Miten perspektiivi tulee ilmi uutisesta? Esimerkkinä Suomen ja Saksan välinen kielikiista EU-tulkkauksesta kesällä 1999
Bibliographic record
Abstract
Tämän tutkielman tarkoituksena on selvittää, miten toimittaja saa lisättyä objektiiviseksi ymmärrettyyn uutistekstiin omia mielipiteitään. Uutinen mielletään länsimaisessa journalistisessa kulttuurissa yleensä neutraaliksi asiatekstiksi, eikä lukija useinkaan huomaa taustalla olevia toimittajan omia - tahattomia tai tahallisia - mielipiteitä.\n\nTutkimusaineisto koostuu kymmenestä saksan- ja suomenkielisestä uutisesta, jotka kaikki käsittelevät Suomen ja Saksan välistä kielikiistaa. Kiista käytiin epävirallisten ministerikokousten aikana saksan kielen tulkkauksesta Suomen EU-puheenjohtajuus-kaudella kesällä 1999. Kummankin maan lehdet kirjoittivat aiheesta heinä-elokuun aikana runsaasti.\n\nMetodologisena pohjana on käytetty kriittistä diskurssianalyysiä Norman Faircloughin teosten pohjalta. Kriittistä diskurssianalyysiä on kuvattu tekstin lähiluvuksi. Tämä kertoo, kuinka tutkimukseni on tehty. Toimittajan mielipiteet tulevat ilmi uutisesta usein vasta tekstiä hyvin huolellisesti luettaessa, eivät nopean, ylimalkaisen, lukukerran jälkeen. Tästä syystä normaali lehdenlukija ei useinkaan huomaa tulleensa johdatetuksi toimittajan mielipiteisiin.\n\nKriittinen diskurssianalyysi on apuna kielen syvärakenteiden tutkimisessa ja ymmärtämisessä. Analyysimenetelmä sopii tämän tutkimuksen perusteella myös käännöstieteessä käytettäväksi. On tärkeää, että kääntäjä ymmärtää kielen ideologisen taustan tekstejä kääntäessään. Kulttuurialueiden välillä on huomattavia ideologisia eroja ja tästä syystä on ehdottoman tärkeää, että kääntäjä tuntee sekä lähde- että kohdekulttuurin konventiot.\n\nAnalyysin perusteella voitiin todeta, ettei objektiivista uutista ole olemassa, ainakaan jos objektiivisuus ymmärretään perinteisen mallin mukaan puolueettomuudeksi. Toimittaja vaikuttaa uutisen objektiivisuuteen jo näkökulmaa valitessaan. Kielikiistasta uutisoitaessa toimittaja oli selvästi asettunut jommankumman maan puolelle ja tämä oli nähtävissä muun muassa argumentaatiostrategioiden, metaforien ja negatiivissävytteisten sanojen käytössä. Analyysi osoitti myös, että kielikiista tuntui olevan hyvin isänmaallinen aihe. Saksalaiset toimittajat asettuivat oman maansa kannalle ja puolustivat Saksan valintaa olla osallistumatta niihin epävirallisiin ministerikokouksiin, joissa saksan kieltä ei tulkattu. Suomalaiset toimittajat taas pitivät Saksan toimia naurettavina ja lapsellisina ja kokivat, että he ovat oikealla asialla - suurten maiden ei pitäisi sortaa pieniä. Koska uutisaihe oli suuria tunteita herättävä, on mahdollista, että toimittajan mielipiteet tulivat tutkimusaineistossani esille näkyvämmin kuin uutisoitaessa aiheesta, johon omalla kansalla ei ole sanottavaa. \n\nAvainsanat: uutinen, näkökulma, objektiivisuus, kriittinen diskurssianalyysi
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.127 | 0.047 |
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".