Analisis Semiotika pada Poster Manner Oleh Perusahaan \nTokyo Metro Tahun 2020
Notice bibliographique
Résumé
Penelitian ini mengenai tanda lingual dan nonlingual yang terdapat di dalam \nposter manner perusahaan Tokyo Metro yang terbit pada tahun 2020. Penelitian ini \nmerupakan kajian semiotik. Metode yang digunakan dalam penelitian ini ialah \nmetode kualitatif yang menghasilkan data secara deskriptif. Data dianalisis dengan \nmenggunakan metode padan ortografis dan menggunakan teknik pilah unsur \npenentu. Peneliti menggunakan teori Roland Barthes untuk menganalisis data. Hasil \npenelitian ini menunjukkan bahwa poster manner memiliki tema yang berbeda \nsetiap tahunnya. Pada tahun 2020, Tokyo Metro menerbitkan poster ilustratif \ndengan tema folklor Jepang. Ilustrator menghubungkan tata krama di kereta api \ndengan karakter dalam cerita folklor. Pada poster, terdapat tanda lingual berupa \nkanji dan kalimat dalam bahasa Jepang serta tanda nonlingual berupa warna-warna \ndominan dan karakter dalam cerita folklor yang diilustrasikan sebagai penumpang \nkereta api. Penggunaan bahasa Inggris di dalam poster digunakan agar penumpang \nasing dapat memahami konteks di dalam poster tersebut.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,006 |
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 ».