Monikon illatiivin rinnakkaismuotoisen hin-päätteen esiintyminen ja käyttö suomen kielessä
Bibliographic record
Abstract
Tutkielmassa tarkastellaan monikon illatiivin /siin/-päätteen kanssa vaihtelevan /hin/-päätteen esiintymistä ja käyttöä suomen kielessä. Tarkastelun tavoitteena on tuoda esiin systeeminsisäisiä tekijöitä, jotka vaikuttavat /hin/-päätteen valikoitumiseen monikon illatiivin päätteeksi. Tutkielmassa monikon illatiivimuotoiset sanat jaetaan taivutustyyppeihin. Analyysityössä pyritään osoittamaan, miten taivutustyyppien ominaisuudet ja niiden väliset suhteet vaikuttavat monikon illatiivin /hin/-päätteen käyttöön. Tarkastelussa kiinnitetään huomiota lisäksi siihen, miten yksittäisten nominien ominaisuudet vaikuttavat monikon illatiivin /hin/-päätteen käyttöön. Tutkielmassa esitetyt havainnot perustuvat kahteen erityyppiseen aineistoon: sanomalehti- ja kyselyaineistoon. Kyselyaineisto pohjautuu tuotto- ja arviointitehtäviä sisältävään kyselyyn, johon on vastannut 47 henkilöä. 8821 monikon illatiivimuotoa sisältävä sanomalehtiaineisto on kerätty HS-2000-korpuksesta, joka koostuu Helsingin Sanomissa vuosina 2000 ja 2001 julkaistuista teksteistä. Aineistojen tarkastelu osoittaa, että monikon illatiivin rinnakkaismuotoinen /hin/-pääte esiintyy herkimmin monikon illatiivissa harvoin esiintyvissä /askele/-, /ohut/- ja /filee/-tyyppisissä nomineissa. Tällaiset nominit eivät ole prototyyppisiä supistumanomineja, mistä johtuu, että monikon illatiivin /siin/-pääte ei ole saanut /askele/-, /ohut/- ja /filee/-tyyppisissä nomineissa samaa suosiota kuin /hame/- ja /vieras/-tyyppisissä nomineissa. Lisäksi tarkastelu antaa vihjeen siitä, että monikon illatiivin /hin/-pääte saattaa sisältää enemmän informaatiota kuin monikon illatiivin /siin/-pääte. /hin/-pääte saattaakin luoda ilmaukseen esimerkiksi affektiivisuutta.
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 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.049 | 0.010 |
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".