Metsästysalan toimijoita kuvaavat käsitteet Suomessa ja niiden vastineet Saksassa : Terminologinen vastinetyö ja suomi–ruotsi–saksa-sanasto
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Tämän tutkielman aihe on metsästysalan sanasto. Tarkoituksena on luoda metsästysalan keskeisimmistä toimijoista kolmikielinen suomi–ruotsi–saksa-sanasto. Tavoitteena on myös analysoida ja vertailla suomen- ja saksankielisiä käsitteitä ja termejä, jotka viittaavat metsästysalan toimijoihin. Ruotsinkielisten termien kartoittaminen on rajattu suomenruotsalaisiin käsitteisiin. Tutkielman aineiston lähteinä on käytetty Suomen ja Saksan lakeja sekä kunkin maan toimijoiden verkkosivuja, ohjeita ja esitteitä. Ruotsinkielinen aineisto koostuu suomenkielisten aineistojen ruotsinkielisistä versioista. Tutkimusmenetelmä on käsiteanalyysi. Osana käsiteanalyysiä suomenkielisiä termejä vastaavien käsitteiden välisiä suhteita selvitettiin tutkimalla käsitteiden olennaisia käsitepiirteitä. Käsiteanalyysin tuloksena syntyi metsästysalan toimijoiden välisiä suhteita kuvaava sekakoosteinen käsitekaavio. Sanastossa on yhteensä 14 käsitettä ja niitä vastaavat suomenkieliset, ruotsinkieliset ja saksankieliset termit. Suomen ja Saksan metsästystoiminnan historiaa ja nykypäivää kuvailevasta alustuksesta käy ilmi, että maiden metsästystoiminnan välillä on isoja eroja, vaikka joitakin yhtäläisyyksiä löytyy. Nämä erot johtuvat yhteiskunnan rakenteen ja järjestäytyneen metsästystoiminnan historian eroista, mikä on vaikuttanut metsästyksen käsitteisiin. Tutkimuksessa selvisi, että suomenkielisille termeille ei löydy saksan kielestä yhtäkään tarkkaa termivastinetta, koska Saksan ja Suomen metsästysalan toimijoihin viittaavien käsitteiden käsitepiirteet eroavat yhteiskuntarakenteellisista ja historiallisista syistä melko paljon toisistaan. Metsästystoiminnan yhtäläisyyksien vuoksi lähivastineita on kuitenkin joitakin olemassa. Kaikille termeille ei ole vielä olemassa lähivastinetta, ja näissä tapauksissa sanastoon on lisätty termiehdotus. Tässä tutkielmassa on tutkittu vain metsästysalan toimijoiden käsitteitä. Nämä ovat vain pieni osa koko metsästysalan erikoiskielen sanastosta. Esimerkiksi erilaisiin pyyntimenetelmiin ja lupiin liittyvien käsitteiden analyysi on jäänyt tutkimuksen ulkopuolelle. Sanastoon on lisätty analysoituja käsitteitä vastaavat suomenruotsalaiset termit, mutta Ruotsissa käytettyjä metsästysalan toimijoihin viittaavia termejä ja käsitteitä ei ole tutkittu. Vastaavasti saksankielisten termien ja käsitteiden mahdollista alueellista vaihtelua ei ole otettu huomioon, vaan analyysi keskittyy ainoastaan Saksan metsästysalan toimijoihin viittaavien käsitteiden välisiin suhteisiin.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.050 | 0.002 |
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 it