Maintaining Children’s Finnish Language Skills in an English Language Setting. A Study of Scottish-Finnish Families Living in Scotland

Tutkielmassa käsitellään kaksikielistä lastenkasvatusta ja siinä käytettäviä kasvatus-strategioita, erityisesti ns. OPOL-strategiaa, eli yksi henkilö – yksi kieli -strategiaa (one person – one language). Tarkoituksena oli selvittää, millä tavoin kaksikielisen perheen vanhemmat voivat tukea vähemmistökielen oppimista sellaisessa ympäristössä, jossa kielen oppimista ei tueta kodin ulkopuolella. Tutkielman alussa määrittelen keskeiset termit. Useita aiheeseen liittyviä termejä määritellään yleiskielessä eri tavoin jo termistä kaksikielisyys lähtien, joten termien rajaaminen tämän työn tarkoituksen mukaan oli tarpeen. Määrittelen myös tekstissä esiintyvät kaksikielisyyden eri tyypit ja taustat, kuten myös eri strategiat, joita kaksikielisessä kasvatuksessa voidaan käyttää. Tämän jälkeen esittelen aikaisempia kaksikielisyystutkimuksia sekä käsittelen OPOL-strategiaan liittyviä käytännön ongelmia, sekä näiden ongelmien mahdollisia ratkaisuja. Lopuksi käsittelen tutkimuksen empiiristä osiota, joka koostui sähköisestä kyselylomakkeesta sekä haastatteluista. Tutkimuksen kohderyhmä koostui Skotlannissa asuvista skotlantilais-suomalaisista perheistä, jotka pyrkivät kasvattamaan lapsistaan kaksikielisiä. Tutkimus tehtiin kahdessa osassa: ensimmäisen osan kyselylomakkeeseen vastasi 17 eri puolilla Skotlantia asuvaa suomenkielistä vanhempaa, ja toisessa osassa haastateltiin 10:tä Edinburghin ja Glasgow’n alueilla asuvaa kaksikielistä (suomi-englanti) perhettä. Molemmissa osioissa keskityttiin siihen, millä tavoin perheet tukevat lasten suomen kielen taitoa ja miten suomenkielistä syötettä yritetään lisätä. Tutkimuksen tuloksista käy ilmi, että Skotlannissa asuvat suomenkieliset vanhemmat ovat hyvin motivoituneita tukemaan lastensa kielellistä kehitystä eri tavoin, mm. lukemalla kirjoja, katsomalla elokuvia ja käymällä Suomi-koulussa. Suurin osa perheistä myös käy Suomessa säännöllisesti, mikä näyttäisikin olevan yksi keskeisimmistä kaksikielisyyttä tukevista tekijöistä. Eri perheiden lapset olivat saavuttaneet eri tasoja suomen kielessä, mikä viittaa siihen, ettei lapsen kielitaito ole seurausta ainoastaan OPOL-strategian tarkasta seuraamisesta, vaan siihen vaikuttavat myös monet muut tekijät.

Does speed matter? : the impact of the EU membership incentive on rule adoption in minority language rights protection

Denna avhandling tar sin utgångspunkt i ett ifrågasättande av effektiviteten i EU:s konditionalitetspolitik avseende minoritetsrättigheter. Baserat på den rationalistiska teoretiska modellen, External Incentives Model of Governance, syftar denna hypotesprövande avhandling till att förklara om tidsavståndet på det potentiella EU medlemskapet påverkar lagstiftningsnivån avseende minoritetsspråksrättigheter. Mätningen av nivån på lagstiftningen avseende minoritetsspråksrättigheter begränsas till att omfatta icke-diskriminering, användning av minoritetsspråk i officiella sammanhang samt minoriteters språkliga rättigheter i utbildningen. Metodologiskt används ett jämförande angreppssätt både avseende tidsramen för studien, som sträcker sig mellan 2003 och 2010, men även avseende urvalet av stater. På basis av det \"mest lika systemet\" kategoriseras staterna i tre grupper efter deras olika tidsavstånd från det potentiella EU medlemskapet. Hypotesen som prövas är följande: ju kortare tidsavstånd till det potentiella EU medlemskapet desto större sannolikhet att staternas lagstiftningsnivå inom de tre områden som studeras har utvecklats till en hög nivå. Studien visar att hypotesen endast bekräftas delvis. Resultaten avseende icke-diskriminering visar att sambandet mellan tidsavståndet och nivån på lagstiftningen har ökat markant under den undersökta tidsperioden. Detta samband har endast stärkts mellan kategorin av stater som ligger tidsmässigt längst bort ett potentiellt EU medlemskap och de två kategorier som ligger närmare respektive närmast ett potentiellt EU medlemskap. Resultaten avseende användning av minoritetsspråk i officiella sammanhang och minoriteters språkliga rättigheter i utbildningen visar inget respektive nästan inget samband mellan tidsavståndet och utvecklingen på lagstiftningen mellan 2003 och 2010.

