Ihan legit asiaa : Finglishin käytön tarkastelua Suomi24-foorumilla trenditutkimuksen keinoin
Notice bibliographique
Résumé
Tässä tutkielmassa pohdin finglishin esiintyvyyttä foorumikeskusteluissa eli sitä, kuinka usein verkkokeskusteluissa kirjoitetaan yhden kommentin sisällä suomea ja englantia ”sekaisin”. Tutkielman aineisto on kerätty Suomi24-foorumin korpuksesta, joka kattaa kaikki Suomi24-foorumin keskustelut vuosilta 2001–2020. Varsinainen aineisto koostuu virkkeistä, joissa on mainittu joko binge, legit tai outfit. Aineiston pohjalta analysoin valittujen sanojen sopeutumista suomen kieleen, millaisissa konteksteissa sanat esiintyvät sekä sanojen yleisyyttä korpuksessa. \n \nTutkielman taustalla on pohdintaa siitä, mitä on verkkokieli ja mitä finglish tarkoittaa. Lähestyn korpuslähtöistä tutkimustani sekä määrällisesti että laadullisesti analysoiden ottaen huomioon sosiolingvistiikan näkökulmia. Tutkimuksessani yhdistyy trendi- ja tapaustutkimuksen piirteitä. Hyödynnän aineiston analysoinnissa Maria Vilkunan teosta Suomen lauseopin perusteet (1996), verkkoversiota Iso Suomen Kielioppi -teoksesta (2008) sekä omaa kielitajuani. Kolmen tapauksen tuloksista on mahdollista saada osviittaa finglishin käytön suosiosta, sillä oletuksena on jokaisen esiintymän taustalla olevan eri ihminen. \n \nTutkimustulokset osoittavat, että lähes 80 prosentissa kaikista aineiston esiintymistä hakusana esiintyy sellaisenaan eikä mukaudu suomen kielioppiin. Finglish ei siis osoittaudu kovin suosituksi kielimuodoksi ainakaan Suomi24-foorumilla vuosina 2001–2020. Tähän saattaa vaikuttaa hakusanat tai niiden vähyys. Tulevaisuudessa tutkimusta voisi kehittää aineiston kannalta relevantimmaksi sekä metodin kannalta tarkemmaksi.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,669 | 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; 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 ».