Hirveän ja kauhean käyttö ja merkitykset oppijansuomessa
Bibliographic record
Abstract
Pro gradu -työssäni tarkastelen lähisynonyymien hirveä ja kauhea käyttöä ja merkityksiä oppijansuomessa. Lähtöoletuksenani on, että hirveä ja kauhea eivät ole identtisiä synonyymeja. Aineistoni olen koonnut Kansainvälisen oppijansuomen korpuksesta (ICLFI), joka sisältää suomen kielen opiskelijoiden tuottamia tekstejä yli 20 ulkomaisesta yliopistosta. Tutkimukseni etenee korpuspohjaisesti ja sijoittuu syntaksin, semantiikan sekä suomi vieraana kielenä -alaan. \n \nOppijansuomen aineistossani hirveä on selvästi kauheaa tavallisempi lekseemi. Hirveää ja kauheaa käytetään tavallisesti substantiivien määritteinä, predikatiiveina sekä intensiteetti- ja kvanttoriadverbeina. Substantiivin määritteenä hirveä esiintyy tavallisemmin vahvistavana kuin kuvailevana määritteenä ja kauhea puolestaan useammin kuvailevana. Vahvistavana määritteenä hirveä ja kauhea ilmaisevat intensiteettiin liittyviä merkityksiä, joista selvästi tavallisin merkitys on ’voimakas’. Kuvailevana määritteenä hirveä ja kauhea ilmaisevat entiteetin arvoon liittyviä merkityksiä, joista tavallisimmat ovat ’kammottava’ ja ’kauhistuttava’. Hirveä ja kauhea määrittävät erilaisia substantiiveja melko samankaltaisesti lukuun ottamatta fyysiseen ominaisuuteen tai olotilaan viittaavia substantiiveja. Hirveä on niiden määrittäjänä hyvin tavallinen mutta kauhea hyvinkin marginaalinen. \n \nPredikatiivina kauhea on hieman hirveää yleisempi. Aineistostani käy ilmi, että hirveä luonnehtii tavallisesti tapahtumaan tai tekoon ja esineeseen tai asiaan viittaavia entiteettejä. Esineeseen tai asiaan viittaavat substantiivit ovat myös kauhealle hyvinkin tavallisia luonnehdittavia. Lisäksi kauhea luonnehtii tavallisesti asiaintiloihin viittaavia ilmauksia. Aivan kuten substantiivin määritteenä, myös predikatiivina sekä hirveän että kauhean tavallisimmat merkitykset ovat ‘kammottava’ ja ’kauhistuttava’. \n \nHirveän käyttö intensiteettiadverbina on aineistossani hyvin tavallista. Myös kauhealla on aineistossani intensiteettiadverbiesiintymiä mutta ei yhtä paljon kuin hirveällä. Intensiteettiadverbina toimivat hirveä ja kauhea määrittävät tavallisimmin arvoon liittyviä adjektiiveja. Intensiteettiadverbin lisäksi hirveä ja kauhea esiintyvät aineistossani jossain määrin myös kvanttoriadverbeina. Hirveällä kvanttoriadverbiesiintymiä on hieman enemmän kuin kauhealla. \nTutkimukseni tulokset antavat monipuolista tietoa siitä, miten suomenoppijat käyttävät kahta eri lähisynonyymia ja millaisia merkityksiä nämä sanat saavat. Tutkimustuloksiani voidaan hyödyntää suomen kielen opetuksessa ja oppimateriaalien laadinnassa.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.089 | 0.036 |
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".