Språkval bland finlandssvenska ungdomar i Svenska samskolan i Tammerfors
Notice bibliographique
Résumé
Pro gradu -tutkielmani käsittelee Tampereella, Suomen suurimmalla ja sisämaan ainoalla niin sanotulla ruotsalaisella kielisaarekkeella, asuvien suomenruotsalaisten nuorten käytännön kielivalintoja. Tutkielmani tarkoituksena on selvittää, kumpaa kieltä, suomea vai ruotsia, suomenruotsalaiset nuoret käyttävät erilaisissa arkisissa tilanteissa: kotona, koulussa, vapaa-ajalla kavereiden kanssa ja harrastuksissa ja mitkä tekijät vaikuttavat heidän kielivalintoihinsa. Nämä suomenruotsalaisten nuorten tekemät käytännön kielivalinnat ovat sekä yhteiskunnallisesti että kielitieteellisesti kiinnostavia, koska ne vaikuttavat ruotsin kielen ja ruotsinkielisen kulttuurin säilymiseen Tampereella. Tutkielmani on kyselytutkimus, jonka suoritin Tampereen ruotsinkielisen yhtenäiskoulun lukiolaisten keskuudessa syksyllä 2008. Tutkimusaineistoni olen rajannut koskemaan niitä nuoria, joiden vanhemmista toinen tai molemmat ovat rekisteröidyltä äidinkieleltään ruotsinkielisiä. Tutkimusaineisto muodostuu näin ollen yhteensä 40 vastatusta kyselylomakkeesta, joita analysoin niin kvantitatiivista kuin kvalitatiivista menetelmää käyttäen. Tutkimukseni mukaan suurin osa Tampereen suomenruotsalaisista nuorista käyttää paljon suomea ruotsin ohella jokapäiväisessä elämässään. Useimmat käyttävät sekä suomea että ruotsia niin kotona, koulussa kuin kavereiden kanssa vapaa-ajalla ja harrastuksissa kieli on useimmiten pelkästään suomi. Tutkituista kielenkäyttötilanteista koti ja koulu ovat kuitenkin selvästi ruotsinkielisimmät ympäristöt kun taas vapaa-aikaa hallitsee suomi. Vanhempien kanssa kielivalintaan vaikuttaa useimmiten vanhemman kielitaito, äidinkieli tai halu puhua tiettyä kieltä lastensa kanssa. Sisarusten kanssa kielivalinnassa on yleensä kyse tavasta. Koulussa suomea käytetään ruotsin lisäksi kavereiden kanssa pääasiassa siksi, että siitä on muodostunut tapa tai se koetaan luonnollisemmaksi valinnaksi. Vapaa-ajalla kavereiden kanssa kielivalintaan vaikuttaa eniten keskustelukumppanin kielitaito ja harrastuksissa kanssaihmiset sekä kieli, jolla harrastus on järjestetty.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,032 |
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 ».