Bibliographic record
Abstract
Tutkimusaineistoni koostuu kuudesta kielitiedettä käsittelevästä artikkelista. Artikkeleista kolme on popularisoituja ja ne on julkaistu ruotsalaisessa Språktidningen-lehdessä. Tieteelliset artikkelit puolestaan on poimittu kolmesta tieteellisestä julkaisusta. Tutkimukseni tavoitteena on tarkastella artikkelien leksikaalis-kieliopillista rakennetta vertailevasta näkökulmasta. Tutkimukseni ensimmäisessä osassa olen tarkastellut artikkeleita syntaktisella tasolla kvantitatiivista eli määrällistä tutkimusotetta hyödyntäen. Tekstin luettavuutta olen mitannut kahden eri luettavuusindeksin avulla. Tutkimuksen teoreettisena viitekehyksenä on ollut ruotsalaisen C. H. Björnssonin (1968) kehittämä lix-arvo sekä Birgit Vallhovin (1971) LOM-arvo. Lausetasolla tutkimuksen kohteena ovat olleet artikkeleiden keskimääräinen virkepituus sekä virkerakenne. Tutkimustulosteni perusteella tieteellisten artikkeleiden virkkeiden keskimääräinen pituus on hieman pidempi kuin popularisoitujen artikkeleiden. Popularisoidussa materiaalissa virkerakenne on hieman yksinkertaisempi kuin tieteellisissä artikkeleissa, mutta ero näiden kahden tyylilajin välillä ei ole kovin suuri. Yksittäisiä artikkeleita tarkasteltaessa virkerakenteen erot tulevat selvemmin esille. Tutkimukseni toisessa osassa olen analysoinut artikkeleita leksikaalisella tasolla kvalitatiivista tutkimusotetta käyttäen. Teoreettisena viitekehyksenä on toiminut Hellspongin ja Ledinin (1997) kehittämä luokittelu, jota hyödyntäen olen tarkastellut tekstin abstraktiutta, yksityiskohtaisuutta sekä tiiviyttä. Tutkimukseni osoittaa, että pitkien sanojen prosentuaalinen osuus kaikista sanoista on suurempi tieteellisissä artikkeleissa kuin popularisoiduissa artikkeleissa. Termit puolestaan ovat tavallisia sekä tieteellisessä että popularisoidussa kielitiedettä käsittelevässä materiaalissa. Tieteellisten artikkeleiden kieli on abstraktimpaa kuin popularisoitujen artikkeleiden. Tunnusomaista abstraktille tekstille ovat muun muassa verbaali- ja adjektiivisubstantiivien käyttö sekä verbien passiivimuodot. Tutkimustulosteni perusteella tieteellisissä artikkeleissa kerrotaan tutkimustuloksista yksityiskohtaisesti. Kielitiedettä popularisoidaan kuten muitakin tieteenaloja. Kielitieteessä tutkimusmateriaalina on kieli, jolloin sekä tutkimusmateriaali että se, millä sitä analysoidaan kuuluvat samaan kokonaisuuteen.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.105 | 0.031 |
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".