Värinnimitysten synty suomalais-ugrilaisissa kielissä, lähtökohtana 'musta'
Notice bibliographique
Résumé
Työni käsittelee värinnimityksiä suomalais-ugrilaisissa kielissä. Aiheen laajuuden vuoksi olen ottanut käsittelyn alle erityisesti mustaa merkitsevät sanat. Pohdin syitä siihen, miksi nykyisissä suomalais-ugrilaisissa kielissä mustaa tarkoittavat sanat ovat keskenään lähinnä eri alkuperää, kun Berlinin ja Kayn teorian mukaan musta ja valkoinen ovat ensimmäiset värinnimitykset kielessä. Aloitan tutkimukseni esittelemällä Brent Berlinin ja Paul Kayn teorian värinnimitysten kehittymisestä maailman kielissä. Tutkimukseni on etymologinen, mutta jotta ymmärtäisin paremmin adjektiivien syntytapoja, olen tarkastellut myös kognitiivisen semantiikan ja ekspressiivisten sanojen tutkimuksen teorioita. Teoriaosuuden jälkeen tarkastelen eri suomalais-ugrilaisissa kielissä esiintyviä, mustaa tarkoittavia sanoja, jotka olen kerännyt eri kielten sanakirjoista. Esittelen niille erilaisia mahdollisia rekonstruktioita ja aiemmin esitettyjä etymologioita. Sen jälkeen esittelen mustalle läheisiä adjektiiveja ja substantiiveja, jotka ovat voineet joko olla mustan merkityksessä (esim. suomen sini) tai lähtökohta värinnimityksen synnylle (vanhat hiiltä tarkoittavat sanat). Lopuksi käyn läpi suomalais-ugrilaisten kielten vanhimpia värinnimityksiä ja vertailen niitä keskenään. Tarkastelen sekä niiden sanahahmoja että niistä löytyviä johdinaineksia. Tutkimuksessani olen havainnut, että näyttää siltä, toisin kuin on aiemmin esitetty, pimeä ei ole tarkoittanut mustaa. Musta mielletään ennemmin likaisuuteen kuin pimeään. On siis ollut alkuaan kaksi merkitysparia; pimeä valoisa ja likainen puhdas . Valkoinen on voitu mieltää kuuluvaksi molempiin pareihin, mikä voi selittää sen, miksi värillä valkoinen on useita vanhoja nimityksiä. Musta on mielletty vain merkitykseen likainen . Se voi siksi olla saanut nimityksensä luonnossa esiintyvästä mustasta, likaavasta aineesta eli hiilestä. Se on voitu jo varhain yhdistää pahaan ja siksi se on saatettu vaihtaa moneen kertaan, kuten tabusanoille usein on tehty.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,006 |
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 ».