Turjakkeesta turhakkeeseen : kirjakielen -ke-johdosten semanttinen kehitys
Bibliographic record
Abstract
Tutkin tässä pro gradu -tutkielmassani suomen kielen -ke-johdosten semanttista kehitystä kirjakielessä. Tarkastelen -ke-johdoksia diakronisesti koko kirjoitetun suomen historian ajalta eli 1500-luvulta nykyaikaan asti. Tutkin sekä -ke-johdosten määrää eri aikakausina että sitä, millaisiin semanttisiin ryhmiin johdokset jakautuvat. Tutkielmani liittyy sanaston, sananmuodostuksen ja leksikaalisen morfologian tutkimusalaan. \n \nOlen koostanut tutkimusaineistoni monipuolisesta lähdeaineistosta siten, että mukana on sekä sanakirjoja että muita tekstejä kuten sanomalehtiaineistoa. Olen jakanut tutkimusaineistoni esiintymäajankohdan mukaan seuraaviin osa-aineistoihin: 1) 1500–1600-luku, 2) 1700-luku, 3) 1800-luku ja 4) 1900–2000-luku. Käsittelen tutkielmassani johtamista sananmuodostuskeinona ja -ke-johdoksia johdostyyppinä. Taustoitan myös lyhyesti kirjasuomen kehitysvaiheita. \n \nTutkimukseni osoittaa, että -ke-johdokset kuuluvat niiden johdostyyppien joukkoon, jotka ovat olleet erityisen suosittuja sanaston tietoisessa kehittämisessä 1800-luvulta lähtien. 1800-luvulla, kun suomen kielestä tehtiin sivistyskieltä, tarvittiin runsaasti uutta sanastoa monien erikoisalojen tarpeisiin. -ke-johdosten määrä kirjakielessä on kasvanut 1700-luvulta alkaen. 1500–1600-lukujen osa-aineisto koostuu kattavista lähteistä huolimatta vain yhdestä -ke-johdoksesta, joka on ohdake. 1700-luvun osa-aineistossa -ke-johdoksia on jo 26, ja ne jakautuvat erilaisiin merkitysryhmiin. 1800-luvun osa-aineistossa -ke-johdosten määrä on 136 eli moninkertainen 1700-lukuun verrattuna. \n \n-ke-johdoksia esiintyy 1800-luvun osa-aineistossa usealla eri erikoisalalla, esimerkiksi kasvitieteessä, maantieteessä ja lääketieteessä. -ke-johtimella muodostetut tieteelliset termit kuvaavat usein jotakin pientä rakenneosaa. -ke-johtimen avulla on muodostettu myös uusia arkisessa elämässä tarvittavia sanoja. 1900–2000-luvuilla -ke-johdosten määrä on edelleen kasvanut, ja tähän osa-aineistoon kuuluu 222 johdosta. Uusia -ke-johdoksia on tullut kieleen vielä aivan viime aikoinakin.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.036 | 0.009 |
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".