”Lähetäänkö sinne korille runaa vai täytyykö hakee seiftiä” : anglicisms in Finnish disc golf commentary
Bibliographic record
Abstract
Frisbeegolf on viime vuosina kasvanut Suomessa varteenotettavaksi urheilulajiksi. Laji on kehitetty Yhdysvalloissa, josta on lajin ohella saapunut siihen liittyvää termistöä lainasanoina suomen kieleen. Englanninkielistä alkuperää olevaa lainasanastoa kutsutaan yleisnimityksellä ”anglismit”. Anglismeja on muiden urheilulajien sekä kielten osalta tutkittu laajalti, mutta suomen kielen frisbeegolfsanastoa ei ole tähän mennessä tarkasteltu. Tämän kandidaatintutkielman tavoitteena on täyttää tätä tutkimusaukkoa selvittämällä minkälaisia anglismeja suomen kielen frisbeegolfsanastossa esiintyy ja kuinka niitä on omaksuttu kieleen. Tutkimusaineistona käytetään kahden frisbeegolfaiheisen YouTube-videon selostuksissa esiintyviä anglismeja. Sanastoa tutkitaan laadullisen sisällönanalyysin keinoin Paula Sajavaaran luokittelukehystä hyödyntäen. Analyysi kohdistuu yksittäisten anglismien lainaamisprosesseihin. Jatkotutkimusmahdollisuuksia ovat näin ollen esimerkiksi anglismien käyttötapojen pragmaattinen analysointi tai käyttötapojen laajempi sosiolingvistinen tarkastelu. Tutkimuksessa selvisi, että frisbeegolfanglismeista suurin osa on suoraan lainattuja. Lainojen kääntämiseen on kuitenkin taipumusta silloin, kun sana on helposti käännettävissä. Lisäksi frisbeegolfsanaston lainaaminen aiheuttaa semanttista laajenemista, jossa suomen kielen alkuperäissanasto saa lisämerkityksiä lainaamisen vaikutuksesta.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.033 | 0.019 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.010 | 0.011 |
| Insufficient payload (model declined to judge) | 0.009 | 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".