Vierassanat Ylen selkokielisissä uutisissa
Bibliographic record
Abstract
Tutkielmassani tarkastelen vierassanoja Ylen selkokielisissä uutisissa. Tutkielman tavoitteena on selvittää vierassanojen ominaisuuksia, käyttöä ja määrää Ylen selkokielisessä uutisoinnissa. Tutkielman aineistoksi on kerätty viidenkymmenen päivän selkouutiset Ylen verkkosivuilta, ja jokaisesta uutiskokonaisuudesta on poimittu vierassanan sisältävät virkkeet. Kaikki käsiteltävät vierassanat ovat erikoislainoja ja nomineja, ja niistä tarkastellaan äännerakennetta, sijamuotoja sekä esiintymien määrää. Tutkimus kuuluu tekstintutkimuksen alaan, ja tutkimusta tehdään lingvistisen tekstianalyysin keinoin. Aineistoa tarkastellaan sekä kvalitatiivisesti että kvantitatiivisesti. Yhtenä tutkielman keskeisimmistä lähteistä toimii Leealaura Leskelän teos Selkokieli: Saavutettavan kielen opas (2019). Toinen merkittävä lähdeteos on Leealaura Leskelän ja Auli Kulkki-Niemisen teos Selkokirjoittajan tekstilajit (2015). Vierassanojen äännerakenteen analyysi puolestaan perustuu Fred Karlssonin teokseen Suomen kielen äänne- ja muotorakenne (1983) sekä Kaisa Häkkisen teokseen Mistä sanat tulevat (2006). Analyysin tuloksia suhteutetaan paikoittain Selkokeskuksen kehittämään selkokielen mittariin (2022) ja sen sisältämiin selkokielen kriteereihin. Tutkimuksen tulokset osoittavat, että aineiston vierassanat sopivat äännerakenteeltaan suurimmilta osin suomen kielen fonotaktiseen järjestelmään, vaikka poikkeuksiakin löytyy. Kaikki aineiston vierassanojen esiintymät ovat selkolukijoille helpoissa sijamuodoissa. Yli puolet tarkastelluista tekstikokonaisuuksista sisältää vähintään yhden vierassanan, ja aineistossa esiintyy keskimäärin 1,32 vierassanaa 267 sanaa kohden. Vierassanojen määrän runsautta tai vähäisyyttä on kuitenkin vaikea arvioida vertaamatta tulosta toiseen aineistoon tai tutkimukseen, joten jatkotutkimuksissa voisikin esimerkiksi verrata Ylen selkokielisissä uutisissa esiintyvien vierassanojen määrää jonkin toisen selkokielisen median uutisten vierassanojen määrään.
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 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.127 | 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; both teacher heads agree on what is shown here.
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".