Raumalaisnuorten murreasenteista ja murretietoisuudesta
Notice bibliographique
Résumé
Tässä pro gradu -tutkielmassa tarkastellaan raumalaisten lukiolaisnuorten murreasenteita ja murretietoisuutta. Tutkimuksen teoreettinen tausta on kansanlingvistiikassa. Aineisto tutkimukseen kerättiin kyselylomakkeella Rauman lukion opiskelijoilta lokakuussa 2007. Kyselylomakkeessa oli 7 avointa kysymystä. Kysymysten avulla haluttiin tietää, mitä murretta tai kielimuotoa nuoret kokevat käyttävänsä ja mitä heidän vanhempansa nuorten mielestä käyttävät. Lisäksi selvitettiin, mieltävätkö nuoret Rauman murteen ja Rauman kielen (Rauman giälen) toisistaan poikkeaviksi kielimuodoiksi. Lomakkeessa pyydettiin nuoria kertomaan, mitä piirrettä he pitävät kotimurteensa tärkeimpänä murrepiirteenä ja missä he kuulevat tai näkevät sitä käytettävän. Lisäksi tutkittiin, mitä muita suomen murteita raumalaiset lukiolaisnuoret tuntevat, mitä piirteitä he niistä muistavat ja mikä heitä niissä huvittaa ja mikä ärsyttää. Vastauksia kertyi todella paljon ja aineistoa jouduttiin rajaamaan. Lopulta tämän tutkimuksen aineistoon kuuluu 136 vastausta, joista 38 on 16-vuotiailta tytöiltä, 30 16-vuotiailta pojilta, 38 18-vuotiailta tytöiltä ja 30 18-vuotiailta pojilta. Raumalaisnuoret suhtautuvat positiivisesti omaan kotimurteeseensa. Heillä on suurimmaksi osaksi selkeä ja vahva näkemys sen tärkeimmistä piirteistä. He pystyvät erottamaan sen muista suomen murteista, jopa lähiseudun muista murteista. Lisäksi raumalaisnuoret ovat osanneet nimetä hyvin sekä heidän itsensä että vanhempiensa käyttämän kielimuodon. Kotimurrettaan raumalaisnuoret ovat kuulleet ja nähneet monessa eri tilanteessa ja paikassa, kuten isovanhempien luona, kaupungilla liikkuessaan tai alueen paikallislehteä lukiessaan. Raumalaisnuoret mieltävät, että Raumalla on sekä oma murre että kieli. Pääasiassa nuoret kokevat itse käyttävänsä murretta. Rauman kieltä käyttävät heidän mukaansa vain vanhemmat ihmiset tai murteenharrastajat. Rauman kieltä on heidän mielestään vaikea ymmärtää paitsi ulkopaikkakuntalaisten myös raumalaisten itsensä. Muita suomen murteita raumalaisnuoret ovat osanneet nimetä ja luonnehtia hyvin. Parhaiten he ovat muistaneet Savon, Turun, Tampereen, Oulun ja Porin murteet. Lisäksi he ovat osanneet kertoa, mikä toisissa murteissa on heidän mielestään hauskaa ja mikä ärsyttävää. Toiset kokevat jonkun tietyn piirteen, esimerkiksi persoonapronominien mie ja sie, käytön ärsyttäväksi ja toiset hauskaksi. Raumalaisnuorten asenteet murteita kohtaan ovat positiiviset. Heillä on vahva näkemys murteista ja riittävä tietotaito niiden kuvailemiseen. Kielitieteen termistön puuttuessa he ovat kuvailleet kielen ilmiöitä kekseliäästi. Esimerkiksi loppuheittoa he ovat saattaneet kuvailla niin, että sanan lopusta jää kirjaimia pois. Diftongien avartumista he ovat puolestaan kuvailleet termillä muuttua, esimerkiksi uo muuttu ua:ksi.
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 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,022 |
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 ».