MétaCan
Menu
Back to cohort
Record W7072116889

Verstehensprobleme von EU-terminologie bei Landwirten.

2013· other· fi· W7072116889 on OpenAlexaboutno aff

Bibliographic record

VenueTampere University Institutional Repository (Tampere University) · 2013
Typeother
Languagefi
FieldBiochemistry, Genetics and Molecular Biology
TopicCell Image Analysis Techniques
Canadian institutionsnot available
Fundersnot available
KeywordsValue (mathematics)Quarter (Canadian coin)Population
DOInot available

Abstract

fetched live from OpenAlex

Tutkielman aihe liittyy Euroopan unionin kielellisen yhdentymisprosessin problematiikkaan. Tutkielmassa luodaan aluksi yleiskatsaus, minkälaisia kieleen liittyviä seikkoja monikielisessä yhteisössä on huomioitava kommunikaation onnistumiseksi niin unionin, yksittäisen jäsenmaan kuin viime kädessä yksittäisen unionin kansalaisenkin kannalta. \n\nKeskeisenä tutkimusongelmana on selvittää, onko unioniin vuonna 1995 liittyneiden Itävallan ja Suomen viljelijöillä neljännen jäsenyysvuoden jälkeen ymmärtämisvaikeuksia yleisesti integraatioon ja erityisesti yhteisön yhteiseen maatalouteen liittyvässä kielenkäytössä. Tutkimusongelmaan liittyy oletus, että itävaltalaisilla viljelijöillä on suomalaisiin kollegoihinsa verrattuna kielellinen etumatka Eu-asioiden omaksumisessa saksan kielen ansiosta. Teoreettisena viitekehyksenä on käsitys, että Euroopan unioni on monimutkainen asiakokonaisuus, oma erikoisalansa, jonka tuottamalle erikoiskielelle on ominaista suuri määrä erikoissanoja, EU-termejä. Yksittäiset eurokieliset erikoissanat toimivat avainsanoina tiedon välityksessä. Näin ollen EU-termejä sisältävä kommunikaatio edellyttää kielenpuhujalta tiettyä asiantuntijuuden tasoa.\n\nItävallan ja Suomen kielellisten lähtökohtien selvittämiseksi unionijäsenyyteen tarkastellaan saksan ja suomen kieliä EU-termistöä vastaanottavina kielinä. EU-termistö on Saksan saksan kieleen sisäänrakentunut integraatiokehityksen kielen ulkoisten ilmenemismuotojen myötä, mitä seikkaa tutkimuksessa selvitetään joidenkin esimerkkien avulla. Itävalta sen sijaan nosti jäsenyysneuvottelujen ehdoksi kielikysymyksen, joka koskee jo virallisen kielen asemassa olevan saksan kielen itävaltalaista variaatiota. EU:n virallisissa yhteyksissä sitouduttiin käyttämään Saksan saksankielisten varianttien rinnalla vastaavia itävaltalaisia variantteja. Rinnakkaisten ilmaisumuotojen lukumäärä on yhteisesti käytössä olevasta yhteissaksalaisesta sanavarastosta pieni, mutta sitäkään ei tutkimuksessa sivuuteta, jos se itävaltalaisen kielenpuhujan kannalta helpottaa kommunikointia Eu-tasolla. Suomen kielelle puolestaan neuvoteltiin unionin virallisen kielen status. Kieleen oli ennen jäsenyyden voimaantuloa luotava siitä siihen mennessä puuttuva EU-termistö. EU-sanastoa tarkastellaan suomen kielessä vieraana kieliaineksena sillä perusteella, että EU-käytänteet tulevat vieraasta hallintokulttuurista ja ne puuttuivat suomalaisen kielenpuhujan siihenastisesta kokemusmaailmasta.\n\nTutkimuksessa selvitetään, onko kyseisillä kielillä onnistuttu ilmaisemaan EU-tarkoitteita kielenpuhujan kannalta ymmärrettävällä tavalla. Itävaltalaisten viljelijöiden suhteen asiaa tutkitaan Itävallan EU-asioista vastaavien maataloustahojen lausuntojen perusteella, lisäksi käytetään itävaltalaisia Eu-kieltä käsitteleviä lehtiartikkeleita ja ammattilehtien kannanottoja. Suomalaisten viljelijöiden EU-kielen kompetenssia tutkitaan sananselitystestillä. Kummassakaan tarkastelussa tutkimusaineistot eivät ole tarpeeksi laajoja tuloksen yleistämiseksi, mutta vertailussa syntyi suuntaa-antavaa tietoa.\n\nSaksan kieli sinänsä ei osoittautunut avaintekijäksi. EU-termien ymmärtämisprosessissa, minkä itävaltalainen viljelijä joutuu kohtaamaan toimiessaan yhteisen maatalouspolitiikan ehdoilla. Viralliseen kielenkäyttöön EU-tasolla on pikemminkin tullut keskiverto kielenpuhujalle vieraantuntuisia ilmaisuja, joiden haltuunotto edellyttää monipuolista kielten hallintaa. Maan sisäinen kielipolitiikka näyttäisi olevan tässä suhteessa ’selkeytymätön’. Tutkimukseen osallistuneista suomalaisista viljelijöistä puolet selvittivät testatut EU-termit hyvin. Viljelijät ovat molemmissa maissa riippuvaisia ulkopuolisesta neuvonnasta EU-termien käyttämisessä, mikä osoittaa, että kielellisiin ongelmakohtiin jäsenmaissa on kiinnitettävä edelleen huomiota.

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 imitation

Not 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.

metaresearch head score (Codex)0.017
metaresearch head score (Gemma)0.035
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.024
Threshold uncertainty score0.089

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0170.035
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.006
Science and technology studies0.0080.008
Scholarly communication0.0160.018
Open science0.0020.014
Research integrity0.0060.005
Insufficient payload (model declined to judge)0.0240.005

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.

Opus teacher head0.009
GPT teacher head0.191
Teacher spread0.183 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2013
Admission routes1
Has abstractyes

Explore more

Same venueTampere University Institutional Repository (Tampere University)Same topicCell Image Analysis TechniquesFrench-language works237,207