TV-KÄÄNTÄMISEN AMMATILLISTUMINEN - \nTarkastelun kohteena Suomen television pioneeriajan kääntäjät
Notice bibliographique
Résumé
Televisiokääntämisestä on kirjoitettu tutkielmia, mutta yleensä on keskitytty siihen, millaista tv-kääntäminen on prosessina. Koska tv-kääntäjistä henkilöinä on kirjoitettu varsin vähän halusin itse kohdistaa tutkielmani tv-kääntäjiin henkilöinä ja pyrkiä saamaan selville, miten he aikoinaan alalle tulivat, mikä oli heidän koulutuksensa, ja millaisena he työnsä kokivat. Samalla olen pyrkinyt kuvaamaan, miten tv-kääntäjän työ ammatillistui ja sai sen professiostatuksen mikä sillä tänä päivänä on.\n\nTutkimusaineistoni empiirinen aineisto kostuu Yleisradion tekemistä haastatteluista, joissa kuutta television pioneeriajan kääntäjää oli haastateltu suunniteltua historiikkia varten. Aineiston analyysissä keskityn koulutusta, työnkuvaa sekä ammatillistumista käsitteleviin diskursseihin. Lisämateriaalia aiheeseeni sain asioiden kulussa mukana ollutta tv-suomentajaa, Marsa Lainetta, haastattelemalla sekä tutkimalla hänen kirjoittamiaan artikkeleita vuoden 1981, 1984 ja 1985 Kääntäjä-lehdissä.\n\nTutkielmani tavoitteena oli selvittää yllä mainittujen kysymysten lisäksi myös, mikä heidän työssään oli hauskinta, mikä kurjinta, miten laitteet kehittyivät, ja missä vaiheessa heille muodostui tv-kääntäjän identiteetti.\n\nNyt, 50 vuotta Suomen televisiotoiminnan aloittamisen jälkeen, voidaan todeta, ettei tv-kääntäjistä koskaan tullut samalla lailla tunnettuja kuin alkuaikojen television kuuluttajista ja uutistenlukijoista. Tekstityksen käyttöönotolla on sen sijaan ollut erittäin tärkeä merkitys muun muassa suomalaisten kielitaidon kohottajana.\n\nAvainsanat: tv-kääntäjä, television pioneeriaika, Suomen televisio, ammatillistuminen
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».