MétaCan
Menu
Back to cohort
Record W7115263898

Värmlannin metsäsuomalaiset : asutushistoriasta, agraarista kulttuurista ja muutoksesta

2019· other· fi· W7115263898 on OpenAlexaboutno aff

Bibliographic record

VenueDoria (University of Helsinki) · 2019
Typeother
Languagefi
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsValue (mathematics)Quarter (Canadian coin)Power (physics)
DOInot available

Abstract

fetched live from OpenAlex

Muuttoliike Suomesta Värmlannin asumattomiin erämaihin alkoi 1500-luvun lopulla ja päättyi 1600 luvun puolivälissä. Edelleenkään ei ole täyttä yksimielisyyttä siitä, mistä päin Suomea ja mistä syystä Värmlantiin on lähdetty. Värmlannin erämaiden asuttamisen mahdollisti viime kädessä huhtakaski, jonka viljely onnistui havumetsissä. Rautaruukkien vaatimuksesta kaskiviljelyä alettiin Värmlannissa määräyksin 1600-luvulla kuitenkin rajoittaa. Tämä johti muun muassa siihen, että metsäsuomalaiset alkoivat muuttaa läänin pohjoisosiin ja Norjan puolelle, jossa kaskiviljelyä oli vielä mahdollista harjoittaa. Toisaalta kaskiviljelyn vaikeutuminen pakotti monet metsäsuomalaiset kehittämään karjanhoitoa ja peltoviljelyä. Metsäsuomalaiset erottuivat ruotsalaisista aiemmin niin rakennus- ja ruokakulttuurin kuin uskomusmaailmakin osalta. Muutos ja integroituminen ruotsalaisiin oli kuitenkin vääjäämätön prosessi. Kun suomen kieli hävisi, niin katkesi samalla sen välittämä yhteys suomalaisuuteen. Ruotsissa suomen kielen tulevaisuuteen vaikutti erityisesti koululaitos, joka kielsi suomalaislapsilta sen käytön ja teki siitä hävettävää. Merkittävä integraatioon vaikuttava tekijä oli myös Ruotsin 1800-luvun loppupuolella tapahtunut teollistuminen. Yhteiskunta muuttui monella muullakin tavoin ja tähän oli mukauduttava, mikäli aikoi pysyä mukana kehityksessä. Kirjoittaja Eero Sappinen on filosofian tohtori, dosentti.

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 distilled prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.044
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0030.004
Meta-epidemiology (broad)0.0040.002
Bibliometrics0.0030.002
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0050.002
Research integrity0.0030.002
Insufficient payload (model declined to judge)0.0360.080

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 head0.012
GPT teacher head0.202
Teacher spread0.189 · 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; both teacher heads agree on what is shown here.

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
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueDoria (University of Helsinki)French-language works237,207