Kertomuksen rakenne, evaluaatio ja kompleksisuus aikuisten käännekohtakertomuksissa
Bibliographic record
Abstract
Tämän tutkielman tarkoituksena on kuvata yli 40-vuotiaiden aikuisten kirjoittamista ja verrata sitä lasten, nuorten ja nuorten aikuisten kirjoitelmiin. Tutkielmassa selvitetään, millaisia aikuisten käännekohtakertomukset ovat tekstityypiltään ja rakenteeltaan, kuinka paljon niissä on evaluaatiota ja millaista niiden sisältämä evaluaatio on. Lisäksi aikuisten tekstejä tarkastellaan kvantitatiivisesti niiden kompleksisuusarvojen avulla ja selvitetään, kuinka kompleksisia tekstit ovat T-yksikön keskipituuden ja kompleksisuusindeksin osalta ja mistä kompleksisuus johtuu. Kompleksisuutta verrataan nuorempien kirjoittajien teksteistä laskettuihin vastaaviin lukuihin. \n \nTutkimusaineistona ovat aikuisten käännekohtakertomukset, jotka on kerätty 2016–2017 internetissä kyselylomakkeen avulla. Tekstien keruun lisäksi on kysytty joitakin taustatietoja. Kertomuksia on yhteensä 25, joista 21 on naisten, 4 miesten kirjoittamia. Tekstejä on analysoitu ensin Labovin ja Waletzkyn (1967) kertomuksen analyysimallin mukaan, ja evaluaatiota on kuvattu aineiston pohjalta muodostuvien kategorioiden avulla. Lisäksi on määritetty, onko evaluaatio upotettua vai ulkoista. Kompleksisuusarvot on laskettu Edmonton Narrative Norms Instrumentin (ENNIn) laskentaohjeilla, joita on käytetty myös Pajusen ja Vainion (tulossa a) vertailuaineiston analyysissa. \n \nTutkimuksen keskeisimmät tulokset ovat ensinnäkin, että aikuisten käännekohtakertomukset eivät noudata Labovin ja Waletzkyn (1967) kertomuksen rakennemallia, vaan rakenneosat ovat monessa tekstissä hajaantuneet. Tekstit jakautuvat evaluaatiopainotteisiin ja rakenteeltaan tasapainoisiin teksteihin. Toiseksi, evaluaatiota on kaikissa teksteissä runsaasti. Evaluaatiokategorioista suurimmaksi muodostuvat pohdinta, kuvaus ja arvio. Muita kategorioita ovat mm. emootio, kognitio, tila ja erilaiset ajatuksia tai puhetta referoivat kategoriat. Evaluaatio on pääosin ulkoista ja 1. tason upotettua evaluaatiota. Kolmanneksi, aikuisten käännekohtakertomusten kompleksisuus vaihtelee. Sivulauseiden määrä vähenee ja infiniittisten rakenteiden määrä kasvaa, kun kompleksisuusindeksi kasvaa. Neljänneksi, aikuisten tekstit osoittautuvat vertailussa kompleksisemmiksi kuin nuorempien tekstit. Niin nuorten kuin yli 40-vuotiaidenkin aineistossa miehet kirjoittavat keskimäärin kompleksisemmin kuin naiset. Tämä tutkielma antaa viitteitä siitä, että kielellinen kehitys jatkuu mahdollisesti vielä pitkään aikuisuudessa.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.068 | 0.014 |
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".