Vierassanat Ylen selkokielisissä uutisissa
Notice bibliographique
Résumé
Tutkielmassani tarkastelen vierassanoja Ylen selkokielisissä uutisissa. Tutkielman tavoitteena on selvittää vierassanojen ominaisuuksia, käyttöä ja määrää Ylen selkokielisessä uutisoinnissa. Tutkielman aineistoksi on kerätty viidenkymmenen päivän selkouutiset Ylen verkkosivuilta, ja jokaisesta uutiskokonaisuudesta on poimittu vierassanan sisältävät virkkeet. Kaikki käsiteltävät vierassanat ovat erikoislainoja ja nomineja, ja niistä tarkastellaan äännerakennetta, sijamuotoja sekä esiintymien määrää. Tutkimus kuuluu tekstintutkimuksen alaan, ja tutkimusta tehdään lingvistisen tekstianalyysin keinoin. Aineistoa tarkastellaan sekä kvalitatiivisesti että kvantitatiivisesti. Yhtenä tutkielman keskeisimmistä lähteistä toimii Leealaura Leskelän teos Selkokieli: Saavutettavan kielen opas (2019). Toinen merkittävä lähdeteos on Leealaura Leskelän ja Auli Kulkki-Niemisen teos Selkokirjoittajan tekstilajit (2015). Vierassanojen äännerakenteen analyysi puolestaan perustuu Fred Karlssonin teokseen Suomen kielen äänne- ja muotorakenne (1983) sekä Kaisa Häkkisen teokseen Mistä sanat tulevat (2006). Analyysin tuloksia suhteutetaan paikoittain Selkokeskuksen kehittämään selkokielen mittariin (2022) ja sen sisältämiin selkokielen kriteereihin. Tutkimuksen tulokset osoittavat, että aineiston vierassanat sopivat äännerakenteeltaan suurimmilta osin suomen kielen fonotaktiseen järjestelmään, vaikka poikkeuksiakin löytyy. Kaikki aineiston vierassanojen esiintymät ovat selkolukijoille helpoissa sijamuodoissa. Yli puolet tarkastelluista tekstikokonaisuuksista sisältää vähintään yhden vierassanan, ja aineistossa esiintyy keskimäärin 1,32 vierassanaa 267 sanaa kohden. Vierassanojen määrän runsautta tai vähäisyyttä on kuitenkin vaikea arvioida vertaamatta tulosta toiseen aineistoon tai tutkimukseen, joten jatkotutkimuksissa voisikin esimerkiksi verrata Ylen selkokielisissä uutisissa esiintyvien vierassanojen määrää jonkin toisen selkokielisen median uutisten vierassanojen määrään.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,007 | 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) | 0,087 | 0,024 |
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 ».