The linguistic landscape and representations of Finnish parliamentary parties on their websites
Notice bibliographique
Résumé
Virtuaalisen kielimaisematutkimuksen avulla voidaan tarkastella kielenkäyttöä netissä ja tuoda ilmi kielten välisiä valtaeroja (Ivkovic and Lotherington 2009: 32). Poliittiset puolueet hyödyntävät nettisivuja jakaakseen tietoa, saadakseen ihmiset kiinnostumaan politiikasta ja demokratiasta, ja luodakseen suhteita kannattajiensa kanssa (Gibson and Ward 2000: 305–306). Nettisivuja voidaan hyödyntää myös tietynlaisen kuvan ja imagon luomiseen. Tässä tutkimuksessa tarkastellaan Suomen eduskuntapuolueiden nettisivujen kielimaisemia ja puolueiden muodostamia representaatioita itsestään. Tarkoituksena on selvittää, mitä kieliä puolueet käyttävät nettisivuillaan ja millaisia valintoja kielellisen sisällön suhteen on tehty. Tämän lisäksi tavoitteena on selvittää, millaisia representaatioita puolueista voidaan havaita nettisivuilla, ja kuinka nämä representaatiot tukevat sitä kuvaa, minkä puolueet haluavat itsestään luoda. Tutkimuksen aineisto koostuu Suomen kymmenen eduskuntapuolueen nettisivuista ja niiden erikielisistä kotisivuista. Tutkimus hyödyntää multimodaalisen diskurssianalyysin ja kielimaisemateorian lähtökohtia, sekä multimodaalista viitekehystä (Pauwels 2012). Analyysi osoittaa, että eduskuntapuolueiden nettisivujen välillä on eroja siinä, millä kielillä tietoa on tarjolla ja minkä verran kunkin kielen osalta. Kymmenen eduskuntapuolueen nettisivuista kahdeksan tarjoaa suomen lisäksi muita kielivaihtoetoja, ja seitsemällä puolueella on englanninkieliset kotisivut. Tuloset viittaavat siihen, että puolueiden suomenkieliset nettisivut ovat luonteeltaan enemmän vuorovaikutuksellisia, kun taas englanninkieliset kotisivut tähtäävät enemmän yleiseen informaation jakamiseen. Tulokset osoittavat myös, että puolueet hyödyntävät useita erilaisia resursseja, kuten kuvia ja kielellisiä valintoja luodessaan representaatioita. Puolueet käyttävät esimerkiksi yhteisöllisyyden, suomalaisuuden, ainutlaatuisuuden ja asiallisuuden representaatioita luodessaan tietynlaista kuvaa ja imagoa itsestään.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».