A Rights Expression Language for Federated Repositories

Poster at Open Repositories 2014, Helsinki, Finland, June 9-13, 2014

Biomedical Event Extraction with Machine Learning

Biomedical natural language processing (BioNLP) is a subfield of natural language processing, an area of computational linguistics concerned with developing programs that work with natural language: written texts and speech. Biomedical relation extraction concerns the detection of semantic relations such as protein-protein interactions (PPI) from scientific texts. The aim is to enhance information retrieval by detecting relations between concepts, not just individual concepts as with a keyword search. In recent years, events have been proposed as a more detailed alternative for simple pairwise PPI relations. Events provide a systematic, structural representation for annotating the content of natural language texts. Events are characterized by annotated trigger words, directed and typed arguments and the ability to nest other events. For example, the sentence “Protein A causes protein B to bind protein C” can be annotated with the nested event structure CAUSE(A, BIND(B, C)). Converted to such formal representations, the information of natural language texts can be used by computational applications. Biomedical event annotations were introduced by the BioInfer and GENIA corpora, and event extraction was popularized by the BioNLP'09 Shared Task on Event Extraction. In this thesis we present a method for automated event extraction, implemented as the Turku Event Extraction System (TEES). A unified graph format is defined for representing event annotations and the problem of extracting complex event structures is decomposed into a number of independent classification tasks. These classification tasks are solved using SVM and RLS classifiers, utilizing rich feature representations built from full dependency parsing. Building on earlier work on pairwise relation extraction and using a generalized graph representation, the resulting TEES system is capable of detecting binary relations as well as complex event structures. We show that this event extraction system has good performance, reaching the first place in the BioNLP'09 Shared Task on Event Extraction. Subsequently, TEES has achieved several first ranks in the BioNLP'11 and BioNLP'13 Shared Tasks, as well as shown competitive performance in the binary relation Drug-Drug Interaction Extraction 2011 and 2013 shared tasks. The Turku Event Extraction System is published as a freely available open-source project, documenting the research in detail as well as making the method available for practical applications. In particular, in this thesis we describe the application of the event extraction method to PubMed-scale text mining, showing how the developed approach not only shows good performance, but is generalizable and applicable to large-scale real-world text mining projects. Finally, we discuss related literature, summarize the contributions of the work and present some thoughts on future directions for biomedical event extraction. This thesis includes and builds on six original research publications. The first of these introduces the analysis of dependency parses that leads to development of TEES. The entries in the three BioNLP Shared Tasks, as well as in the DDIExtraction 2011 task are covered in four publications, and the sixth one demonstrates the application of the system to PubMed-scale text mining.

