"Puhutaan sillee oikeesti suomee" : Skeittaajien kielenkäytönpositiot ja skeittiyhteisön kieli
Bibliographic record
Abstract
Tutkin pro gradu -tutkielmassani skeittaajia ja heidän monikielistä elämäänsä. Tarkastelen skeittaajille rakentuvia kielenkäytönpositioita heidän monikielisessä arjessaan. Lisäksi tutkin, millaista suomen kielen taitoa skeittiyhteisöön osallistumisessa tarvitaan. Tarkoituksenani on täydentää liikuntayhteisöihin ja erityisesti skeittaamiseen liittyvää kielitieteellistä tutkimusta. Tutkielman teoreettinen viitekehys rakentuu siis yhteisön ja monikielisyyden tutkimuksesta sekä skeittaamisen esittelystä. Lisäksi viitekehykseen sisältyy analyysini kannalta merkittävän positiointiteorian taustoitus. Tutkielmani aineisto koostuu kolmen plurilinguaalin skeittaajan yksilöhaastatteluista, joiden kesto oli yhteensä noin 93 minuuttia. Haastattelujen vapaan puheen muodostamiseksi käytin haastattelurunkoni yhteydessä puolistrukturoitua teemahaastattelua. Tällä tavoin sain kerättyä tutkimuseettisin keinoin monipuolista tietoa haastateltavien erilaisista kielenkäyttötavoista heidän elämässään. Aineiston analyysiin hyödynsin diskurssianalyyttista tutkimuksen teon tapaa. Diskurssianalyysin työkaluna käytin positiointiteoriaa, jonka tuloksena aineistosta erottautui haastateltavien erilaisia kielenkäytönpositioita. Muodostamani positiot ovat nimeltään suomenoppijan positio, suomen kielen käyttäjän positio, englannin kielen käyttäjän positio ja plurilinguaalin kielen käyttäjän positio. Suomenoppijan position kautta selviää esimerkiksi, kuinka haastateltavat käyttävät omaa toimijuuttaan suomen kielen oppimiseksi. Suomen kielen käyttäjän positio taas osoittaa, millaisissa tilanteissa haastateltavat ovat valmiita oman kielitaitonsa nojalla positioitumaan kyseiseen positioon. Englannin kielen käyttäjän positio on puolestaan jokaiselle haastateltavalle tuttu esimerkiksi pitkäaikaisten ystävien ja opiskelemisen kautta, jolloin he ovat tottuneet kommunikoimaan englannin kielellä erilaisissa tilanteissa. Jo edellä mainitut positiot siis osoittavat skeittaajien elävän monikielistä arkea, mutta plurilinguaalin kielen käyttäjän positio korostaa aihetta entisestään. Plurilinguaalin kielen käyttäjän position kautta saadaan myös toimijuuteen liittyvien tunteiden avulla selville haastateltavien suhtautumista omaan monikieliseen elämään. Skeittaajien kielenkäyttöä koskevien positioiden lisäksi muodostin analyysiini skeittiyhteisöön kieleen liittyvän alaluvun. Sen kautta selviää, kuinka haastateltavat kokevat suomen kielen käyttäjän position vaikuttavan skeittiyhteisöön mukaan pääsyyn ja kuulumiseen. Kielellä on merkitystä syvempien ihmissuhteiden muodostamisessa ja ympäröivän kulttuurin ymmärtämisessä, mutta pelkästään skeittaamisen harrastamisessa kielitaitoa ei juurikaan tarvita. Skeittaaminen voi siis toimia skeittaamisen toimintayhteisön jäsenten välisenä kielenä. Harrastamisen avulla haastateltavat voivat kommunikoida sanattomasti toisille skeittaajille, mutta positioiden kautta kuitenkin selviää myös heidän erilaisia tapojaan käyttää omia kielellisiä repertuaareja. Tällöin eri kielet voivat toimia haastateltavilla esimerkiksi viestinnän välineenä tai itseilmaisun keinona limittäiskieleilyä hyödyntäen. Monikielinen elämä onkin heille jokapäiväistä riippumatta siihen liittyvistä negatiivisista, positiivisista tai ristiriitaisista tunteista.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.008 |
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".