Antagonismista agonismiin : demokratian radikalisointi keinona vahvistaa jäsenyyttä Suomen evankelis-luterilaisessa kirkossa.
Bibliographic record
Abstract
Belgialaisen professori Chantal Mouffen (1943) ja hänen edesmenneen filosofipuolisonsa Ernesto Laclaun vuonna 1985 esittelemään ”radikaalin ja pluraalin demokratiaan” kuuluu erilaisten jakojen ja niiden välisten ”antagonismien” hyväksyminen sosiaalisen kanssakäymisen lähtökohtana. Demokratian radikalisoinnin ytimessä on siis antagonistisen vastakkainasettelun muuntuminen ”agonistiseksi” kamppailuksi. Tällöin sotainen tavoite nujertaa toiseus vaihtuu periaatteessa ystävällismieliseksi kiistelyksi. Agonistisessa asenneilmapiirissä erilaiset ”me”-ryhmät suovat toisilleen oikeuden pitää kiinni erilaisuudestaan tiedostettuaan, että yksimielisyys sanan varsinaisessa merkityksessä on mahdottomuus, eikä se ole rauhantilan ehto. Antagonismiin liittyy myös käsitteen ”populismi” ymmärtäminen arvoneutraalina strategiana selkeyttää omia poliittisia teesejä suurelle yleisölle. Havainnollistan tässä tutkimuksessa demokratian radikalisoinnin ohjelmaa sijoittamalla sen Suomen evankelis-luterilaisen kirkon kontekstiin. Chantal Mouffen yhteiskuntafilosofian valossa pidän mahdollisena, että kirkon jäsenmäärän tasaisesti kiihtynyt lasku vuosina 1980–2020 johtuu pluralismin torjunnasta ja illuusion yksimielisyydestä vaalimisesta poliittistuneessa kontekstissa. Kuitenkin kirkko on 1980-luvun alusta alkaen halunnut esittäytyä yhteiskunnan, esivallan lainsäädäntöön joustavasti taipuvana, hallinnollisesti poliittisena organisaationa. Esitän, että kirkon hallinnon tulisi vastedes hyväksyä erilaiset raamattunäkemykset pysyvänä olotilana. Tulkinnallisia eroja ilmentävien kansalaisjärjestöjen avoin, toinen toisensa hyväksyvä kamppailu on mielestäni kokeilematon keino vahvistaa yhä koulutetumpien kansalaisten jäsenyyttä ja houkutella mukaan myös uusia jäseniä. Rehellinen ja keinotekoisia kompromisseja kaihtava kiistely on omiaan vahvistamaan jäsenyyttä puolueissa Chantal Mouffen mukaan. Miksei tämä voisi olla mahdollisuutta myös maamme suurimmassa uskonnollisessa yhteisössä? Uskaltaako kirkko ottaa tämän haasteen vastaan?
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".