Monimuotoinen lienee. Lienee-muodon käyttö ja merkitykset nykysuomessa
Bibliographic record
Abstract
Suomen yleiskielessä sana lienee tunnetaan olla-verbin potentiaalimuotona. Kielenkäytössä lienee-muoto elää kuitenkin omaa elämäänsä ja on saanut myös olla-verbin paradigmasta irrallisia käyttötapoja. Muotoa käytetään niin modaalisena partikkelina kuin itsenäisenä verbinäkin. Lienee-muodon erityispiirteet tekevät siitä kiinnostavan tutkimuskohteen. Tässä tutkimuksessa kartoitetaan lienee-muodon nykysuomessa saamia käyttötapoja ja merkityksiä sanomalehtiaineiston ja verkkokeskusteluaineiston avulla. Tutkimuksessa selvitetään, millaisissa rakenteissa lienee-muoto esiintyy ja millaisia tehtäviä ja merkityksiä se kielenkäytössä saa sekä tarkastellaan, millaisia eroja muodon käytössä ilmenee sanomalehtiaineiston ja verkkokeskusteluaineiston välillä. Sanomalehtiaineistona toimii HS2000-korpus, joka sisältää Helsingin Sanomien vuosikerrat 2000 ja 2001. Verkkokeskusteluaineisto taas koostuu Suomi24-sivuston keskustelupalstalta kerätystä aineistosta. Molemmat aineistot sisältävät yli 2000 lienee-muotoa kontekstissaan. Pääasiassa yleiskielisen sanomalehtiaineiston ja epämuodollisen kielenkäytön sallivan verkkokeskusteluaineiston käyttäminen auttaa muodostamaan monipuolisen kuvan lienee-muodon käytöstä ja mahdollistaa myös epätavallisempien käyttötapojen havaitsemisen. Tutkimuksessa kiinnitetään erityistä huomiota lienee tekevän/tehneen -muotoiseen rakenteeseen. Rakenteen oletetaan olevan suhteellisen uusi ilmiö suomen kielessä, mikä viittaisi lienee-muodon käyttöalan laajenemiseen. Rakenteen esiintymiä on joitakin sekä sanomalehtiaineistossa että verkkokeskusteluaineistossa, mutta tarkemman kuvan saamiseksi sitä tarkastellaan erillisen, noin 550 esiintymää sisältävän internetistä poimitun aineiston avulla. Rakenteen käyttöä vertaillaan lienee-muodon ja yleensä potentiaalin käyttöön. Lisäksi pohditaan rakenteen mahdollista syntytaustaa. Analyysissa käy odotuksenmukaisesti ilmi, että verkkokeskusteluissa lienee-muodon käyttö on huomattavasti monipuolisempaa ja merkitysten kirjo laajempi kuin sanomalehtikielessä. Lienee tekevän/tehneen -rakenteen käyttö taas näyttäisi olevan lähellä yleiskielen potentiaalikäyttöä. Lienee-muodon moninaisuus korostuu erityisesti kysymyslauseissa, joissa se muodostaa usein kiteytyneen kokonaisuuden kysymyssanan kanssa. Tutkimus antaa viitteitä siitä, että lienee-muoto on keskellä kielenmuutosprosessia.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.061 | 0.014 |
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".