MétaCan
Menu
← Back to cohort
Record W7056681259

Fenja - varkaiden kieli : käsitetutkimus Venäjän järjestäytyneestä rikollisuudesta

2020· other· fi· W7056681259 on OpenAlexaboutno aff

Bibliographic record

VenueTheseus (Ammattikorkeakoulujen) · 2020
Typeother
Languagefi
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsQuarter (Canadian coin)
DOInot available

Abstract

fetched live from OpenAlex

Venäjän järjestäytyneellä rikollisuudella on pitkä, monipuolinen ja vaiherikas historia. Neuvostoliiton hajoamisen jälkeen se on laajentunut vaikuttamaan ympäri maailmaa. Se ei ole syrjäyttänyt länsimaissa toimivia rikollisjärjestöjä, eikä tehnyt kaupungeista sotatantereita, kuten 1990-luvulla lännessä pelättiin. Sen sijaan siitä on tullut kumppani, assistentti ja hankkija eurooppalaisille rikollisryhmille ja monikansallisille rikollisverkostoille. Sen torjuminen on erittäin vaikeaa ja vaatii monikansallista viranomaisyhteistyötä. \n \nVenäjän järjestäytyneelle rikollisuudelle on ominaista sen oma kieli fenja. Varkaiden kielen tarkoituksena oli alun perin erottaa rikolliset muusta yhteiskunnasta, etteivät viranomaiset pystyisi tulkitsemaan heitä. Fenja on kehittynyt vuosisatojen saatossa, mutta varsinainen sulatusuuni kielen levittäytymiselle koko Neuvostoliittoon oli Stalinin aikana toiminut Gulag-vankileirihallinto. \n \nNykyään fenjan kieltä käytetään osin edelleen rikollisuudessa, mutta siitä on tullut myös osa virallista yhteiskuntaa, kun poliittiset päättäjät, media ja nuoriso ottavat fenjasta vaikutteita puhekieleen. Vaikka fenjan kielessä on rahalle, rikoksille ja rikollisille kymmeniä synonyymejä, se ei sisällä pelkästään rikollisuuteen tai kirosanoihin liittyviä sanoja ja sanontoja. Fenjan kielessä on tuhansia tarkoitteita aivan tavallisille ja arkisille asioille, jotka ovat erilaisia venäjän kieleen verrattuna. Ivan Borisovitch Homenko on laatinut noin 60000 fenjan kielen sanaa tai ilmausta käsittävän venäjän kielen sanakirjan. \n \nTutkimuksessa olen analysoinut keskeisiä Venäjän järjestäytyneen rikollisuuden käsitteitä fenjan kielestä, joille löytyy pääosin vastineet myös länsimaisen rikollisuuden slangista. Käsitetutkimuksen avulla olen analysoinut käsitteitä ja yrittänyt selvittää, löytyykö Suomen järjestäytyneen rikollisuuden käyttämistä käsitteistä viitteitä venäjän kielestä tai fenjasta. \n \nTässä tutkimuksessa esille tulleiden seikkojen mukaan Suomen järjestäytyneen rikollisuuden puhekielessä ei ole viitteitä fenjan kielestä. Aktiivisin aika suomen ja venäjän kielten keskinäiselle sekoittumiselle oli 1800-1900 vuosisadan vaihde, myös rikollisuudessa. Tutkimuksessa yritin selvittää, mitkä ovat keskeiset syyt sille, että fenjan kielen vaikutteita ei ole nykyajan Suomen rikollisuuden käyttämässä puhekielessä.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.052
Threshold uncertainty score0.144

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0090.003
Scholarly communication0.0080.004
Open science0.0010.004
Research integrity0.0020.004
Insufficient payload (model declined to judge)0.0430.010

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.

Opus teacher head0.020
GPT teacher head0.266
Teacher spread0.245 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueTheseus (Ammattikorkeakoulujen)→Same topicMagnetic confinement fusion research→French-language works237,207→