Raumalaisnuorten murreasenteista ja murretietoisuudesta
Bibliographic record
Abstract
Tässä pro gradu -tutkielmassa tarkastellaan raumalaisten lukiolaisnuorten murreasenteita ja murretietoisuutta. Tutkimuksen teoreettinen tausta on kansanlingvistiikassa. Aineisto tutkimukseen kerättiin kyselylomakkeella Rauman lukion opiskelijoilta lokakuussa 2007. Kyselylomakkeessa oli 7 avointa kysymystä. Kysymysten avulla haluttiin tietää, mitä murretta tai kielimuotoa nuoret kokevat käyttävänsä ja mitä heidän vanhempansa nuorten mielestä käyttävät. Lisäksi selvitettiin, mieltävätkö nuoret Rauman murteen ja Rauman kielen (Rauman giälen) toisistaan poikkeaviksi kielimuodoiksi. Lomakkeessa pyydettiin nuoria kertomaan, mitä piirrettä he pitävät kotimurteensa tärkeimpänä murrepiirteenä ja missä he kuulevat tai näkevät sitä käytettävän. Lisäksi tutkittiin, mitä muita suomen murteita raumalaiset lukiolaisnuoret tuntevat, mitä piirteitä he niistä muistavat ja mikä heitä niissä huvittaa ja mikä ärsyttää. Vastauksia kertyi todella paljon ja aineistoa jouduttiin rajaamaan. Lopulta tämän tutkimuksen aineistoon kuuluu 136 vastausta, joista 38 on 16-vuotiailta tytöiltä, 30 16-vuotiailta pojilta, 38 18-vuotiailta tytöiltä ja 30 18-vuotiailta pojilta. Raumalaisnuoret suhtautuvat positiivisesti omaan kotimurteeseensa. Heillä on suurimmaksi osaksi selkeä ja vahva näkemys sen tärkeimmistä piirteistä. He pystyvät erottamaan sen muista suomen murteista, jopa lähiseudun muista murteista. Lisäksi raumalaisnuoret ovat osanneet nimetä hyvin sekä heidän itsensä että vanhempiensa käyttämän kielimuodon. Kotimurrettaan raumalaisnuoret ovat kuulleet ja nähneet monessa eri tilanteessa ja paikassa, kuten isovanhempien luona, kaupungilla liikkuessaan tai alueen paikallislehteä lukiessaan. Raumalaisnuoret mieltävät, että Raumalla on sekä oma murre että kieli. Pääasiassa nuoret kokevat itse käyttävänsä murretta. Rauman kieltä käyttävät heidän mukaansa vain vanhemmat ihmiset tai murteenharrastajat. Rauman kieltä on heidän mielestään vaikea ymmärtää paitsi ulkopaikkakuntalaisten myös raumalaisten itsensä. Muita suomen murteita raumalaisnuoret ovat osanneet nimetä ja luonnehtia hyvin. Parhaiten he ovat muistaneet Savon, Turun, Tampereen, Oulun ja Porin murteet. Lisäksi he ovat osanneet kertoa, mikä toisissa murteissa on heidän mielestään hauskaa ja mikä ärsyttävää. Toiset kokevat jonkun tietyn piirteen, esimerkiksi persoonapronominien mie ja sie, käytön ärsyttäväksi ja toiset hauskaksi. Raumalaisnuorten asenteet murteita kohtaan ovat positiiviset. Heillä on vahva näkemys murteista ja riittävä tietotaito niiden kuvailemiseen. Kielitieteen termistön puuttuessa he ovat kuvailleet kielen ilmiöitä kekseliäästi. Esimerkiksi loppuheittoa he ovat saattaneet kuvailla niin, että sanan lopusta jää kirjaimia pois. Diftongien avartumista he ovat puolestaan kuvailleet termillä muuttua, esimerkiksi uo muuttu ua:ksi.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.065 | 0.022 |
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".