Yxi, iocu ja se NP:n tarkenteina Mikael Agricolan kääntämässä Uudessa testamentissa
Bibliographic record
Abstract
Tutkielmassa selvitetään, miten Agricola käyttää sanoja yxi, iocu ja se substantiivilausekkeen tarkenteina vieraiden kielten artikkelien tapaan. Aineistona on kaksi tekstiotetta Agricolan kääntämästä Uudesta testamentista (Se Wsi Testamenti = WT): toinen teoksen alusta Matteuksen evankeliumista ja toinen loppupuolelta, 1. kirjeestä Timoteukselle. WT on käännetty kreikkalaisen alkutekstin sekä latinalaisten, saksalaisten ja ruotsalaisten käännösten pohjalta, joista kielistä germaanisissa saksassa ja ruotsissa on pitkälle kieliopillistuneet artikkelit, ja perinteisesti Agricolan on katsottu käyttävän tarkenteita niiden vastineena. Tässä työssä tarkastellaan, onko tarkenteiden läsnäolo ja poisjättö selitettävissä yksin lähtötekstiuskollisella käännöstavalla vai onko Agricolaa ohjannut myös käsitys hänen aikansa puhutulle suomelle ominaisesta tarkenteenkäytöstä. Analyysissä kartoitetaan ensinnäkin tarkenteellisten NP:iden frekvenssi, mikä osoittaa tarkenteiden olevan kirjeessä selvästi yleisempiä kuin evankeliumissa. Tarkenteenkäytön motivaatiota tutkitaan toisaalta vertaamalla Agricolan käännöksen tarkenteellisia ja tarkenteettomia NP:itä hänen lähtöteksteihinsä ja toisaalta analysoimalla, millaisissa viittauksissa tarkenne esiintyy ja millaisissa ei. Lähtökieliin vertailu näyttää, että silloin kun WT:n pohjateksti on paikannettavissa, tarkenteiden esiintyminen ja poisjäänti on useimmiten yhdistettävissä sen malliin. Keskimäärin joka neljännessä tapauksessa Agricola kuitenkin toimii vastoin pohjatekstinsä mallia. Viittausten tyypin analyysi osoittaa, että evankeliumissa tarkenteiden esiintyminen painottuu kieliopillistumisen alkuvaiheille tyypillisiin yhteyksiin ja poisjäänti pitemmälle kieliopillistuneisiin. Näin on etenkin epämääräisen tarkenteen yxi kohdalla, joka esiintyy ainoastaan nk. esittelyrakenteessa ja jää muista yhteyksistä pois lähimmän lähtökielen mallista riippumatta. Määräistä tarkennetta Agricolalla on taipumus käyttää etenkin anaforisissa ja muissa spesifeissä viittauksissa. Kirjeessä selkeää linjaa tarkenteidenkäytölle ei hahmotu. Tarkenteesta iocu todetaan, että se vastaa selvimmin germaanista epämääräistä artikkelia sellaisissa myöntölauseiden NP:issä, joilla ei viitata. Näiden tulosten pohjalta todetaan, että evankeliumissa viittauksen tyyppi on lähes yhtä tärkeä tarkenteenkäyttöä selittävä tekijä kuin pohjateksti ja että evankeliumin käännös on ilmeisesti lähempänä 1500-luvun puhekieltä kuin kirjeen, jonka kaavoihin sovittamattoman tarkenteenkäytön arvioidaan olevan sanasanaisemman kääntämistavan tulosta. Näin ollen esitetään, että 1500-luvun puhutussa suomessa on todennäköisesti käytetty tarkennetta yxi esittelyrakenteessa ja tarkennetta se demonstratiivisten käyttöjen ohella etenkin anaforisissa viittauksissa, mihin kategorioihin Agricolan tarkenteiden esiintymät evankeliumissa painottuvat.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.073 | 0.027 |
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".