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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,148 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».