Toisen kielen vaikutus kolmannen kielen oppimiseen : Viroa osaavien venäjänkielisten suomenoppijoiden rektiovalintoja
Notice bibliographique
Résumé
Tässä tutkielmassa tarkastellaan venäjänkielisten suomea vieraana kielenä opiskelevien opiskelijoiden rektioiden hallintaa. Suurin osa informanteista osaa viroa toisena kielenä, mikä luo mielenkiintoisen asetelman tutkimukselleni: hypoteesini on, että äidinkielenäan venäjää puhuvat informantit käyttävät viron taitoaan hyödyksi suomen rektion valitsemisessa. Viron ja suomen samankaltaisuuden vuoksi opiskelijat voivat tosiaan käyttää viroa apuna suomen rektioiden tuottamisessa, mutta vain tietyissä tapauksissa. Viron ja suomen samankaltaisuudesta huolimatta suomen ja viron rektiot eroavat aika usein. Tämän tutkimuksen tavoitteena on siis selvittää toisen kielen vaikutusta kolmannen kielen omaksumiseen, missä venäjä on äidinkieli, viro on toinen kieli ja suomi on kolmas kieli. Aineisto koostuu opiskelijoiden tekemistä rektiovalintatesteistä. Aineistoon kuuluu sekä varsinainen aineisto että vertailuaineisto. Varsinaisen aineiston informantteina on 48 viroa toisena kielenä osaavaa äidinkieleltään venäjänkielistä kielenoppijaa, vertailuaineiston informanttienkin äidinkieli on venäjä, mutta he eivät osaa viroa. Perustelen informanttien jakamista kahteen ryhmään sen mukaan, osaako oppija viroa vai ei, sillä, että halusin tarkastella, eroavatko oppijoiden tulokset tapauksissa, kun suomessa ja virossa on sama rektio, eli esiintyykö viroa osaavien oppijoiden tuloksissa positiivinen toisen kielen vaikutus. Aineisto on analysoitu sekä kvalitatiivisesti että kvantitatiivisesti. Tutkimus osoittaa, että informanttien vastauksissa esiintyy viron kielen positiivinen vaikutus, mutta se ei ole kuitenkaan erittäin merkittävä. Viron kieltä osaavilla venäjänkielisillä oppijoilla on enemmän oikeita vastauksia tapauksissa, joissa verbi vaatii saman rektion suomessa ja virossa. Vertailuaineiston kannalta toisen kielen positiivista vaikutusta ei esiinny: varsinaisen aineiston informantit tuottivat vertailuaineiston informantteja vähemmän oikeita vastauksia niissä tapauksissa, joissa rektio oli sama virossa ja suomessa.
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 | 0,003 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,013 |
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 ».