Turun yliopiston TurkuNLP-tutkimusryhmä hakee 2–4 määräaikaista tutkijatohtoria digitaalisen kielentutkimuksen ja kieliteknologian aloille. Työsuhde alkaa aikaisintaan maalis/ huhtikuussa 2026 tai sopimuksen mukaan ja kestää 24 kuukautta tai toukokuun 2028 loppuun.

TurkuNLP on monitieteinen tutkimusryhmä, jossa yhdistyvät digitaalinen kielentutkimus, korpuslingvistiikka, kieliteknologia ja koneoppimisen. Ryhmä on erikoistunut NLP-työkalujen ja suurten kielimallien (LLM) kehittämiseen suomelle ja muille kielille sekä näiden menetelmien soveltamiseen ihmistieteissä, erityisesti kielentutkimuksessa ja digitaalisissa ihmistieteissä.

Viime vuosina tutkimuksemme keskiössä on ollut kielenkäyttö ja sen mallintaminen laajoissa, massiivisen monikielisissä, automaattisesti kootuissa web-aineistoissa. Erityisesti tutkimme verkkorekistereitä (genrejä) ja kehitämme menetelmiä niiden automaattiseen tunnistamiseen ja analyysiin. TurkuNLP myös on kehittänyt FinBERT- ja FinGPT-mallit, jotka ovat Suomen johtavia BERT- ja GPT-3-pohjaisia kielimalleja. Lisäksi olemme hiljattain osoittaneet, että rekisteripohjainen otanta verkkodatalähteistä parantaa merkittävästi kielimallien koulutusta (Myntti ym. 2025).

Tutkijatohtorin tehtävät liittyvät kolmeen toisiinsa kytkeytyvään tutkimushankkeeseen. Kaikki hankkeet tarjoavat erinomaisen mahdollisuuden työskennellä yhtäältä kielenkäyttöä ja sen vaihtelua koskevien teoreettisten kysymysten ja toisaalta kielen ja kielimuotoisen datan laajamittaisen laskennallisen mallinnuksen parissa.

“Mechanisms of register variation in massively multilingual web-scale corpora” (Mecha) on Suomen Akatemian rahoittama hanke, jossa tutkitaan kielenkäyttöä massiivisen monikielisessä, automaattisesti kerätyissä verkkoaineistoissa. Hankkeen keskiössä ovat verkkorekisterit, ja tavoitteena on analysoida rekisterien kielellisiä piirteitä eri kielissä sekä ymmärtää, miten ja miksi verkkorekisterien joukko ja niiden kielelliset ominaisuudet vaihtelevat – paitsi kielten välillä myös maiden ja erilaisten kielikontaktitasojen mukaan. Mitkä mekanismit ohjaavat tätä vaihtelua?

“Fin-Clariah” on kansallinen digitaalisten ihmistieteiden tutkimusinfrastruktuuri, jossa on mukana kumppaneita useimmista suomalaisista yliopistoista. TurkuNLP:n osuus keskittyy verkkodatan mallintamiseen, erityisesti sosiaalisen median teksteihin. Aineistot ja menetelmät ovat suurelta osin samoja kuin Mecha-hankkeessa, ja keskeisenä tavoitteena on muuntaa Mechassa ja aiemmissa hankkeissa kehitetyt menetelmät ja muut resurssit tehokkaasti käytettäväksi tutkimusinfrastruktuuriksi, joka palvelee laajasti eri tieteenaloja.

Kolmas hanke kuuluu Turun yliopistoon vastikään valittuun Suomen Akatemian huippuyksikköön “Human Diversity Through Contacts”. Huippuyksikkö tutkii ihmisten monimuotoisuutta usean eri tieteenalan näkökulmista, kuten kielievoluutio, genetiikka, terveys ja kielenkäyttö. TurkuNLP:n johtama osahanke keskittyy kielenkäyttöön massiivisen monikielisissä verkkoaineistoissa. Erityisesti tutkimme kielenkäytön vaihtelua rekistereiden, kielten, maiden ja kielikontaktien risteyksessä. Kontakteja tarkastellaan kahdesta näkökulmasta 1) rekistereiden kielellisten ominaisuuksien ja niiden vaihtelun kautta, ja 2) asenteiden ja ideologioiden leviämisen kautta.  

Kaikissa hankkeissa kehitämme ja sovellamme alan uusimpia koneoppimismenetelmiä yhdessä laajojen, monikielisten verkkoaineistojen kanssa. Menetelmällisten ja kielellisten tulosten ohella tavoitteenamme on tuottaa laadukasta metadataa verkkoaineistoille, jotta niitä voitaisiin tulevaisuudessa hyödyntää entistä paremmin ja tehokkaammin.

Lisätietoja on saatavilla osoitteesta turkunlp.org sekä viimeisimmistä julkaisuistamme.

Tehtävänkuvaus

Tavoitteenamme on koota monitieteinen tutkijaryhmä, jonka jäsenillä on toisiaan täydentävää osaamista korpuslingvistiikassa, digitaalisessa kielentutkimuksessa, kieliteknologiassa ja koneoppimisessa. Ryhmä työskentelee yhdessä kolmen hankkeen tavoitteiden saavuttamiseksi sekä edistää tutkimusta omilla erikoisaloillaan.