Scheduling dynamic dataflow graphs with model checking

With the shift towards many-core computer architectures, dataflow programming has been proposed as one potential solution for producing software that scales to a varying number of processor cores. Programming for parallel architectures is considered difficult as the current popular programming languages are inherently sequential and introducing parallelism is typically up to the programmer. Dataflow, however, is inherently parallel, describing an application as a directed graph, where nodes represent calculations and edges represent a data dependency in form of a queue. These queues are the only allowed communication between the nodes, making the dependencies between the nodes explicit and thereby also the parallelism. Once a node have the su cient inputs available, the node can, independently of any other node, perform calculations, consume inputs, and produce outputs. Data ow models have existed for several decades and have become popular for describing signal processing applications as the graph representation is a very natural representation within this eld. Digital lters are typically described with boxes and arrows also in textbooks. Data ow is also becoming more interesting in other domains, and in principle, any application working on an information stream ts the dataflow paradigm. Such applications are, among others, network protocols, cryptography, and multimedia applications. As an example, the MPEG group standardized a dataflow language called RVC-CAL to be use within reconfigurable video coding. Describing a video coder as a data ow network instead of with conventional programming languages, makes the coder more readable as it describes how the video dataflows through the different coding tools. While dataflow provides an intuitive representation for many applications, it also introduces some new problems that need to be solved in order for data ow to be more widely used. The explicit parallelism of a dataflow program is descriptive and enables an improved utilization of available processing units, however, the independent nodes also implies that some kind of scheduling is required. The need for efficient scheduling becomes even more evident when the number of nodes is larger than the number of processing units and several nodes are running concurrently on one processor core. There exist several data ow models of computation, with different trade-offs between expressiveness and analyzability. These vary from rather restricted but statically schedulable, with minimal scheduling overhead, to dynamic where each ring requires a ring rule to evaluated. The model used in this work, namely RVC-CAL, is a very expressive language, and in the general case it requires dynamic scheduling, however, the strong encapsulation of dataflow nodes enables analysis and the scheduling overhead can be reduced by using quasi-static, or piecewise static, scheduling techniques. The scheduling problem is concerned with nding the few scheduling decisions that must be run-time, while most decisions are pre-calculated. The result is then an, as small as possible, set of static schedules that are dynamically scheduled. To identify these dynamic decisions and to find the concrete schedules, this thesis shows how quasi-static scheduling can be represented as a model checking problem. This involves identifying the relevant information to generate a minimal but complete model to be used for model checking. The model must describe everything that may affect scheduling of the application while omitting everything else in order to avoid state space explosion. This kind of simplification is necessary to make the state space analysis feasible. For the model checker to nd the actual schedules, a set of scheduling strategies are de ned which are able to produce quasi-static schedulers for a wide range of applications. The results of this work show that actor composition with quasi-static scheduling can be used to transform data ow programs to t many different computer architecture with different type and number of cores. This in turn, enables dataflow to provide a more platform independent representation as one application can be fitted to a specific processor architecture without changing the actual program representation. Instead, the program representation is in the context of design space exploration optimized by the development tools to fit the target platform. This work focuses on representing the dataflow scheduling problem as a model checking problem and is implemented as part of a compiler infrastructure. The thesis also presents experimental results as evidence of the usefulness of the approach.

Making the impact on research and society : nichesourcing of Uralic language material for the benefit of linguistic research and native-speakers

Presentation at the 12th Bibliotheca Baltica Symposium at Södertörn University Library

Language of the Future, Language of the PRC –Representations of Putonghua in South China Morning Post

As the national language of the PRC, the world's growing economic power and the sovereign of Hong Kong, Putonghua is a language with multiple facets of relevance for the current Special Administrative Region. This paper seeks to explore and explain different representations of Putonghua in Hong Kong's leading English-language newspaper South China Morning Post in articles published between January 2012 and February 2013. The representations are studied in the context of the different discourses in which they appear, some of which feature language(s) as a central theme and some more marginally. An overview is first presented of the scholarly research on the most important developments in Hong Kong's complex language scene from the beginnings of the colony until present day, with the aim of detecting developments and attitudes with potential relevance or parallels to the context of Putonghua today. The paper then reflects on the media and its role in producing and perpetuating discourses in the society, before turning to more practical considerations on Hong Kong's English and Chinese language media and the role of South China Morning Post in it. The methods used in analysing the discourses are those of discourse analysis, with textual analysis as its starting point, in which close attention is paid to linguistic forms as the concrete representations of meanings in a text. Particularly the immediate contexts of the appearances of the word “Putonghua” in the articles were studied carefully to detect vocabulary, grammar and semantical choices as signs of different discourses, potentially also revealing fundamental underlying assumptions and other “hidden meanings” in the text. Some of the most distinctive discourses in which different representations of Putonghua appeared were the Instrumental value for the individual (in which Putonghua was represented as a form of social capital); Othering of the mainlanders (in which Putonghua served as a concrete marker of distinction); Belonging to China (Putonghua as a symbol of unity); and Cultural distinctiveness of Hong Kong (Putonghua as a threat to Hong Kong's history and culture, as embodied in Cantonese). Some of these discourses were more prominent than others, and for example the discourse of Belonging to China was relatively rarely enacted in Hongkongers' voices. In general, the findings were not surprising in the light of the history, but showed a fair degree of consistency with what has been written earlier about the languages and attitudes towards them in Hong Kong. It has often been noted that Putonghua and its relation with Cantonese is a matter linked with the social identity of the colony and its citizens. While it appeared that there were no strict taboos in the representations of Putonghua in the societal context, the possibility of self-censorship cannot be ruled out as a factor toning down political discourses in the representations.

