing, laughter and disagreement and finally laughter and narratives. The analyzed examples show that laughter can fulfil different functions for each context.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».