MétaCan
Menu
Retour à la cohorte
Enregistrement W6983824203

Nyt uutisia helpolla suomen kielellä, hyvää päivää. : Yle Uutiset selkosuomeksi -lähetyksen selkokielisyys

2023· other· fi· W6983824203 sur OpenAlexaboutno aff

Notice bibliographique

RevueUTUPub (University of Turku) · 2023
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pro gradu -tutkielmassani tutkin selkokielisyyttä Yle Uutiset selkosuomeksi -lähetyksessä. Hypoteesini on, että lähetys noudattaa selkokielelle määriteltyjä selkokielen vaatimuksia, joita ovat yleisten sanojen käyttäminen, vaikeiden sanojen selittäminen, suora sanajärjestys ja virkkeiden lyhyys. Lisäksi selkokielinen puhe on hidasta ja selkeää ja siinä käytetään tuttuja ja yleisiä sanoja. Kuvien täytyy olla yksinkertaisia ja tukea tekstin ymmärtämistä.
\nTutkielman tutkimuskysymykset ovat: 1) Mitä kielellisiä tekijöitä käytetään selkouutisten tekstissä? 2) Miten kuvat ja ääni tukevat selkokielistä tekstiä? 3) Millaisen multisemioottisen kokonaisuuden selkouutiset muodostavat?
\nTutkin uutislähetystä 14 uutispätkän kautta. Uutispätkät ovat peräkkäisiä uutisaiheita, jotka erotetaan toisista uutisaiheista uutismusiikin ja tunnuksen avulla. Osan uutispätkistä sain uutisten toimittajilta ja osan poimin itse. Uutispätkien valinnassa nojauduin aikuisten perusopetuksen opetussuunnitelmaan.
\nUutispätkiä analysoin multisemioottisen sisällönanalyysin avulla. Katsoin uutispätkät useaan kertaan ja poimin niistä tarkempaan analyysiin ydinlauseet. Ydinlauseella tarkoitan lausetta, jossa kerrotaan uutisen keskeinen tieto. Näitä lauseita on 14. Ydinlause toistuu uutispätkässä aina kaksi kertaa yleensä täysin samanlaisena. Analysoin ydinlauseita tekstuaalisesti ja audiovisuaalisesti. Liikkuvan kuvan pysäytin still-kuvaksi, jossa näkyi ydinlause. Lisäksi arvioin koko uutispätkän selkomittarin avulla, jolloin perehdyin tarkemmin uutispätkässä käytettyyn kieleen.
\nTuloksista käy ilmi, että pääosin selkouutiset noudattavat selkokielisyyden ohjeita. Ongelmia uutislähetyksen selkokielisyyteen tulee silloin, kun uutisessa näytetään suoria haastatteluja. Tällöin teksti ei ole selkokielistä. Toinen ongelma liittyy siihen, että kuva ja ydinlause eivät etene samaan tahtiin, vaan kuva näyttää eri asiaa kuin ydinlauseessa käsitellään. Toisaalta kuva tuo lisätietoa tekstiin, kun tekstissä ei kerrota kaikkea tietoa. Visuaalinen lukutaito on tärkeää kuvan informaation ymmärtämisessä.
\nHypoteesini saavat tukea tutkimuksesta, mutta täydentyvät analyysin myötä. Selkomittarin avulla tehty analyysi nostaa esiin tekstiä kokonaisuudessaan, mutta sen käyttö on vaikeaa lyhyessä uutistekstissä. Selkomittaria pitäisi kehittää multisemioottisen tekstin arviointiin kuvien ja äänen tulkitsemisessa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0050,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0610,120

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,195
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTUPub (University of Turku)Travaux en français237 207