Ääntäminen puhumisen taidon arvioinnissa
Notice bibliographique
Résumé
Mitä merkitystä ääntämisellä on, kun arvioidaan yleisten kielitutkintojen osallistujan puhumisen taitoa? Haittaako se, jos osallistuja puhuu esimerkiksi venäjää Turun murteella? Riittääkö se, että ääntäminen on ymmärrettävää ja osallistuja tuottaa paljon puhetta taitavalla kieliopilla ja sanavarastolla? Mitä ääntäminen ylipäätään on? Tarkoitetaanko sillä yksittäisten äänteiden tuottamista vai otetaanko mukaan myös äännettä laajemmat kokonaisuudet eli prosodiset piirteet, kuten intonaatio ja sanapaino? Onko ääntämisen osaaminen sitä, että suomalainen englanninpuhuja ei puhu rallienglantia, vaan ääntää englantia syntyperäisen kielenpuhujan tavoin? Mikä silloin on tavoiteltu syntyperäisen kielenpuhujan variantti, onko se brittienglanti vai amerikanenglanti vai kelpaako mahdollisesti myös Australian tai Nigerian englanti? Yllä mainitut kysymykset kuvaavat ääntämisen määrittelyn ja arvioinnin problematiikkaa. Tässä artikkelissa en pysty antamaan vastauksia kaikkiin yllä oleviin kysymyksiin, vaan keskityn siihen, mikä rooli ääntämisellä on puhumisen taidon arvioinnissa YKIssä, jossa se on yksi puhumisen taidon arvioinnin kuudesta osakriteeristä. Käsittelen aihetta pääasiassa Suomen Akatemian rahoittaman Rikkinäistä suomea: Aksenttien arviointi yhteiskunnallisena portinvartijana (2018–2024) -hankkeen tulosten pohjalta. Hankkeessa olemme tutkineet mm. ääntämisen merkitystä suomen keskitason tutkinnon puhumisen arvioinnissa. Hankkeen aineistona oli yksi puhetehtävä 49:ltä yleisten kielitutkintojen suomen keskitason tutkinnon osallistujalta viidestä eri ensikieliryhmästä: venäjä, ruotsi, arabia, viro ja thai. Nämä näytteet arvioi 44 YKIn arvioijaa. Hankkeen tutkimusasetelma on kuvattu ja teoreettiset lähtökohdat selitetty muualla (esim. Halonen, Huhta, Ahola, Hirvelä, Neittaanmäki, Ohranen & Ullakonoja 2020; Halonen, Ahola, Hirvelä, Neittaanmäki, Ohranen & Ullakonoja 2024).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,005 |
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 ».