Individual learner, peer group and teacher roles in fostering autonomous language-learning behaviour

Julkaisumaa: Bulgaria

A study of the abilities in oral language comprehension of the Boston Diagnostic Aphasia Examination - Portuguese version: a reference guide for the Brazilian population

We analyzed the performance of 162 normal subjects, subdivided into groups according to age and schooling, in the oral comprehension tasks of the Boston Diagnostic Aphasia Examination translated and adapted to Brazilian Portuguese to obtain a profile of performance for the Brazilian population, as well as cut-off scores for each task, and to determine the best combination of tasks that distinguish normal from aphasic subjects, as a guide for clinicians. The normal subjects were compared to 69 aphasics. Age alone influenced the performance in the designation of actions (subjects above 70 years showing the worst performance); schooling alone influenced the comprehension of forms, colors and numbers (subjects with less than four years of education showing a poorer performance). Both age and schooling influenced the performance in Body Part Identification (BPI) and Complex Ideational Material (CIM) with mean values of 70.5 ± 3.3 (Word Discrimination, WD), 18.9 ± 1.4 (BPI), 14.7 ± 0.9 (Commands), and 10.3 ± 1.7 (CIM) for the whole sample; the cut-off scores obtained were 65 (WD), 17.5 (BPI), 14 (Commands), and 9.5 (CIM) for the whole sample. Logistic regression showed that the combination of BPI + Commands + CIM was the most efficient in differentiating normal subjects from aphasics, with 72.5% sensitivity and 97.6% specificity. However, for low-education subjects, BPI and Commands were sufficient for this differentiation (75.7% sensitivity and 84.7% specificity). The main contribution of this study was to provide reference values that are far more representative of our population to be used by health professionals in Brazil, taking into account cultural differences.

Portfolio as an Indicator of Young Learners’ English Proficiency in Mainstream Language Instruction (EFL) and Bilingual Content Instruction (CLIL)

