Modukset suomea vieraana kielenä opiskelevien teksteissä
Bibliographic record
Abstract
Tutkielmassa selvitetään, miten suomea vieraana kielenä opiskelevat käyttävät moduksia kirjoitelmissaan. Modukset ovat yksi keino ilmaista modaalisuutta eli esimerkiksi puhujan suhtautumista, asennetta, arvioita tai toiveita. Modaalisuutta ja modaaliverbejä on tutkittu aiemminkin suomen kielen maisterintutkielmissa, mutta pelkästään moduksiin keskittyvää tutkimusta ei ole tehty. Kysymystä lähestytään Kansainvälisestä oppijansuomen korpuksesta (ICLFI) löytyvien modusten avulla. Tarkemmat tutkimuskysymykset reflektoivat tutkimuksessa päämetodina käy- tettyä DEMfad-mallia, jolla kuvataan valitun kielenpiirteen kehittymistä sen tarkempien osapiirteiden kautta. Oppijat ovat harjaantuneempia sekä modusten muodostamisessa että niiden semanttisessa käytössä taitotasoilla edettäessä. Konditionaali ja imperatiivi ovat helpoimmat modukset ottaa käyttöön. Erityisesti konditionaalin käyttökenttä laajenee taitotasoilla edettäessä, mutta konditionaalin muodostuksessa on kuitenkin ongelmia vielä B1 ja B2 -taitotasoilla. Potentiaali on moduksista harvinaisin ja haastavin. Sen täydellistä semanttista käyttöä ei hallita vielä korkeimmillakaan taitotasoilla. Aineistosta nousi myös esille kiinnostava sivuhuomio fraasi- ja rakennehakuisuuden osalta imperatiivissa. Imperatiivia käytetään ikään kuin huomaamatta osana fraaseja ja muita vakiintuneita rakenteita. Tutkimuksesta saadut tulokset eivät ole ehdottoman tarkkoja, johtuen aineiston erilaisista haasteista. Näihin kuuluivat annotaatiovirheet ja vähäiset osumamäärät erityisesti potentiaalissa ja imperatiivissa, mutta myös yleisesti taitotasoilla A1 ja C2. Tutkimus antoi kuitenkin viitteitä siitä, että modusten suhteellinen frekvenssi yleensä kasvaa ja modusten semanttinen käyttökenttä laajenee taitotasoilla etenemisen myötä. Tutkimus nosti esille tarpeen ICLFI-aineiston annotaation korjaamisesta ainakin modusten osalta. Tutkimus myös motivoi useita jatkotutkimusmahdollisuuksia moduksiin liittyen. Näennäisesti jopa yksinkertaiselta vaikuttava modusten aihealue pitää sisällään lukuisia kiinnostavia jatkokysymyksiä muun muassa muiden modaalisuuden keinojen ja modusten suhteesta oppijan kielessä.
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 | 0.003 |
| 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 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.078 | 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".