MétaCan
Menu
← Back to cohort
Record W7001478285

Kirjoitustulkkauksessa käytettävän lyhenneluettelon päivittäminen

2018· other· fi· W7001478285 on OpenAlexaboutno aff

Bibliographic record

VenueTheseus (Ammattikorkeakoulujen) · 2018
Typeother
Languagefi
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsValue (mathematics)Quarter (Canadian coin)Work (physics)
DOInot available

Abstract

fetched live from OpenAlex

Grönroos, Matleena. Kirjoitustulkkauksessa käytettävän lyhenneluettelon päivittäminen. \nKevät 2018. 64 s., 4 liitettä. Diakonia-ammattikorkeakoulu. Viittomakielen ja \ntulkkauksen koulutus, tulkki (AMK). \n \nOpinnäytetyön tavoitteena oli päivittää kirjoitustulkkauksessa käytettävä lyhenneluettelo \nja julkaista lyhenneluettelosta kaksi erillistä versiota. Ensimmäisessä versiossa lyhenteet \novat aakkosjärjestyksessä ja toisessa lyhenteet on jaoteltu eri teemojen tai aiheiden mukaan. Eri versioilla haluttiin helpottaa lyhenneluettelon käyttöä. \n \nOpinnäytetyön aineisto koostui jo olemassa olevasta materiaalista sekä kyselyn kautta \nkerätystä materiaalista. Jo olemassa olevaan materiaaliin kuuluivat tärkeimpänä \nkirjoitustulkkauksessa käytettävä lyhenneluettelo, joka on julkaistu vuonna 2012, ja Kotimaisten kielten keskuksen ylläpitämä lyhenneluettelo suomen kielen lyhenteistä. \nKysely toteutettiin sähköisesti Webropol-kyselynä. Kyselystä tiedotettiin kirjoitustulkkeja, tulkkauspalvelun käyttäjiä ja asiantuntijoita kahden järjestön postituslistan kautta. Kyselyyn vastasi yhteensä 42 henkilöä, joista 23 oli \ntulkkauspalvelun käyttäjiä ja 19 kirjoitustulkkia. \n \nKyselyn vastauksista selvisi, miten kirjoitustulkkauksessa käytettävät lyhenteet eroavat suomen kielen lyhenteistä ja millaista ulkoasua lyhenteille toivottiin. Lisäksi avoimien vastauksien kautta vastaajien oli mahdollista ehdottaa sanoja ja lyhenteitä kirjoitustulkkauksessa käytettävään luetteloon. Kyselyssä nousi esiin tarve hengellisen ja uskonnollisen termistön lyhenteille. \n \nPäivitetty lyhenneluettelo muodostui vertaamalla Kotimaisten kielten keskuksen lyhenneluetteloa, suomen kielen sanojen lyhennysmenetelmiä ja kyselyn vastauksia keskenään. Pohjana päivitetylle lyhenneluettelolle toimi jo olemassa oleva lyhenneluettelo. \n \nOpinnäytetyön tuloksien ja päivitetyn lyhenneluettelon pohjalta Suomen kirjoitustulkit ry \nja Kuuloliitto ry jatkavat lopullisen lyhenneluettelon työstämistä.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.391
Threshold uncertainty score0.869

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0030.001
Scholarly communication0.0070.005
Open science0.0010.003
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.3910.227

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.

Opus teacher head0.024
GPT teacher head0.267
Teacher spread0.243 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueTheseus (Ammattikorkeakoulujen)→French-language works237,207→