Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Singlish adalah sebuah bahasa informal yang sering digunakan warga Singapura. Karena informal, bahasa Singlish jarang ditemukan di media umum seperti majalah, koran, dan artikel internet. Meski demikian, bahasa ini sangat sering digunakan oleh warga Singapu- ra pada percakapan sehari-hari, baik daring maupun luring. Banyak campuran bahasa lain (code-mixing) merupakan tantangan lain dari Singlish. Keterbatasan GPU juga menjadi tantangan dalam mendapatkan model yang baik. Mempertimbangkan semua tantangan ini, penulis telah melatih sebuah model Efficiently Learning an Encoder that Classifies Token Replacements Accurately (ELECTRA) pada data berbahasa Singlish. ELECTRA merupakan sebuah model baru yang menawarkan waktu training lebih cepat sehingga menjadi pilihan baik jika memiliki keterbatasan GPU. Data Singlish didapatkan melalui web scraping pada reddit dan hardwarezone. Penulis membuat sebuah dataset benchmark pada dua buah permasalahan yaitu sentiment analysis dan singlish identification dengan anotasi manual sebagai metode untuk mengukur kemampuan model dalam Singlish. Penulis melakukan benchmarking pada model yang dilatih dengan beberapa model yang tersedia secara terbuka dan menemukan bahwa model ELECTRA yang dilatih memiliki perbedaan akurasi paling besar 2% dari model SINGBERT yang dilatih lebih lama dengan data yang lebih banyak. ......Singlish is an informal language frequently used by citizens of Singapore (Singaporeans). Due to the informal nature, Singlish is rarely found on mainstream media such as magazines, news paper, or internet articles. However, the language is commonly used on daily conversation, whether it be online or offline. The frequent code-mixing occuring in the language is another tough challenge of Singlish. Considering all of these challenges, we trained an Efficiently Learning an Encoder that Classifies Token Replacements Accurately (ELECTRA) model on a Singlish corpus. Getting Singlish data is hard, so we have built our own Singlish data for pre-training and fine-tuning by web scraping reddit and hardwarezone. We also created a human-annotated Singlish benchmarking dataset of two downstream tasks, sentiment analysis and singlish identification. We tested our models on these benchmarks and found out that the accuracy of our ELECTRA model which is trained for a short time differ at most 2% from SINGBERT, an open source pre-trained model on Singlish which is trained with much more data.

Abstrak :
ABSTRACT
Tulisan ini menganalisis peran pemerintah Singapura dalam membuat regulasi bahasa Inggris melalui kampanye SGEM. Adanya kebijakan yang bermotif pragmatis menyebabkan adanya peregulasian bahasa Inggris di Singapura yang bersifat top-down dan memanfaatkan regulasi bahasa ini sebagai polarisasi masyarakat dan penguat instrument kebijakan ekonomi. Penulis menganalisis kasus ini menggunakan teori nanny state dan proses dalam language engineering dalam konteks khusus di Asia Tenggara. Teori tersebut mengidentifikasi adanya faktor-faktor yang mempengaruhi sikap pemerintah Singapura dalam meregulasi SGEM pada tatanan formal maupun non-formal. Hal tersebut terlihat dari adanya pembuatan bahan-bahan pembelajaran, pelatihan tersentralistik serta sikap pemerintah terhadap media yang menjadi penghalang agenda politiknya dan sekaligus menggunakannya untuk membentuk legitimasi pengaruh pemerintah. Beberapa langkah spesifik yang diambil pemerintah dalam upaya mensukseskan program tersebut memperjelas model kepemimpinan yang ada dalam membantu Kampanye SGEM.

---

ABSTRACT
This writing attempts to analyze the role of Singaporean government in regulating English language through Speak Good English Movement Campaign. The existing policy which motivated by pragmatic means causing the existence of English language regulation with top down model in nature, thus utilizes its language regulation as a polarization for its citizens and strengthening its economic policy instrument. This case is analyzed by nanny state theory and looking at certain processes of language engineering in Southeast Asia context. The theory identifies triggering factors that defines the Singaporean government stance in regulating SGEM through formal and non formal means. Such actions amended by producing learning materials, centralized learning and the government stance on the media, which being its obstacle of their political agenda but also utilized to legitimate governments power. Certain specific paths taken by the government in order to ease the program has its obvious hints on the existing leadership model paralleling the SGEM Campaign.