Suomalaiset merimiehet 1900-luvun Buenos Airesissa ja siirtolaisuus
Bibliographic record
Abstract
Merimiehet ovat olleet suomalaisen siirtolaisuuden pioneereja kaikilla mantereilla. Ensimmäiset suomalaiset ylittivät päiväntasaajan eurooppalaisten löytöretkeilijöiden mukana tai hollantilaisissa ja englantilaisissa kauppalaivoissa. 1800-luvun lopulla ja 1900-luvun alkupuoliskolla Etelä-Amerikassa liikkuneiden suomalaisten merimiesten määrä ei ole aivan vähäinen. Laivasta karanneista tai ulosmaksun ottaneista merimiehistä on tähän mennessä tiedetty kuitenkin vain vähän, sillä he eivät esiinny Suomen siirtolaistilastoissa tai muissa virallisissa lähteissä. Aina 1940-luvulle saakka merimies saattoi asettua Argentiinan maaperälle hyvinkin helposti ja kontrolli siitä, palasiko hän laivalle vai ei, oli lähes olematonta. Mies kiinnosti paikallisia viranomaisia vain, jos hän joutui jostakin syystä tekemisiin lain kanssa, tai varustamoa, jos se ei muuten saanut kokoon tarvittavaa miehistöä. Suurten kaupunkien, kuten Buenos Airesin, kujille seilori hävisi helposti myös ilman omaa tahtoaan. Marjatta Niemisen tutkimuksen kohteena ovat Buenos Airesissa käyneet tai sinne jääneet suomalaiset merimiehet. Nieminen selvittää merimiesten ja siirtolaisuuden välistä yhteyttä sekä pohtii siirtolaisuuden syitä ja seurauksia.Kirjassa on useita valokuvia ja 85 merimiehen henkilöhakemisto.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.033 | 0.006 |
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".