Tutkijat tulevat osaksi TurkuNLP:n tutkimusympäristöä ja he voivat käyttää ja kehittää edelleen ryhmässä jo olemassa olevia aineistoja ja menetelmiä. Tarkemmat tutkimuskysymykset ja lähestymistavat määräytyvät kuitenkin hakijoiden taustan ja kohteiden mukaan. Mahdollisia aiheita ovat muun muassa:

Kielenkäytön mallintaminen ja tarkastelu laajoissa monikielisissä verkkoaineistoissa hyödyntäen syväoppimismenetelmiä, suuria kielimalleja ja korpuslingvistisiä tilastomenetelmiä

• Kielenkäytön (rekisterit, genret) vaihtelun tarkastelu kielten, maiden ja maantieteellisten alueiden mukaan. Miten verkkorekisterit ja niiden ominaisuudet vaihtelevat ja miksi? Mitkä mekanismit ohjaavat tätä variaatiota?
• Asenteet, ideologiat ja ideat eri kielimuotoja, kieliä ja maita edustavassa verkkodatassa. Miten nämä kytkeytyvät yhtäältä eri rekistereihin ja toisaalta eri kieliin, maihin ja maanosiin? Mitkä mekanismit ohjaavat näiden muotoutumista?

Koneoppimismenetelmien kehittäminen monikielisten verkkoaineistojen kielellisen sisällön edistyneeseen mallintamiseen, esimerkiksi

• Suurten kielimallien koulutus sisällön metadatan mukaan (esimerkiksi rekisteri, ideologia, kulttuuri)
• Aineistolähtöinen samankaltaisuuksien ja erojen tarkastelu laajoissa monikielisissä verkkoaineistossa esimerkiksi kielikohtaisten rekisteri- tai aihepiirierojen havaitsemiseksi tai puuttuvien tai aliedustettujen osioiden tunnistamiseksi
• Tehokkaiden ja kontrolloitujen monikielisten vektorimallien kehittäminen laajamittaiseen aineiston vertailuun siten, että mallit kuvaavat eksplisiittisesti eri samankaltaisuuden ulottuvuuksia, kuten aihepiiriä, tyyliä, rekisteriä, kielisidonnaista samankaltaisuutta tai näiden yhdistelmiä

Laajojen verkkoaineistojen tutkimuksen teoreettinen ja käytännöllinen kehittäminen

• Verkkokielenkäytön maantieteellinen paikantaminen: menetelmien kehittäminen verkkorekisterien alueellisen vaihtelun tunnistamiseen ja analysointiin (kielen ja maantieteen välisten yhteyksien tarkastelu)
• Uusien rekisterivariaation teoreettisten mallien kehittäminen. Esimerkiksi siirtyminen kategorisista lähestymistavoista kohti jatkuvia esityksiä
• Rekisterintutkimuksen eri teoreettisten lähestymistapojen vertailu, esimerkiksi systeemis-funktionaalisen teorian (SFL) yhdistäminen biberilaiseen rekisterintutkimukseen. Erityisesti tarkastellaan, tuottavatko SFL:n teoreettisesti motivoidut parametrit (kenttä, osallistujasuhteet, kanava) periaatteellisesti perustellumpia tai kieltenvälisesti pätevämpiä rekisterijaotteluja kuin muut lähestymistavat.

Lisäksi tehtävään kuuluu nuorempien tutkijoiden ohjausta sekä rahoitushakemusten suunnitteluun osallistumista. Tutkijatohtorin tehtäviin sisältyy myös jonkin verran opetusta (esim. noin 5 % työajasta tai sopimuksen mukaan).

Lisätietoja konsortiosta: www.humandiversity.fi
Lisätietoja TurkuNLP:stä: turkunlp.org

Hakijoilta odotamme

Hankkeiden tavoitteet sijoittuvat kielentutkimuksen ja NLP:n rajapintaan, ja kannustamme eri taustoista tulevia tutkijoita hakemaan (esim. korpuslingvistiikka, tietojenkäsittelytiede tai lähialat). Toivomme, että sinulla on:

• Tohtorintutkintoa soveltuvalta alalta
• Ohjelmointitaitoja (Python / R, Unix-komentoriviympäristöt, CSC)
• Tuntemusta NLP:n ja/tai korpuslingvistiikan laskennallisista menetelmistä (esim. syväoppiminen, Huggingface, erittäin suurten aineistojen käsittely, tilastollinen mallinnus)
• Taustastasi riippuen perehtyneisyyttä rekisteritutkimukseen, korpuslingvistiikkaan ja/tai NLP:n koneoppimismenetelmiin
• Kykyä itsenäiseen työskentelyyn sekä vastuunkantoon tutkimusryhmän toiminnassa
• Ymmärrystä monitieteisestä tutkimuksesta

Haemme ensisijaisesti tutkijatohtoria, mutta poikkeustapauksissa voimme ottaa huomioon myös hakijat, jotka ovat suorittaneet lähes kaikki tohtorin tutkintoon vaadittavat jatko-opinnot tehtävään soveltuvalta alalta. Tällöin tehtävänimike on työsuhteen alkaessa projektitutkija ja aloituspalkka on noin 3100–3300 euroa/kk.

Etsimme erittäin motivoituneita, innostuneita ja sitoutuneita hakijoita. Hakijalta edellytetään hyviä vuorovaikutustaitoja sekä halua työskennellä tiiviissä yhteistyössä hankkeen vastuullisen johtajan ja muun kansainvälisen ja monitieteisen Human Diversity -tiimin kanssa, mutta myös kykyä itsenäiseen työskentelyyn.

Arvostamme yhdenvertaisuutta ja monimuotoisuutta työyhteisössämme ja kannustamme kaikkia päteviä hakijoita taustasta riippumatta hakemaan tehtäviä.