Sata vuotta sotaa – Kuinka Suomen Kuvalehden sotareportaasien sisältö on muuttunut viimeisen sadan vuoden aikana?
Bibliographic record
Abstract
Opinnäytetyössäni tarkastelin, kuinka Suomen Kuvalehden sotareportaasien sisältö on muuttunut noin sadan vuoden aikana. Analysoitavat reportaasit käsittelivät Suomen sisällissotaa (1918), ensimmäistä maailmansotaa (1918), toista maailmansotaa (1940 ja 1942), Kambodzhan sisällissotaa \n(1975), Kosovon sotaa (1999) sekä Syyrian sisällissotaa (2013). Reportaasien sisältöä analysoin laadullisella ja määrällisellä sisällönanalyysillä. Hain vastauksia kysymykseen, kuinka sotareportaasien sisältö on muuttunut seuraavien kysymyksien avulla: \n \n1. Paljonko teksteistä löytyy rasistisia tai muutoin loukkaavia termejä? \n2. Paljonko tekstistä löytyy toimittajan omaa pohdintaa ja paljonko ympäristön kuvailua? \n3. Kuinka monta eri näkökulmaa tekstissä esiintyy, eli kuinka paljon toimittaja käyttää haastateltavia? \n \nLisäksi etsin teksteistä mahdollisia yhdistäviä tekijöitä. \n \nArtikkeleita analysoituani tulin siihen lopputulokseen, että rasistisia ja loukkaavia termejä löytyi toisen maailmansodan aikana ja sitä ennen runsaasti, mutta sen jälkeen niiden määrä pysyi nollassa. Toimittajan oman pohdinnan määrä noudatti samanlaista kaavaa. Toisen maailmansodan jälkeen pohdinta jäi lähes kokonaan pois ja pääroolin otti objektiivisuuteen pyrkivä ympäristön havainnointi. Haastateltavien määrä noudatti myös samanlaista kaavaa. Haastateltavien määrä nousi toisen maailman sodan jälkeen huomattavasti erityisesti siviilien saatua enemmän painoarvoa teksteissä. Poikkeuksena tähän oli juttu Tampereen piirityksestä. \n \nReportaaseja yhdistävät kuvaukset löytyivät sotilassairaaloista, joissa sodan raakuus tulee parhaiten ilmi jättämättä sijaa politiikalle.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.072 | 0.016 |
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".