”Kynttilät syttyivät potkujen vuoksi”. Irtisanomisia kuvaavat ilmaukset lehdistötiedotteissa ja Helsingin Sanomien uutisissa
Bibliographic record
Abstract
Tämän työn tavoitteena oli kuvata, millaisia kielellisiä valintoja esiintyy irtisanomisgenressä. Tutkin Suomen suurimpia irtisanomisia koskevia tiedotteita ja niiden pohjalta julkaistuja Helsingin Sanomien uutisia. Tarkastelin, millaisin sanavalinnoin irtisanomisesta kerrotaan. Pääpaino oli tutkia, kerrotaanko irtisanomisista suoraan vai esiintyykö tiedotteissa kiertävää kielenkäyttöä. Tutkin, näkyykö tekijä irtisanomisista kertovissa virkkeissä vai häivytetäänkö se taustalle passiivia ja passiivimaisia lauserakenteita käyttäen.\n\nAineistooni sisältyi 20 tiedotetta ja 16 uutista. Tutkimusmenetelmän pohjana käytin kiertoilmausanalyysiä. Tutkin tiedotteen kokonaisjäsentelyä, siinä erityisesti uutiskärkeä ja otsikkoa. Tutkin tekijän näkymistä tiedotteessa ja lopuksi erittelin irtisanomista kuvaavia ilmauksia. Tutkin rinnakkain tiedotetta ja uutista tarkastellen, muuttuvatko kielelliset valinnat tekstilajin vaihtuessa.\n\nSuurimmassa osassa tiedotteita irtisanomiset oli nostettu uutiskärjeksi. Otsikot jakautuivat täsmälliseksi, sumeaksi ja vältteleväksi otsikkoluokaksi. Tiedotteissa oli eniten sumeita otsikoita, kun taas uutisissa valtaosa otsikoista oli täsmällisiä. Irtisanomistiedotteissa tekijä häivytettiin taustalle 85 % irtisanomisista kertovissa virkkeissä. Uutisissa puolestaan tekijä häivytettiin 31 % uutisista passiivin tai passiivimaisten rakenteiden avulla. Irtisanomisia kuvaavien ilmausten kirjo oli tutkimusaineistossani laaja. Ilmaukset jakautuivat aineiston perusteella vakiintuneisiin ilmauksiin, kaunisteleviin selkeihin ilmauksiin, harhauttaviin ja epämääräisiin eufemismeihin sekä dysfemismeihin. Yritys pyrki hallitsemaan julkisuutta tiedotteessa käytettävän kiertävän kielenkäytön avulla, mutta uutisessa tekstiä muokattiin objektiivisemmaksi ja selkeämmäksi.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.084 | 0.033 |
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".