Otsikoiden ja kuvien representatiivisia merkityssuhteita Suomen Lähi-idän instituutin Lähi-itä NYT -blogissa
Bibliographic record
Abstract
Tutkielma tarkastelee Suomen Lähi-idän instituutin asiantuntijablogin Lähi-itä NYT otsikoita ja kuvia siitä näkökulmasta, millaisia representatiivisia suhteita niiden välille on määriteltävissä. Tutkimusasetelma pohjautuu multisemioottiseen kielentutkimukseen, ja sen teoreettinen pohja yhdistää Shoren (2020) funktionaalisen lauseopin, Kressin ja Van Leeuwenin (2006) visuaalisen kieliopin sekä Heikkilän (2006) Hallidayn pohjalta soveltamien merkityssuhteiden nelijaon kehykset. Tutkielman tavoitteena on selvittää, millaisten merkityssuhteiden kautta kuva jäsentyy suhteessa otsikkoon sekä millaisten rakenteiden kautta otsikoiden ja kuvien väliset representatiiviset yhteydet muodostuvat. Lisäksi teoreettisena tavoitteena on soveltaa aiemmin otsikoiden ja kuvatekstien välisiin suhteisiin sovellettua nelijakoa otsikoiden ja kuvien välisiin multisemioottisiin suhteisiin. Tutkielman aineisto koostuu Lähi-itä NYT -blogin vuoden 2024 julkaisuista, joita on yhteensä 27 kappaletta. Otsikoiden ja kuvien rinnakkaisessa tarkastelussa hyödynnetään tekstianalyysia sekä representatiiviseen metafunktioon keskittyvää funktionaalisen lauseopin että visuaalisen kieliopin käsitteistöä, jonka pohjalta aineistosta eritellään etenkin prosesseja ja toimijoita. Analyysin pohjalta on havaittavissa, että aineistossa otsikoiden ja kuvien välillä edustuu melko tasapuolisesti parafraasisia, yksilöiviä sekä lisäystä edustavia merkityssuhteita. Yksiselitteisimmin jäsentyviä merkityssuhteita ovat otsikoiden ja kuvien tarkoitteiden väliset parafraasiset suhteet, ja eniten kontekstuaaliseen taustatietoon pohjautuvaa tulkinnallisuutta puolestaan sisältävät lisäystä edustavat suhteet. Yksilöivyyden merkityssuhteet perustuvat otsikon abstraktien tarkoitteiden konkretisoimiseen kuvan materiaalisen todellisuuden ilmentymillä sekä otsikoiden sisältämien sijaintiviitteiden rajaamiseen kaupunkinäkymillä. Täsmennyksen merkityssuhteen osalta keskeisin havainto on, että kuvien sisältämä vieraskielinen merkityspotentiaali ja taustatietoon pohjautuva visuaalinen informaatio voivat toimia otsikoiden representatiivisen todellisuuden tarkentajina. Yleisellä tasolla on myös todettavissa, että dialogissa teoriakirjallisuuden ja multisemioottisen tutkimuksen kanssa merkityssuhteiden nelijako oli sovellettavissa myös otsikoiden ja kuvatekstien suhteista otsikoiden ja kuvien suhteisiin.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".