Suomenkielisen ja Suomen ruotsinkielisen virsikirjan sävelmätyypit ja niiden erot
Bibliographic record
Abstract
Tässä tutkimuksessa laadin Suomen ruotsinkielisestä virsikirjasta sävelmistökartoituksen ja vertaan sitä suomenkielisen virsikirjan sävelmistöön. Aineistona ovat vuonna 1986 hyväksytyt Suomen evankelis-luterilaisen kirkon virsikirjat. Luokittelen sävelmät kuuteen eri sävelmätyyppiin, joista osa jakautuu lisäksi alaluokkiin. Sävelmätyypittelyn ja virsikirjojen vertailun pohjana toimii Tuuli Murajan tekemä sävelmistökartoitus suomenkielisestä virsikirjasta, josta poikkean muutamissa kohdissa. Selvitän tutkimuksessani myös virsikirjojen yhteisten sävelmien määrän. Käytän tutkimuksessani kvantitatiivista tutkimusmetodia sävelmien taulukoinnin ja luokittelun käsittelyssä ja kvalitatiivista tutkimusmetodia sävelmien analysoinnissa ja asettamisessa sävelmätyyppeihin. Tutkimukseni tärkein tulos on Suomen ruotsinkielisen virsikirjan sävelmistökartoitus. Lisäksi selvitin suomenkielisen ja Suomen ruotsinkielisen virsikirjan yhteisten sävelmien määräksi 215 sävelmää. Näiden lisäksi vertasin tutkimuksessani ruotsinkielisen virsikirjan sävelmätyyppejä ja niiden määriä Murajan tekemään suomenkielisen virsikirjan sävelmistökartoitukseen. Tutkimus vahvisti useat ennakko-oletukseni. Yhteistä sävelmistöä on eniten vanhimmassa aineistossa, 1400–1600-luvun perinteisissä koraaleissa. Sävelmistöt eroavat eniten koraalitoisintojen, hengellisten laulujen ja uusien koraalien määrässä; koraalitoisintoja on suomenkielisessä virsikirjassa yli kolme kertaa enemmän kuin ruotsinkielisessä, hengellisiä lauluja ja uusia koraaleja puolestaan ruotsinkielisessä yli kaksi kertaa enemmän kuin suomenkielisessä. Näiden erojen syiden pohtiminen on kiinnostava jatkotutkimuksen aihe. Lisäksi ruotsinkielinen virsikirja eroaa suomenkielisestä huomattavalla ruotsalaisten ja suomenruotsalaisten sävelmien osuudella. Tekemäni sävelmistökartoitus antaa yhden mahdollisuuden ruotsinkielisen virsikirjan sävelmien luokitteluun ja on edellytyksenä sille, että luokkia voi jatkossa tarkentaa ja muuttaa. Tutkimukseni antaa myös mahdollisuuden virsikirjojen sävelmistöjen vertailun syventämiseen.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.132 | 0.039 |
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".