Tämä soveltavan kielitieteen ja kielitaidon arvioinnin toimintatutkimus tarkasteli kieliportfolion ominaisuuksia ja mahdollisuuksia nuorten oppijoiden englannin kielen arvioinnissa kahdessa eri oppimiskontekstissa: englanti oppiaineena (EFL) ja kaksikielinen sisällönopetus (CLIL). Tutkielman itsenäiset, kahteen eri englannin kielen rekisteriin (arkikieli ja akateeminen kieli) kohdistuneet portfoliokokeilut olivat erillisiä tapaustutkimuksia. Molemmat portfoliot perustuivat väljästi Eurooppalaiseen kielisalkkumalliin, ja ne olivat osa tutkielmantekijän luokkaopetusta ja -toimintaa. EFL -portfoliokokeilu 9-10-vuotiaille kolmasluokkalaisille toteutettiin marraskuun 2011 ja toukokuun 2012 välisenä aikana, kun CLIL -portfoliokokeilu n. 7-9-vuotiallle ensimmäisen ja toisen luokan oppilaille kesti kaksi lukuvuotta 2012–2014. Molemmissa kokeiluissa myös oppilaiden vanhemmat kuuluivat tutkimusjoukkoon, samoin CLIL -portfolion toteutuksessa avustaneet ja opettajanäkökulmaa edustaneet opettajaopiskelijat. Portfoliokokeilun aloitti myös kaksi muuta CLIL -opettajaa, mutta kumpikin kokeilu päättyi alkuvaiheeseensa. Tarkemman tarkastelun kohteina olivat tutkimuksen osallistujien kokemukset ja mielipiteet portfoliokokeiluista. Erityisesti tavoitteena oli selvittää, miten informatiivisena englannin kielitaidon indikaattorina kieliportfoliota pidettiin. Myös kehitysehdotuksia kerättiin. Trianguloitu aineisto koottiin sekä puolistrukturoiduin kyselyin että vapaaehtoisin teemahaastatteluin, jotka äänitettiin. EFL -aineisto koostui 18 oppilaskyselystä, 17 huoltajakyselystä ja 7 oppilashaastattelusta. CLIL -aineistoon sisältyi 19 oppilaskyselyä, 18 huoltajakyselyä, 7 oppilashaastattelua ja yksi opettajaopiskelijoiden (N=3) ryhmähaastattelu. Aineisto analysoitiin pääosin kvalitatiivisin menetelmin temaattisen sisältöanalyysin keinoin, mutta myös laskien frekvenssejä ja prosenttisosuuksia. Osallistujien mielipiteet ja kokemukset olivat hyvin samankaltaiset ja positiiviset kummassakin portfoliokokeilussa. Merkittävä enemmistö sekä oppilaista että huoltajista koki, että portfolion avulla on mahdollista osoittaa englannin kielitaitoa ja sen kehittymistä. Oppilaat kuvailivat portfoliotyötä hauskaksi ja kivaksi, ja heidän mielestään portfoliotehtävien pitäisi olla tarpeeksi haastavia, sisältää taiteellisia ja luovia elementtejä sekä kohdistua tuttuihin, mielenkiintoisiin aiheisiin. He totesivat, että portfolion avulla voi oppia lisää kieltä. Vanhempien mielestä portfolio kertoo koulun vieraiksi jääneistä oppisisällöistä, auttaa ymmärtämään lapsen ajatusmaailmaa ja motivaatiotasoa sekä paljastaa heidän kielitaidostaan uusia ulottuvuuksia. Opettajaopiskelijat havaitsivat, että portfolion avulla voi tutustua oppilaiden kieli- ja kulttuuritaustoihin sekä kartoittaa heidän kielellisiä tarpeitaan. Tämän tutkielman teoreettisen tarkastelun ja tulosten mukaan kieliportfolio tukee erinomaisesti uuden Perusopetuksen Opetussuunnitelman (NCC 2014) tavoitteita ja arvioinnin uudistuspyrkimyksiä sekä lainsäädännön arvioinnille asettamia edellytyksiä. Portfolio on erittäin suositeltava nuorten oppijoiden kielitaidon arviointimenetelmä perinteisten rinnalle.

Standing before a sentence : Moore’s paradox and a perspective from within language

