Maahanmuuttajataustaisten nuorten kielelliset identiteetit
Bibliographic record
Abstract
Tämän tutkimuksen tavoitteena oli selvittää, millaisia ovat Suomen maahanmuuttajataustaisten nuorten kielelliset identiteetit. Tutkimuksessa selvitettiin, pitävätkö maa-hanmuuttajataustaiset nuoret itseään yhtäältä yksi- vai monikielisinä ja toisaalta suomenkielisinä ja/tai jonkin muun kielen puhujina. Tavoitetta lähestyttiin selvittämällä maahanmuuttajataustaisten nuorten kielenkäyttöä arkielämän viestintätilanteissa, suomen kieleen ja ensimmäiseksi opittuun kieleen kohdistuvia asenteita ja arvoja sekä suhtautumista omaan ja valtaväestön kieleen ja kulttuuriin. Äidinkielen käsitteen käyttöä pohdittiin tarkemmin selvittämällä, mitä maahanmuuttajataustaiset nuoret pitävät äidinkielenään ja miten he määrittelevät äidinkielen käsitteen.\n\nTutkimukseen osallistui 28 yläaste- ja lukioikäistä maahanmuuttajataustaista nuorta kahdesta helsinkiläisestä koulusta, Maunulan yhteiskoulun yläluokilta ja Vuosaaren lukiosta. Aineisto kerättiin kyselylomakkeen ja puolistrukturoitujen haastattelujen avulla. Kyselylomakkeella saatua aineistoa analysoitiin pääosin kvantitatiivisin menetelmin, jota täydensi avointen kysymysten kvalitatiivinen analyysi. Haastatteluihin valittiin kuusi nuorta lomakkeen täyttäneiden joukosta. Haastattelujen tuloksia analysoitiin kvalitatiivisin menetelmin ja niillä täydennettiin kyselylomakkeista saatua informaatiota sekä tutkimuksen pääkäsitteiden määrittelyä.\n\nAnalyysi osoitti, että tutkimukseen osallistuneilla maahanmuuttajataustaisilla nuorilla oli vahva etninen ja ensimmäisen kielen identiteetti. Heistä lähes kaikki näkivät itsensä kaksi- tai monikielisenä, mutta he eivät juurikaan mieltäneet suomen kieltä osaksi monikielistä itseä. Äidinkieleksi miellettiin useimmin se kieli, joka oli opittu ensimmäisenä. Kielellisen identifioitumisen ja kielellisen käyttäytymisen välillä oli havaittavissa ristiriitaa siten, että suomen kieltä käytettiin useammissa viestintätilanteissa, mutta ensimmäiseen kieleen identifioiduttiin huomattavasti voimakkaammin. Ensimmäinen kieli oli ensisijainen kotidomeenin kieli, eli sitä käytettiin kotioloissa muita kieliä enemmän. Koti, vanhemmat ja sukujuuret näyttivätkin olevan voimakkaita vaikuttimia ensimmäisen kielen identiteetin muodostuksessa.
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 | 0.002 | 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 | 0.006 | 0.002 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.106 | 0.038 |
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".