Uudet sanat EU:n lainsäädännön unkarin- ja suomenkielisissä käännöksissä
Bibliographic record
Abstract
Tutkielmassa vertaillaan uusien sanojen muodostamista Euroopan unioniin liittyvässä suomen- ja unkarinkielisessä lainsäädäntösanastossa. Tutkimusaineistona pro gradu -tutkielmassa ovat vuosina 2006–2016 ilmestyneet Euroopan parlamentin, Euroopan komission ja Euroopan unionin neuvoston humanitaariseen apuun ja kriisinhallintaan liittyvät viralliset tekstit. Tutkimuksen tarkoituksena on koota sähköisessä muodossa oleva korpus. \n \nTutkimuksessa selvitettiin, millä keinoilla luodaan uusia sanoja lainsäädännön teksteissä suomen ja unkarin kieleen ja millaisia nämä uudet sanat ovat. Aineiston analyysi osoitti, että unkarin kieleen uusi ilmaus on tullut joko yhdistämisen keinoin tai johtamisen avulla. Unkarinkielisessä aineistossa näkyi myös pyrkimys luoda ja käyttää sekä käyttötermien että lyhenteiden omaperäisiä käännöksiä. Unkarinkieliseen aineiston verrattuna suomenkielisessä aineistossa yhdyssanojen muodostaminen oli tavallisempi sananmuodostuskeino, erityisesti jos mukaan lasketaan myös vierasperäisiä aineksia sisältävät yhdyssanat. \n \nLisäksi tutkimuksessa selvitettiin, kuinka suuri osa sanastoa oli vierasperäisiä sanoja. Todettiin, että vieraskielten vaikutus aineistoon on ollut suuri molemmilla kielialueilla. Osa vierasperäisistä sanoista oli pysyviä käyttötermejä ja lyhenteitä, joiden runsas käyttö luonnollisesti kuuluu humanitaariseen apuun ja kriisinhallintaan liittyvään sanastoon. Lyhenteiden osuus oli molemmissa aineistossa kuitenkin yllättävän suuri.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.116 | 0.037 |
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".