Häkki hiipiti puuhu. Kahden sisaruksen varhainen kielenkehitys ja puheen lounaismurteiset piirteet.
Notice bibliographique
Résumé
Tutkin Pro gradu -tutkielmassani kahden sisaruksen puheen kehitystä ensisanoista kahden ja puolen vuoden ikään saakka. Tutkimuksessani käsittelen lasten äännekehitystä, ensisanojen rakennetta, taivutuksen omaksumista, puheessa esiintyviä fonologisia prosesseja sekä puheen lounaismurteisia piirteitä. Aineisto koostuu päiväkirjamerkinnöistä sekä litteroiduista ääni- ja videotallenteista, joita olen kerännyt melko tasaisesti koko tutkimusajalta. Tutkimus kuuluu sekä lapsenkielen tutkimuksen että murretutkimuksen alaan. \n \nTutkimuksessani tarkastelen, miten informanttieni puheenkehitys on edennyt ja miten heidän puheenkehityksensä suhteutuu muiden aiemmin tutkimuksen kohteena olleiden suomenkielisten lasten puheenkehitykseen. Selvitän myös, mitä lounaismurteisia piirteitä heidän puheessaan esiintyy ja esiintyykö niitä jo ensisanojen kaudella. Tutkin myös, kuinka paljon lounaismurteinen ympäristö vaikuttaa lapsen varhaiseen kieleen, eli eroaako lounaismurteisten lasten varhainen kieli muualla Suomessa asuvien aiemmin tutkittujen suomenkielisten lasten kielestä. \n \nTutkimustulosten mukaan informanttieni varhainen äänteellinen kehitys noudattaa enimmäkseen suomenkielisten lasten tyypillistä äänteellisen kehityksen linjaa, eivätkä sisarusten keskinäisetkään erot ole suuria. Esikoisen, Vilhon, kielenkehitys etenee ensin hitaasti, mutta nopeutuu kaksitavuvaiheen väistyttyä. Nuoremmalla sisaruksella, Einolla, kielenkehitys on alussa tasaisempaa, mutta hidastuu kahden vuoden iässä hetkellisesti änkytyksen vuoksi. Sisarusten kielenkehitys on näistä hidasteista huomatta taivutuksen osalta keskimääräistä nopeampaa: esimerkiksi suomen kielen nominien taivutuksen Vilho omaksuu kaksi kuukautta ja Eino lähes kuusi kuukautta nuorempana kuin keskimääräinen suomalainen lapsi. \n \nTutkimustulokseni osoittavat, että informanttieni puheessa on havaittavissa lounaismurteisia erityispiirteitä. Heillä on melko paljon konsonanttiloppuisia ensisanoja, joiden on aiemmin katsottu olevan hyvin harvinaisia lapsenkielessä. Konsonanttiloppuisten sanojen suosiminen johtunee kotona ja lähiympäristössä puhutusta lounaismurteesta, jossa esiintyy runsaasti loppuheittoa. Myös diftongit avartuvat heillä erittäin voimakkaasti ja lounaismurteiden erikoisgeminaatiota esiintyy jonkin verran. Einolla omistusliitteiden käyttö on selvästi runsaampaa kuin suomalaislapsilla keskimäärin.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,110 | 0,045 |
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 ».