Maahanmuuttoon liittyvien kantojen oikeuttaminen Helsingin Sanomien yleisönosastoteksteissä
Bibliographic record
Abstract
Pro gradu -työssäni tutkin sitä, miten maahanmuuttoa oikeutetaan Helsingin Sanomien yleisönosastoteksteissä. Tutkimuskysymykseni ovat: 1.Miten maahanmuuttoa oikeutetaan tai epäoikeutetaan? ja 2. Eroavatko eri tavoin maahanmuuttajiin suhtautuvien kirjoittajien tavat oikeuttaa kantansa toisistaan? Käytän tutkimuksessa van Leeuwenin kehittämää oikeuttamisen teoriaa, jonka avulla voi lingvistisesti analysoida erilaisia oikeutuksia. Hän jakaa oikeuttamiseen neljään pääkategoriaan, jotka ovat 1. auktorisointi, 2. moraaliin vetoaminen, 3. järkeistäminen ja 4. tarinaistamisen. Teoria on luotu oikeuttamisen tutkimiseen englannin kielestä, ja tässä tutkimuksessa sitä sovelletaan tiettävästi ensimmäistä kertaa suomen kielellä tehtävään tutkimukseen. Oikeuttamisen teorian lisäksi lainaan tutkimukseen myös Perelmanin käsitteen yleisöstä ja esisopimuksista analyysini tueksi. Tutkimuksen aineisto on kerätty Helsingin sanomien internet-sivuilta digihaun avulla, ja se koostuu 24 mielipidetekstistä, jotka on julkaistu vuoden 2010 aikana. Tekstit jakautuvat kolmeen ryhmään kannanottojensa perusteella. Nämä ryhmät ovat: ei maahanmuutolle, kyllä maahanmuutolle ja ei humanitaariselle, kyllä työperäiselle maahanmuutolle. Analysoin aineistoa siitä näkokulmasta, onko maahanmuuttoon liittyvä kannanotto puolesta vai vastaan ja erittelen myös tuloksia tästä kahtijaosta käsin. Tuloksista selvisi, että erilaisia oikeutuskategorioita oli käytetty yleisönosastoteksteissa hyvin monipuolisesti, joskin tarinaistamista oli käytetty melko niukasti. Suurin ero eri kannanottojen välillä oli se, että auktorisointia oli käytetty oikeuttamiseen monipuolisemmin maahanmuuttomyönteisissä kuin -kielteisissä teksteissä. Eniten tekstien kannanottojen oikeutuksissa oli vedottu järkeen ja moraaliin. Järkeen vetoavissa oikeutuksissa painotettiin maahanmuuttomyönteisissä teksteissä paljon taloudellista hyötyä, jota maahanmuuttajat voivat Suomelle tuottaa. Maahanmuuttokielteisissä teksteissä sen sijaan viitattiin mahdollisiin haittoihin, joita maahanmuutto voi Suomelle aiheuttaa esimerkiksi ympäristön ja talouden kannalta. Maahanmuuttomyönteisissä teksteissä moraaliin vetoaminen näkyi esimerkiksi viittauksina humaaneiksi koettuihin arvoihin, kun taas maahanmuuttokielteisissä teksteissä moraaliin vedottiin usein silloin, kun haluttiin puolustaa omaa näkemystä.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.080 | 0.027 |
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".