Sijanvalinnat korealaisten suomen alkeisoppijoiden teksteissä
Notice bibliographique
Résumé
Tutkielmassa tarkastellaan korealaisten suomenoppijoiden kirjoitelmissaan tekemiä subjektin, objektin, predikatiivin ja paikan adverbiaalin sijanvalintoja. Tutkielmassa selvitetään, millaista korealaisten oppijoiden sijanvalinta on ja mitä mahdollisia syitä on suomen yleiskielestä poikkeavien sijanvalintojen taustalla. Äidinkielenään koreaa puhuvien oppijansuomea ei ole vielä juurikaan tutkittu. Tutkielman aineisto koostuu 13 kirjoitelmasta, joiden tehtävänantona oli kirjoittaa kertomus kuvasarjasta. Tekstit kirjoitettiin eteläkorealaisessa yliopistossa järjestetyn suomen alkeiskurssin päätteeksi. Tutkielman menetelmänä käytetään sekä kontrastiivista analyysiä että virheanalyysiä. Analyysin kontrastiivisissa osioissa tarkastellaan taustoittavasti, miten suomen subjekti, objekti, predikatiivi ja paikan adverbiaali ilmaistaan koreassa. Virheanalyysin keinoin puolestaan tarkastellaan aineiston teksteissä tehtyjä sijanvalintoja. Suomen yleiskieltä noudattavat ja yleiskielestä poikkeavat sijanvalinnat lasketaan. Tämän jälkeen tarkastellaan yleiskielestä poikkeavia sijanvalintoja tarkemmin konteksteissaan ja pohditaan sijanvalintoihin vaikuttaneita syitä. Tuloksena todetaan, että kaikkiaan aineiston oppijat valitsevat sijat erittäin onnistuneesti. Prosentuaalisesti tarkasteltuna eniten yleiskielen mukaisia sijanvalintoja tehdään subjekteissa. Toisena objektin ja predikatiivin sijanvalinnat osataan lähes yhtä hyvin. Vähiten yleiskielen mukaisia valintoja tehdään paikan adverbiaaleissa. Analyysi osoittaa, että yleiskielestä poikkeavien sijanvalintojen taustalla vaikuttavat monet syyt, joista osa liittyy syntaksin hallintaan, mutta osa esimerkiksi taivuttamisen tuottamiin haasteisiin. Aineistossa esiintyy sekä yleisiä että oppijakohtaisia virheitä. Kaikkiaan yleisiä virheitä ovat muun muassa nominatiivin ylikäyttö objektin sijana ja todennäköisesti alkeiskurssin aikana fraaseina opittujen muotojen käyttö väärin uusissa konteksteissa. Lisätutkimuksia kuitenkin tarvitaan, jotta koreankielisten oppijansuomesta saataisiin tarkempi kuva.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,008 |
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 ».