Suomi toisena kielenä -oppikirjojen dialogit puhekieltä opettamassa
Notice bibliographique
Résumé
Tässä tutkielmassa analysoidaan kahden suomi toisena kielenä -oppikirjan dialogeja. Tutkimuksessa pyritään selvittämään, millaista puhekieltä kirjoissa esitetään aikuisille kielenoppijoille. Tavoitteena on luoda katsaus yleisimmin esiintyvistä puhekielen piirteistä. Aikuisten kielenoppijoiden mahdollisuudet käyttää suomen kieltä muualla kuin institutionaalisissa keskustelutilanteissa ovat harvinaisempia kuin lapsilla ja nuorilla, joten on mielekästä tutkia juuri aikuisille kielenoppijoille kohdennettua puhekielen opetusta. Tutkimuskysymyksiksi muotoutui tavoitteen mukaisesti kaksi kysymystä: 1. Millä keinoin oppikirjat pyrkivät rakentamaan dialogeja mallintamaan autenttisia keskusteluja? 2. Mitkä puhekielen piirteet korostuvat? Tutkimuksen teoria pohjaa sosiokulttuuriseen lähestymistapaan ja funktionaaliseen kieli- ja kielenoppimiskäsitykseen, jossa kieli nähdään vuorovaikutuksessa kehittyvänä. Näin ollen keskustelutilanteita mallintavat dialogit itsessään esittävät mallia vuorovaikutuksessa esiintyville rakenteille ja tilanteiselle kielenkäytölle. Tutkielman aineiston dialogit on valittu Oma Suomi 2- ja No niin! 1-oppikirjoista. Kuusi oppikirjadialogia on valittu niin, että ne tuovat esille sekä formaalin että epäformaalin tilanteen kielenkäyttöä. Menetelmänä käytetään aineistolähtöistä sisällönanalyysiä, jolla on luotu aineiston sisältöä tiivistävät yläluokat. Ensimmäisessä yläluokassa käsiteltävät dialogipartikkelit kuvataan niiden yleisimmin käytettyjen funktioiden avulla. Toiseen yläluokkaan kuuluvat kaikki muut aineistossa esiintyneet yleiskielestä poikkeavat ilmaukset, ja niiden funktioksi ilmeni puhekielisen vaikutelman luominen. Tutkimuksessa selvisi, että dialogeissa esiintyy kahden yläluokan alle sijoittuvat puhekielisyden ilmiöt: dialogipartikkelit ja puhekielistä vaikutelmaa luovat puhekielen piirteet. Dialogipartikkelit ja muut puhekieliset piirteet esiintyvät dialogeissa pääosin puhekielistä vaikutelmaa luomassa, vaikka eräässä dialogissa dialogipartikkeleilla pyrittiin opettamaan keskustelussa reagoimista.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,016 |
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 ».