Med avstamp i ett satsbegrepp som inspirerats av Ludwig Wittgenstein, där sats och kontext betraktas som internt förbundna och där den verkliga användningen av en sats är central för dess mening, visar avhandlingen hur filosofers olika uppfattning om den filosofiska terminologins roll och möjligheter har följder för deras sätt att uppfatta och behandla filosofiska frågeställningar. Moores paradox fungerar som testfall. Denna kända filosofiska frågeställning har diskuterats sedan 1940-talet och kretsar kring hävdandet av satsen ”Jag tror att det regnar och det regnar inte”. Problemet är att det vore märkligt för en talare att hävda satsen om sig själv: det verkar finnas ett logiskt hinder för att hävda en sats även om den är välformad, kunde vara sann och inte på ett entydigt sätt innehåller en kontradiktion. Moores paradox behandlas genom att granska några lösningsförslag (framförda av bl.a. G.E. Moore, J. L. Austin, J. Searle) och de uppfattningar om språket som de förutsätter. Genom att kontrastera dessa med ett användarperspektiv där språkets användning i meningsfulla sammanhang förväntas spela en central roll i behandlingen av paradoxen visar författaren hur också den intellektuella kontext inom vilken en filosof betraktar paradoxen spelar en avgörande roll för vilka mått som krävs för att upplösa den. Istället för att föreslå en egen lösning presenteras en behandling av paradoxen genom en diskussion och utredning av de grundvillkor som leder till att den uppstår. Här intar satsbegreppet en central plats. Avhandlingen är författad inom traditionen efter den senare Wittgenstein (närmare bestämt den gren som ansluter sig till en s.k. terapeutisk filosofisyn) men går i dialog med filosofiskt arbete som ligger utanför traditionen. Författaren strävar både till att medla mellan, sammanföra och särskilja olika temata som behandlats på ett sätt inom traditionen och på andra sätt utanför den och använder sig här av metaforen att filosofera inifrån i kontrast till utanför språket. Avhandlingens huvudsakliga bidrag är till metafilosofin genom dess fokus på filosofins metod. ------------------------------------------------------------ Mooren paradoksi on tunnettu filosofinen ongelma, josta on keskusteltu 1940-luvulta alkaen. Paradoksin keskeisenä osana esiintyy väitelause ”Uskon, että ulkona sataa, mutta ulkona ei sada”. Ongelman lähtökohta on, että olisi merkillistä jos puhuja esittäisi lauseen itseään koskevana väitteenä: väite näyttää olevan loogisesti mahdoton esittää, vaikka se on hyvinmuodostettu, mahdollisesti tosi, eikä yksiselitteisellä tavalla sisällä kontradiktiota. Tässä väitöskirjassa Mooren paradoksi esiintyy esimerkkinä filosofisesta ongelmasta, jossa mm. lausekäsitteellä on keskeinen rooli ja jonka avulla voidaan muodostella ns. kielensisäinen filosofinen näkökulma. Mooren paradoksia käsitellään tarkastelemalla muutamia ratkaisuehdotuksia (mm. G.E. Mooren, J.L. Austinin, J. Searlen esittämät) ja niitä kielikäsityksiä joita nämä ratkaisuehdotukset edellyttävät. Asettamalla vastakkain ratkaisuehdotukset ja käyttäjänäkymä, jossa kielenkäyttö mielekkäissä konteksteissa asetetaan keskeiseen asemaan paradoksin käsittelyssä, kirjoittaja osoittaa miten myös paradoksin filosofisen tarkastelun intellektuaalinen konteksti on hyväksyttävien toimenpiteiden löytämisen kannalta ratkaisevaa. Uuden ratkaisun sijaan kirjoittaja ehdottaa paradoksin terapeuttista käsittelyä: keskustelua ja selontekoa niistä perusehdoista, jotka johtavat sen syntyyn. Tässä käsittelyssä lausekäsite on keskipisteenä – erityisesti Ludwig Wittgensteinin inspiroima lausekäsitys, jossa lauseen mielekkyyden kannalta sen todellinen käyttö mielekkäässä kontekstissa on ratkaiseva tekijä. Väitöskirja liittyy myöhäisiwittgensteinilaiseen perinteeseen, johon kuuluu ns. terapeuttinen filosofiankäsitys, mutta teos keskustelee myös tradition ulkopuolisten ajattelijoiden kanssa yrittäen yhdistää, sovitella ja myös eritellä teemoja, joita käsitellään yhdellä tavalla tradition sisällä ja toisella tavalla sen ulkopuolella. Väitöskirjan pääasiallinen panos sijoittuu metafilosofiaan, koska sen mielenkiinnon kohteena ovat erityisesti filosofian menetelmät.

Defining Contexts in Context-Free Grammars

This thesis introduces an extension of Chomsky’s context-free grammars equipped with operators for referring to left and right contexts of strings.The new model is called grammar with contexts. The semantics of these grammars are given in two equivalent ways — by language equations and by logical deduction, where a grammar is understood as a logic for the recursive definition of syntax. The motivation for grammars with contexts comes from an extensive example that completely defines the syntax and static semantics of a simple typed programming language. Grammars with contexts maintain most important practical properties of context-free grammars, including a variant of the Chomsky normal form. For grammars with one-sided contexts (that is, either left or right), there is a cubic-time tabular parsing algorithm, applicable to an arbitrary grammar. The time complexity of this algorithm can be improved to quadratic,provided that the grammar is unambiguous, that is, it only allows one parsefor every string it defines. A tabular parsing algorithm for grammars withtwo-sided contexts has fourth power time complexity. For these grammarsthere is a recognition algorithm that uses a linear amount of space. For certain subclasses of grammars with contexts there are low-degree polynomial parsing algorithms. One of them is an extension of the classical recursive descent for context-free grammars; the version for grammars with contexts still works in linear time like its prototype. Another algorithm, with time complexity varying from linear to cubic depending on the particular grammar, adapts deterministic LR parsing to the new model. If all context operators in a grammar define regular languages, then such a grammar can be transformed to an equivalent grammar without context operators at all. This allows one to represent the syntax of languages in a more succinct way by utilizing context specifications. Linear grammars with contexts turned out to be non-trivial already over a one-letter alphabet. This fact leads to some undecidability results for this family of grammars