Deutsche, englische und finnische Wortschatzerweiterungsstrategien am Beispiel von Anzeigen für Produkte der Schönheitspflege
Bibliographic record
Abstract
Kielet muuttuvat jatkuvasti: uusia sanoja otetaan käyttöön, ja käyttämättömät sanat poistuvat kielestä. Tämän pro gradu -tutkielman tavoitteena on tutkia erikseen saksan, suomen ja englannin kielten sanastonlaajenemisen strategioita sekä niiden tuotteita, ja verrata tutkittavien kielten tuloksia toisiinsa. Sanaston laajenemistuotteiden morfologiset ja semanttiset ominaisuudet analysoidaan. Tutkimuksen aineistona käytetään yhteensä 90 erilaista Cosmopolitan-lehden Saksan, Suomen ja Ison-Britannian painoksissa julkaistua kosmetiikkamainosta. \n\nSanaston laajenemisen strategioita ja tuotteita tarkastellaan laadullisesta, vertailevasta sekä määrällisestä näkökulmasta. Eri strategiat havainnollistetaan sanaston laajenemistuotteiden esimerkkien avulla. Teoriaosuudessa esitellään mainoskielen ominaisuudet ja tekstielementit, joista mainokset yleensä koostuvat. Lisäksi teoriaosuudessa määritellään uudissanojen erilaiset ilmenemismuodot sekä sanastonlaajenemisen strategiat, joita ovat sananmuodostus, sanojen lainaaminen, sanan merkityksen muuttuminen ja sepittäminen eli täysin uuden sanan luominen.\n\nTutkimustulokset osoittivat sekä saksan-, suomen- että englanninkielisessä materiaalissa uudissanojen olevan useimmiten yhdyssanoja tai johdoksia, eli sananmuodostuksen seurausta. Saksan- ja suomenkielisessä materiaalissa toiseksi yleistä oli uudissanojen lainaaminen muista kielistä, joita taas englanninkielisessä materiaalissa ei esiintynyt lainkaan. Sanojen merkityksen muuttumisen tai sepittämisen kautta tulleita uudissanoja ei saksan- ja suomenkielisessä materiaalissa esiintynyt, mutta englanninkielisessä materiaalissa niitä oli puolestaan kaksi kappaletta. Suurin osa tutkimusaineistossa esiintyvistä uudissanoista oli erikoisalaviestinnässä käytettyjä tilapäismuodosteita eli okkasionalismeja. Saksan ja suomen kielissä näytti tutkimuksen perusteella olevan enemmän yhtäläisyyksiä kuin saksan ja englannin tai suomen ja englannin kielissä.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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; both teacher heads agree on what is shown here.
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".