Nyt uutisia helpolla suomen kielellä, hyvää päivää. : Yle Uutiset selkosuomeksi -lähetyksen selkokielisyys
Bibliographic record
Abstract
Pro gradu -tutkielmassani tutkin selkokielisyyttä Yle Uutiset selkosuomeksi -lähetyksessä. Hypoteesini on, että lähetys noudattaa selkokielelle määriteltyjä selkokielen vaatimuksia, joita ovat yleisten sanojen käyttäminen, vaikeiden sanojen selittäminen, suora sanajärjestys ja virkkeiden lyhyys. Lisäksi selkokielinen puhe on hidasta ja selkeää ja siinä käytetään tuttuja ja yleisiä sanoja. Kuvien täytyy olla yksinkertaisia ja tukea tekstin ymmärtämistä. \nTutkielman tutkimuskysymykset ovat: 1) Mitä kielellisiä tekijöitä käytetään selkouutisten tekstissä? 2) Miten kuvat ja ääni tukevat selkokielistä tekstiä? 3) Millaisen multisemioottisen kokonaisuuden selkouutiset muodostavat? \nTutkin uutislähetystä 14 uutispätkän kautta. Uutispätkät ovat peräkkäisiä uutisaiheita, jotka erotetaan toisista uutisaiheista uutismusiikin ja tunnuksen avulla. Osan uutispätkistä sain uutisten toimittajilta ja osan poimin itse. Uutispätkien valinnassa nojauduin aikuisten perusopetuksen opetussuunnitelmaan. \nUutispätkiä analysoin multisemioottisen sisällönanalyysin avulla. Katsoin uutispätkät useaan kertaan ja poimin niistä tarkempaan analyysiin ydinlauseet. Ydinlauseella tarkoitan lausetta, jossa kerrotaan uutisen keskeinen tieto. Näitä lauseita on 14. Ydinlause toistuu uutispätkässä aina kaksi kertaa yleensä täysin samanlaisena. Analysoin ydinlauseita tekstuaalisesti ja audiovisuaalisesti. Liikkuvan kuvan pysäytin still-kuvaksi, jossa näkyi ydinlause. Lisäksi arvioin koko uutispätkän selkomittarin avulla, jolloin perehdyin tarkemmin uutispätkässä käytettyyn kieleen. \nTuloksista käy ilmi, että pääosin selkouutiset noudattavat selkokielisyyden ohjeita. Ongelmia uutislähetyksen selkokielisyyteen tulee silloin, kun uutisessa näytetään suoria haastatteluja. Tällöin teksti ei ole selkokielistä. Toinen ongelma liittyy siihen, että kuva ja ydinlause eivät etene samaan tahtiin, vaan kuva näyttää eri asiaa kuin ydinlauseessa käsitellään. Toisaalta kuva tuo lisätietoa tekstiin, kun tekstissä ei kerrota kaikkea tietoa. Visuaalinen lukutaito on tärkeää kuvan informaation ymmärtämisessä. \nHypoteesini saavat tukea tutkimuksesta, mutta täydentyvät analyysin myötä. Selkomittarin avulla tehty analyysi nostaa esiin tekstiä kokonaisuudessaan, mutta sen käyttö on vaikeaa lyhyessä uutistekstissä. Selkomittaria pitäisi kehittää multisemioottisen tekstin arviointiin kuvien ja äänen tulkitsemisessa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.126 | 0.037 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".