Yhtenäinen ja sisukas Kanada? : Kansallisen identiteetin rakentaminen Kanadassa jääkiekon avulla Summit Series -ottelusarjan juhlavuonna 2022
Bibliographic record
Abstract
Tässä tutkielmassa tarkastelen kansallisen identiteetin rakentamista Kanadassa jääkiekon avulla. Tutkielman keskiössä on vuonna 1972 pelattu Summit Series -ottelusarja ja sen 50-vuotisjuhlavuosi vuonna 2022. Ottelusarjassa Kanada, jääkiekon perustajamaa ja siihenastinen lajin kuningas, kohtasi Neuvostoliiton, joka oli noussut haastamaan Kanadan aseman lajin huipulla. Sarjassa oli taustalla kylmä sota ja siinä taisteltiin jääkiekon herruudesta. Monien käänteiden jälkeen Kanada voitti sarjan voittamalla viimeisen ottelun viimeisellä minuutilla tehdyllä maalilla. Sarja sai nopeasti korostetun aseman Kanadan historiassa, ja sen nähtiin tuovan maan yhteen. Kanada on perustamisesta asti ollut kansallisesti monipuolinen maa. joten on koettu, että kansaa on tarvittu yhdistää. Tutkielmassa tutkin juhlavuoden aikaisia tekstejä ja analysoin niitä kriittisen diskurssianalyysin ja laadullisen sisällönanalyysin avulla. Pyrin etsimään teksteistä vastauksia kysymyksiin siitä, miten jääkiekkoa käytettiin kansallisen identiteetin rakentamiseen, millaisia teemoja kansalliseen identiteettiin liittyen teksteistä korostui ja miksi nämä teemat valikoituivat tärkeiksi. Lisäksi pohdin identiteetin rakentamisen onnistumista. Aineistoksi valikoitu kirjoituksia ottelusarjasta ja sen tärkeydestä sekä poliitikkojen puheita sarjaan liittyen. Tutkimustulokset osoittavat, että tärkein kansalliseen identiteettiin liittyvä teema, joka juhlavuonna nousi, oli kansallinen yhtenäisyys. Yhtenäisyys nousi esille, sillä Kanada on kansallisesti monimuotoinen maa. Myös kansanluonnetta ja yhteisiä arvoja korostettiin. Yhtenäistä Kanadaa lähti haastamaan Quebec, jossa provinssin koetaan olevan erillinen yhteisö muusta Kanadasta. Kanada pyrki yhtenäisillä arvoilla tuomaan maata yhteen, kun taas Quebec pyrki korostamaan omien arvojensa ja yhteiskuntansa erilaisuutta. Quebeciläinen historiankäsitys vaikutti tähän toimintatapaan. Juhlavuonna ei onnistuttu rakentamaan yhtenäistä Kanadaa, sillä Quebec jatkoi sen aikana ja sen jälkeen vastustusta.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.053 | 0.015 |
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".