Karamzininrannasta Aulis Rytkösen kadulle : Tutkimus 2000-luvun muistonimeämisestä
Bibliographic record
Abstract
Tutkielmani aiheena on 2000-luvun muistonimeäminen. Ensisijaisena tavoitteenani on tarkastella, kenen ja minkä mukaan muistonimiä on 2000-luvun alussa annettu. Koska aiempaa muistonimiaiheista tutkimusta on varsin vähän, taustoitan tutkimusaiheeni muodostamalla ensin kokonaiskuvan muistonimeämisestä ilmiönä: määrittelen termin muistonimi aiempaa tarkemmin, tarkastelen muistonimien muotoa ja rakennetta sekä käyn läpi ilmiön historiaa ja siihen liittyviä suosituksia sekä niiden toteutumista. Yhtenä keskeisenä tutkimusteemana tutkin muistonimien symbolista ja poliittista merkitystä osana julkisen kaupunkitilan vallankäyttöä. Tutkimukseni asettuu osaksi nuorehkoa kaupunkinimistön tutkimuksen perinnettä sekä monitieteistä kaupunkitutkimuksen kenttää. Sovellan perinteistä paikannimien syntaktis-semanttista luokittelumallia nimenosien sanasemanttisessa jaottelussa, mutta muuten tutkimukseni on ennen kaikkea aineisto-, eikä metodilähtöistä. Luonteeltaan tutkimukseni on enimmäkseen kuvailevaa ja kvantitatiivista. Tutkimusaineistoni koostuu kahdeksassa kohdekaupungissa (Espoo, Helsinki, Hämeenlinna, Kuopio, Lahti, Oulu, Turku ja Vantaa) tarkasteluajanjaksona käyttöön otetuista muistonimistä. Nimiä on yhteensä 398. Nimen lisäksi olen selvittänyt mahdollisuuksien mukaan sen suunnittelu- ja käyttöönottoajankohdat ja nimensaajiin liittyviä tietoja. Vertailuaineistona käytän kahden kaupungin kaikkien tarkasteluajanjaksona suunniteltujen nimien listaa. 86 % aineiston nimistä on annettu henkilön tai henkilöiden muistoksi. Yksittäisten henkilöiden mukaan nimetyistä paikoista 23 % on nimetty naisen ja 77 % miehen mukaan. Tyypillinen nimensaaja on elänyt 1900-luvulla, toiminut kulttuurin ja taiteen parissa sekä asunut Suomessa, eikä hän ole edustanut näkyvästi mitään poliittista tai uskonnollista ryhmää. 8 % nimistä viittaa yrityksiin, ja muissa aineiston nimissä muistetaan esimerkiksi maantieteellisiä kohteita, eläimiä, tapahtumia ja kulkuneuvoja. Muistonimien tarkoitteiden paikanlajijakauma on samankaltainen kuin muidenkin kaavanimien, mutta etenkin aukioita on enemmän. Aineiston nimet ovat varsin pitkiä, keskimäärin 15,6-merkkisiä, ja sisältävät paljon vierasperäistä ainesta. 97 % nimistä sisältää genetiivimuotoisen määriteosan. Henkilöihin viittaavista nimistä 37 %:ssa henkilöön viitataan koko nimellä, 28 %:ssa sukunimellä ja 22 %:ssa etunimellä. Muistonimille asetetut suositukset ja odotukset toteutuvat aineistossa kohtuullisesti. Suosituksen mukaan muistonimi voidaan antaa aikaisintaan 5 vuotta henkilön kuoleman jälkeen, mutta 6 % aineiston nimensaajista on saanut nimen tätä ennen. Myös toimivien yritysten mukaan nimeämistä tulisi välttää, mutta kolmasosa muistetuista yrityksistä on nimenantohetkellä ollut toiminnassa. Kaikilla nimensaajilla ei ole suositusten mukaista yhteyttä nimettyyn paikkaan, ja muistonimiä on koottu suositusten vastaisesti ryhmänimistöiksi. Oikeinkirjoitusvirheitä on yksittäisissä nimissä. Vaikka pyrkimystä lisätä naisten osuutta muistonimien saajista on osoitettu, tulos on melko heikko. Aineisto heijastelee muutenkin melko konservatiivista arvomaailmaa. Toisaalta vaikka tasa-arvokehitys on jäljessä, voidaan aineistosta lukea ajallemme tyypillisesti markkinataloudelle ja individualistiselle kulttuurille kumartavia seikkoja. Nähdäkseni muistonimistö ei heijastelekaan juuri tämän hetken keskustelluimpia arvokysymyksiä, vaan jo normeiksi muuttuneita arvoja useiden vuosikymmenten viiveellä. Tutkimukseni tarkentaa käsitystä muistonimistä usealla eri tasolla. Tuloksia voidaan hyödyntää tarkasteltaessa sekä onomastisia että kaupunkitutkimuksen kysymyksiä, mutta ennen kaikkea tutkimukseen voidaan tukeutua käytännön nimistönsuunnittelutyössä. Tutkimukseni on osoittanut sekä nimensaajien valinnassa että nimenmuodostustavoissa myös kunnittaisia eroja, mikä antaa suunnittelijoille mahdollisuuden tarkastella erilaisia toimintatapoja.
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 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.033 | 0.008 |
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".