Kansallismielisen identiteetin rakentuminen ja kansallismieliseen ryhmään liittyminen Suomen Sisun jäsenten keskuudessa
Bibliographic record
Abstract
Pro gradu -tutkielmassa tarkastellaan kansallismielisen identiteetin rakentumista ja kansallismieliseen ryhmään liittymistä Suomen Sisun jäsenten keskuudessa. Tutkielma perustuu kahdeksaantoista loppuvuoden 2020 ja alkuvuoden 2021 aikana kerättyyn Suomen Sisun entisen tai nykyisen jäsenen teemahaastatteluun. Tutkimusmenetelmänä toimii narratiivianalyysi. Tutkimuksen teoreettinen tausta on sosiaalisten liikkeiden tutkimuksessa ja se lähtee liikkeelle ajatuksesta, että Suomen Sisu toimii osana suurempaa äärioikeistolaista ja maahanmuuttovastaista liikettä. \n \nTuloksissa esitellään, kuinka kansallismielistä identiteettiä rakennetaan niin jatkuvuuden kuin kääntymyksen kautta. Jatkuvuus sitoo kansallismielisyyden osaksi historiallista ja sukuhistoriallista yhteyttä ja perinnettä, kun taas kääntymys koostuu heräämiseen ja oman aatemaailman pohtimiseen liittyvistä tarinoista. Kansallismielinen identiteetti rakentuu myös erontekoina kansallismielisen kentän sisällä ja ulkopuolella. Tällöin oma identiteetti nähdään parempana kuin stereotyyppisesti kansallismielisiin liitetyt huonoiksi koetut ominaisuudet. Oman kollektiivisen identiteetin ulkopuoliset toiset sen sijaan näyttäytyvät uhkana omalle identiteetille. Kansallismieliseen ryhmään liittymistä jäsennetään niin halun muuttaa olosuhteita, halun kuulua johonkin ryhmään ja halun löytää merkitys omalle elämälle kautta. Erityisesti kahden ensimmäisenä mainitun tekijän vaikutus korostuu aineistossa. \n \nTutkielman päätarkoitus on tuottaa ymmärrystä äärioikeistolaisen ja maahanmuuttovastaisen liikkeen toimijoista heidän itsensä kertomana, sillä tällaista tutkimusta ei ole juurikaan tehty. Tutkielmalla pyritäänkin kannustamaan myös muita toteuttamaan vastaavanlaista tutkimusta.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.054 | 0.013 |
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".