Matias Aleksanteri Castrén ja Kalevalan ruotsinnos
Notice bibliographique
Résumé
Kun Elias Lönnrotin kokoama runoeepos, ns. Vanha Kalevala, ilmestyi vuonna 1835, se käänsi suomen kielen ja suomalaisen kulttuurin arvostuksen huimaan nousuun. Kalevala innosti myös maisteriopintojaan viimeistelevää, alkuaan pappisuralle aikonutta Matias Aleksanteri Castrénia suuntaamaan huomionsa suomen ja sen sukukielten tutkimukseen. Koska alkuperäistä Kalevalaa pystyivät lukemaan vain muutamat harvat oppineiston edustajat, Suomalaisen Kirjallisuuden Seura julisti kilpailun runomuotoisen ruotsin- tai saksankielisen käännöksen aikaansaamiseksi. Tällaisia ei kuitenkaan ilmaantunut. Helsingin yliopiston suomen kielen lehtori Carl Niclas Keckman luennoi Kalevalasta ja laati siitä sanatarkan ruotsinnoksen, mutta ei runomittaista versiota. Muutaman vuoden odotuksen jälkeen Kalevalasta jo aiemmin kiinnostunut Castrén ryhtyi kääntämään eeposta. Suomalaisen Kirjallisuuden Seuran stipendiaattina hän keräsi kesällä 1839 taustatietoa ja uutta kansanperinneaineistoa Vienan Karjalassa. Aktiivinen kääntäminen kesti noin kaksi vuotta. Käännöstyön ohella Castrén julkaisi dosentinväitöskirjan ja joitakin pienempiä tieteellisiä tutkimuksia. Kevätlukukaudella 1841 Castrén luennoi Helsingin yliopistossa Kalevalasta ja viimeisteli käännöstään. Se ilmestyi kesäkuussa 1841 ja sai hyvän vastaanoton. Esimerkiksi historiallis-vertailevan kielentutkimuksen kärkiedustajiin kuulunut Jacob Grimm perehtyi Kalevalaan ja luennoi siitä Berliinin tiedeakatemiassa Castrénin ruotsinnoksen perusteella. Castrénin ruotsinnos avasi uusia mahdollisuuksia Kalevalaa koskevalle tieteelliselle keskustelulle, koska eepos oli nyt aiempaa merkittävästi laajempien piirien luettavissa. Tärkeä rooli tässä keskustelussa oli itse Castrénilla ja hänen Kalevala-tulkinnoillaan. Kalevalan käännöksen myötä Castrén sai pysyvän kansainvälisen maineen arvostettuna kansanperinteen ja mytologian asiantuntijana. Kirjoitus perustuu Suomalais-Ugrilaisessa Seurassa 15.2.2019 pidettyyn esitelmään.]
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 | 0,000 | 0,001 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,012 |
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 ».