Monikielisen kirjaston kokoelmien arviointi vieraskielisen väestön näkökulmasta
Bibliographic record
Abstract
Tämän opinnäytetyön aihe oli Monikielisen kirjaston kokoelmien tutkiminen ja arvioiminen Suomen vieraskielisen väestön näkökulmasta. Opinnäytetyön toimeksiantaja oli Monikielinen kirjasto. Tavoitteena oli selvittää, miten hyvin heidän kokoelmansa palvelevat vieraskielistä väestöä. Samalla kokoelmista haluttiin saada tietoa, jota Monikielinen kirjasto voi hyödyntää jatkossa. Tutkimuksen tarkasteltavat kielet valittiin vuoden 2024 väestötilastojen puhutuimpien kielten joukosta. Kielistä rajattiin pois ne, joilla Monikielinen kirjasto ei hanki aineistoa. Kieliä valittiin 24. Tarkasteltavien kielten kokoelmia tutkittiin neljän tutkimuskysymyksen avulla. Tutkimuksessa haluttiin selvittää, paljonko aineistoja oli suhteessa väestöön, millainen aineistojen ikäjakauma oli, paljonko aineistoja lainattiin ja hankittiin sekä miten monipuolisia kokoelmat olivat. Tutkimusmenetelminä käytettiin määrällistä tilastotutkimusta ja laadullista kyselytutkimusta. Määrällisessä tutkimuksessa käytettiin väestötilastoja, erilaisia kirjastotilastoja ja Helmet-tietokantaa. Laadullisessa tutkimuksessa käytettiin Monikielisen kirjaston henkilökunnalle tehtyä hankinta-aiheista kyselyä, joka tehtiin Webropolilla. Tuloksista selvisi, että Monikielinen kirjasto on pääosin onnistunut huomioimaan hyvin väestössä puhutuimmat vieraskielet. Joidenkin kielien kohdalla aineistoa oli vähemmän suhteessa puhujamääriin. Puutteisiin löytyi kuitenkin usein mahdollinen selitys, esimerkiksi hankintaan liittyvät vaikeudet tai nopeasti kasvaneet väestöluvut. Kokoelmista saatiin myös paljon hyödyllistä numeerista tietoa. Esimerkiksi vuonna 2024 aineistoja oli keskimääräisesti 0,13:n verran suhteutettuna kielten puhujiin. Enintään viiden vuoden ikäisten aineistojen osuus kokoelmasta oli tutkimushetkellä keskimääräisesti 30 %. Lisäksi vuonna 2024 aineistoja lainattiin keskimääräisesti 0,95 kertaa. Kokoelmista löydettiin myös muutamia kehityskohteita: esimerkiksi albanian, tagalogin, thain, bengalin ja urdun kokoelmia voisi täydentää.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.101 | 0.037 |
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".