Rubriker i tidskriften Se och Hör
Bibliographic record
Abstract
Tutkielmani tavoitteena on kuvata ruotsalaisen juorulehden Se och Hör:in otsikoiden kielellistä rakennetta. Olen kiinnostunut siitä, mitkä kielelliset piirteet ovat tyypillisiä juuri tämän lehden otsikoille. Vertaan tuloksiani Vasabladetin otsikoita käsittelevän tutkimuksen tuloksiin sekä tieteellisten tekstien otsikoita käsittelevään tutkimukseen. Aineistoni käsittää 300 otsikkoa, jotka on kerätty kymmenestä Se och Hör:in numerosta. Kaikki otsikot koostuvat esirivistä ja pääotsikosta.\n\nLauseen tasolla tarkastelen tutkimuksessani otsikoiden pituutta, kielellistä rakennetta ja lausemaisuutta sekä subjektin, predikaatin ja infinitiivimerkin ja artikkeleiden posjättöä. Sanatasolla käsittelen sanojen pituutta (painopisteenä ylipitkät sanat), eri sanaluokkien osuuksia (substantiivi, verbi, adjektiivi, pronomini, adverbi), yleisimpiä sanoja sekä niiden käyttöä. Kuvaan esimerkein erityisesti sellaisten sanojen käyttöä, joita pidän tyypillisinä juuri Se och Hör:in otsikoille. Koska aineistonani on lehti, joka artikkeleissaan kertoo julkisuuden henkilöistä, tutkin myös minkä alan ihmisiä otsikoissa esiintyy sekä miten heidät mainitaan otsikoissa.\n\nMonissa toimittajille suunnatuissa oppaissa neuvotaan millainen hyvän otsikon tulee olla. Nämä neuvot koskevat erityisesti uutsiotsikoiden laatijia. Tutkimukseni on osoittanut että Se och Hör:in otsikot seuraavat näitä neuvoja joiltakin osin. Esim. välimerkkejä ei juurikaan esiinny ja otsikon tulee myös olla lyhyt. Eroavaisuuksiakin esiintyy: muiden kuin subjektin poisjättö on harvinaista ja otsikoissa on havaittavissa monisanaisuutta. Otsikoille on tyypillistä myös lausemaisuus ja täydelliset lauseet, sitaattiotsikot ja runsas henkilöä tarkoittavien sanojen käyttö (erisnimet ja muut substantiivit sekä pronominit). Tavallista on myös että otsikko viittaa kuvaan tai tekstiin. Otsikoissa esiintyy sanoja, joita oppaissa neuvotaan välttämään, kuten apuverbejä sekä tiettyjä pronomineja ja adverbeja, joiden tehtävänä on saada lukijan kiinostus heräämään. Joillakin sanoilla viitataan myös kuvaan tai artikkelin tekstiin. Myös dramaattisten ilmausten käyttö on otsikoille tyypillistä. Yli puolet Se och Hör:in lukijoista on irtonumeronostajia, minkä johdosta otsikoiden tulee olla houkuttelevia. Suurin osa lukijoista on naisia, ja tutkimukseni onkin osoittanut että otsikoissa esiintyvät yleisimmät sanat ovat usein naisten kielnkäytölle tyypillisiä, kuten runsas henkilösanojen ja ihmisiä tai tunteita kuvaavien adjektiivien ja ilmausten käyttö.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.059 | 0.021 |
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".