Bibliographic record
Abstract
Tarkastelen tässä kandidaatintutkielmassa koodinvaihtoa, jota esiintyy monikielisen perheen arkikeskustelussa. Aineistonani käytän kahdeksaa koodinvaihtoa sisältävää keskustelupätkää, jotka olen litteroinut Suomessa kuvatusta videonauhoitteesta. Videonauhoitteessa neljä perheenjäsentä keskustelee suullisesti keskenään käyttäen puheessaan suomen ja espanjan kieltä. Tutkimuskysymyksiä on kolme: 1) Millaista koodinvaihtoa aineistossa ilmenee? 2) Millaisissa tilanteissa koodinvaihtoa syntyy? 3) Onko koodinvaihto ennakoitavissa? Koodinvaihto ja monikielisyys ovat perusteltuja tutkimuskohteita, sillä Suomessa on aina ollut monikielisyyttä, ja maahanmuutto on korostanut tätä entisestään. Suomessa asuu tälläkin hetkellä paljon ihmisiä, jotka eivät puhu suomea äidinkielenään, ja espanjaa puhuvien määrä on myös vain lisääntynyt vuosien myötä. Tästä voidaan päätellä monikielisyyden olevan aina läsnä Suomessa lisääntyvissä määrin, joten ilmiön tarkastelu on tärkeää syvemmän ymmärryksen saavuttamiseksi. Aiemmissa koodinvaihtoa käsittelevissä tutkimuksissa ei ole aiemmin keskitytty koodinvaihdon ennakoitavuuteen, joten tämän tutkimuksen myötä avautuu uusi näkökulma aiheeseen. Koodinvaihtoa voidaan tarkastella monella tapaa, eivätkä tutkijatkaan ole täysin yksimielisiä käsitteen käytöstä. Tässä tutkielmassa koodinvaihdolla tarkoitetaan kaikkea kielen vaihtumista keskustelussa, on kyse sitten vain yksittäisestä sanasta tai jopa useammasta lausumasta. Tutkielmassa keskeisiä käsitteitä koodinvaihdon lisäksi ovat myös matriisikieli ja upotettu kieli sekä kaksi keskustelunanalyysin tarjoamaa käsitettä eli vuoro ja vieruspari. Tutkimusmenetelminä hyödynnän osittain sekä vuorovaikutussosiolingvistiikkaa että keskustelunanalyysia pystyäkseni tarkastelemaan koodinvaihtoa monipuolisesti ja syvällisesti sekä ymmärtämään kielivalintaan vaikuttaneita tekijöitä. Tutkimus on laadullinen, ja olen jaotellut koodinvaihtoa sisältävät esimerkit analyysissa ennakoituun ja ennakoimattomaan koodinvaihtoon. Kahdeksasta esimerkistä viisi on ennakoituja ja kolme ennakoimattomia, vaikka esimerkit usein sisältävät enemmänkin kuin vain yhden koodinvaihtotapauksen. Kieliopillisia rakenteita tarkastellessa aineistosta on nähtävissä jonkin verran sekä lauseenulkoista että lauseiden välistä koodinvaihtoa. Tutkimustuloksista nähdään, että koodinvaihtoa voi käyttää yhtenä kontekstualisoinnin keinona, mutta enimmäkseen koodinvaihtoa syntyy aineistossa osallistujien erilaisten kielitaustojen ja -osaamisten vuoksi. Koodinvaihdolla pyritään usein siihen, että kaikki paikallaolijat voivat ymmärtää keskustelua ja halutessaan osallistua siihen. Tämän myötä neuvottelua kielestä käydään aineistossa jatkuvasti, eikä keskustelussa ole nähtävissä selkeää matriisikieltä ja upotettua kieltä: toisinaan keskustelussa pääkielenä toimii suomi, jolloin espanjan kielellä täydennetään keskustelua, mutta joskus tilanne on myös toisinpäin. Koodinvaihdon laukaisee usein se, että joku osallistujista ei ymmärrä tai osaa tarvittavaa sanastoa sillä kielellä, joka on ollut keskustelussa ensin käytössä. Sosiolingvistisestä näkökulmasta voidaan myös nähdä, että koodinvaihto ja osallistujien kielivalinnat ovat mahdollisesti tapa tuoda omaa identiteettiä esiin.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.036 | 0.011 |
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".