RUS KİŞİADBİLİMİNDE YENİ BİR ADLANDIRMA SİSTEMİ: SOVYET EKOLÜ
Bibliographic record
Abstract
Kişi adları, halkların geleneklerini, millî-kültürel değerlerini yansıtan, kadim dönemde ortaya çıkmış önemli kültürel kodlardır. Bunlar, bir milletin yaşam biçiminden ipuçları vererek, o toplumun dinî ve siyasî görüşü hakkında fikir edinmemizi sağlar. Her milletin kendine özgü ad verme geleneği vardır. Bu geleneğin Ruslarda, Türk geleneklerine nispeten farklı düzlemlerde geliştiği gözlenir. Münferit istisnalar dışında, tüm resmî Rus kişi adları kilise Slavcası kaynaklı, dolayısıyla Bizans-Yunan kökenlidir. XIX. yüzyılın sonlarına kadar yeni doğan çocuklara verilecek isimler, Ortodoks kilisesi kanonları çerçevesinde belirlenmiştir. 1905 yılında kilise bu ayrıcalığını yitirmeye başlar. Ekim Devrimi’yle (1917) birlikte çocuğa ad verme konusundaki kısıtlama kaldırılır. Ülkede sosyalist rejim hayata geçirildikten sonra yeni Sovyet insanının taşıyacağı adların da tamamen yeni ve devlet ideolojisine uygun olması istenerek, bu doğrultuda girişimlerde bulunulur. İhtilali müteakip, özellikle 1920’li ve 30’lu yıllar, Rusça söz varlığına devrimi yansıtan çok sayıda yeni türetilmiş ve/veya yabancı dillerden ödünçlenen şahıs adlarının girdiği yeni bir dönemdir. Bu çalışmada Sovyetlere özgü bu yeni kişi adlarının tarihsel, tematik, semantik ve morfolojik açıdan incelenmesi amaçlanmıştır.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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 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".