Metsästysalan toimijoita kuvaavat käsitteet Suomessa ja niiden vastineet Saksassa : Terminologinen vastinetyö ja suomi–ruotsi–saksa-sanasto
Notice bibliographique
Résumé
Tämän tutkielman aihe on metsästysalan sanasto. Tarkoituksena on luoda metsästysalan keskeisimmistä toimijoista kolmikielinen suomi–ruotsi–saksa-sanasto. Tavoitteena on myös analysoida ja vertailla suomen- ja saksankielisiä käsitteitä ja termejä, jotka viittaavat metsästysalan toimijoihin. Ruotsinkielisten termien kartoittaminen on rajattu suomenruotsalaisiin käsitteisiin. Tutkielman aineiston lähteinä on käytetty Suomen ja Saksan lakeja sekä kunkin maan toimijoiden verkkosivuja, ohjeita ja esitteitä. Ruotsinkielinen aineisto koostuu suomenkielisten aineistojen ruotsinkielisistä versioista. Tutkimusmenetelmä on käsiteanalyysi. Osana käsiteanalyysiä suomenkielisiä termejä vastaavien käsitteiden välisiä suhteita selvitettiin tutkimalla käsitteiden olennaisia käsitepiirteitä. Käsiteanalyysin tuloksena syntyi metsästysalan toimijoiden välisiä suhteita kuvaava sekakoosteinen käsitekaavio. Sanastossa on yhteensä 14 käsitettä ja niitä vastaavat suomenkieliset, ruotsinkieliset ja saksankieliset termit. Suomen ja Saksan metsästystoiminnan historiaa ja nykypäivää kuvailevasta alustuksesta käy ilmi, että maiden metsästystoiminnan välillä on isoja eroja, vaikka joitakin yhtäläisyyksiä löytyy. Nämä erot johtuvat yhteiskunnan rakenteen ja järjestäytyneen metsästystoiminnan historian eroista, mikä on vaikuttanut metsästyksen käsitteisiin. Tutkimuksessa selvisi, että suomenkielisille termeille ei löydy saksan kielestä yhtäkään tarkkaa termivastinetta, koska Saksan ja Suomen metsästysalan toimijoihin viittaavien käsitteiden käsitepiirteet eroavat yhteiskuntarakenteellisista ja historiallisista syistä melko paljon toisistaan. Metsästystoiminnan yhtäläisyyksien vuoksi lähivastineita on kuitenkin joitakin olemassa. Kaikille termeille ei ole vielä olemassa lähivastinetta, ja näissä tapauksissa sanastoon on lisätty termiehdotus. Tässä tutkielmassa on tutkittu vain metsästysalan toimijoiden käsitteitä. Nämä ovat vain pieni osa koko metsästysalan erikoiskielen sanastosta. Esimerkiksi erilaisiin pyyntimenetelmiin ja lupiin liittyvien käsitteiden analyysi on jäänyt tutkimuksen ulkopuolelle. Sanastoon on lisätty analysoituja käsitteitä vastaavat suomenruotsalaiset termit, mutta Ruotsissa käytettyjä metsästysalan toimijoihin viittaavia termejä ja käsitteitä ei ole tutkittu. Vastaavasti saksankielisten termien ja käsitteiden mahdollista alueellista vaihtelua ei ole otettu huomioon, vaan analyysi keskittyy ainoastaan Saksan metsästysalan toimijoihin viittaavien käsitteiden välisiin suhteisiin.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,020 |
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 ».