Virolaisten suomen kielen oppijoiden myönteisen imperfektin muodostus ja -si-tunnuksen käyttö
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Pro gradu -tutkielmassani tarkastelen sitä, miten virolaiset, jotka opiskelevat suomea vieraana kielenä, muodostavat suomen kielen aktiivin myönteisen imperfektin. Tutkimukseni pääpaino on imperfektin -si-tunnuksen käytössä. -si-tunnusta käytetään viron kielessä hyvinkin laajasti imperfektissä, joten tutkimukseni tavoitteena on selvittää, lainautuuko tämä -si-tunnus viron kielestä sellaisiin suomenkielisiin verbeihin, joiden imperfektimuodoissa tätä tunnusta ei yleiskielessä tavata sekä millaisten suomenkielisten verbien ja verbityyppien kohdalla -si-tunnusta käytetään. \n\nAineisto perustuu 57 informantin täyttämään kyselylomakkeeseen. Tämä kyselylomake koostuu neljästä erilaisesta tehtävästä, joista yksi on kirjoitustehtävä ja kolme on mekaanisia taivutustehtäviä. Ensimmäisessä taivutustehtävässä pyydetään muodostamaan verbin imperfektimuoto annetun A-infinitiivin pohjalta. Kahdessa jälkimmäisessä taivutustehtävässä annetut verbit ovat preesensissä, joista pyydetään vastaavaa imperfektimuotoa. Informanttien suomen kielen taito on Eurooppalaisen viitekehyksen mukaan tasolla A2 ja he kaikki opiskelivat aineiston keruun aikana Tarton yliopistossa suomen kieltä. \n\nVaikka viron kielessä -si-tunnusta käytetään hyvin laajasti, se ei tästä huolimatta määrällisesti dominoi suomen kielen imperfektitunnuksissa. -si-tunnusta käytetään yleensä silloin, kun suomenkielisellä verbillä on viron kielessä läheinen, -si-tunnuksen imperfektissä saava vastine. Mikäli vironkielisessä verbissä ei -si-tunnusta esiinny, sitä ei myöskään käytetä suomenkielisissä vastineissa. -si-tunnusta esiintyy kuitenkin myös sellaisissa suomen kielen verbeissä, joilla ei ole läheistä vastinetta virossa. Näiden lisäksi -si-tunnuksen käyttöön vaikuttaa verbin frekvenssi.
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.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 it