Fult språk i två svenskspråkiga diskussionsforum för ungdomar
Notice bibliographique
Résumé
Tutkielman tarkoituksena on tutkia ja verrata keskenään ruman kielen käyttöä kahdella ruotsinkielisellä nuorille suunnatulla keskustelufoorumilla. Keskustelufoorumeista toinen on ruotsinruotsalainen ungdomar.se ja toinen suomenruotsalainen shsweb.fi. Tutkimuskohteena olevalla rumalla kielellä tarkoitetaan kirosanoja, haukkumasanoja, korostavia etuliitteitä sekä muita sanoja, jotka koetaan tabuiksi. Tutkimuksen kohteena on myös vieraiden kielten, erityisesti englannin vaikutus rumaan kielenkäyttöön sekä suomen kielen vaikutus suomenruotsalaisten nuorten kielenkäyttöön. Olen poiminut kummaltakin keskustelufoorumilta yli 300 sanaa, fraasia tai lausetta, jotka ovat olleet tärkeitä tämän tutkimukset näkökulmasta. Poiminnot olen sen jälkeen lajitellut eri kategorioihin niiden funktion, kieliopillisen aseman tai alkuperän mukaan. Eri kategorioita olen analysoinut sekä määrällisin että laadullisin menetelmin. Lopuksi olen tutkinut kuinka ruman kielen käyttö eroaa toisistaan ruotsinruotsalaisella ja suomenruotsalaisella keskustelufoorumilla. Tulokset osoittavat, että kirosanojen funktionaaliset ja kieliopillisen integraation erot ovat melko pieniä. Yleisin funktio kirosanoille oli niiden käyttö adjektiivin tai adverbin vahvistussanana. Ruotsinruotsalaisessa materiaalissa yleisin vahvistussana oli jävla, kun se suomenruotsalaisessa materiaalissa oli fittig. Englanninkielisiä sanoja ja fraaseja esiintyi molemmissa kielivarianteissa runsaasti; suomenruotsalaiset nuoret käyttivät pääasiassa vakiintuneita englanninkielisiä fraaseja, kun taas ruotsinruotsalaiset nuoret muokkasivat fraaseista uusia johdoksia. Suomenruotsalaisten nuorten kaksikielisyys näkyi myös selvästi tutkimusmateriaalissa ja suomenkielisiä sanoja, fraaseja ja lauseita, kuten myös finlandismeja, esiintyi runsaasti limittyneenä ruotsinkieliseen keskusteluun.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,014 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 ».