Grambank: kielten typologisia piirteitä

[Kristiina]

Kiinnostuin siinä määrin anatolialaiskielistä, että tein Grambankin avulla kieliopillisen vertailun luuvin kielen sekä useiden IE-kielten ja valittujen muiden kielten välillä. Vertasin kieliä pareina ja merkitsin aina eron, jos kielipari erosi tietyn piirteen kohdalla. Lopuksi laskin erot yhteen. Tulos oli minulle itsellekin yllätys. Kielten erilaisuusjärjestys on tämä:
Hokkaidon ainu (isolaatti)
mandariinikiina (sino-tiibetiläiskielet)
iiri
ket (jeniseiläiskieli)
nykykreikka
länsifarsi
kumbainggar (Pama-Nyungan-ryhmä, Australian abokieli)
muinaiskreikka
liettua
latina
itäarmeeni
muinaisarmeeni
nenetsi
islanti
Siperian evenki
suomi
hieroglyfiinen luuvi (Luwian)

Kaikkein eniten eroja kertyi ainuun, joka on pieni isolaatti Japanin pohjoisosassa ja Sahalinilla. Geenien näkökulmasta ainut ovat ENAa, joka on erkaantunut muista itäaasialaisista hyvin varhain, jo ennen natiiviamerikkalaisten eriytymistä. Seuraavaksi eniten eroja kertyi mandariinikiinaan, mikä ei liene myöskään mitenkään yllättävää. Kelttiläinen iiri päätyi kolmanneksi, ja tässä tapauksessa epäilen tietysti, että olen laskenut joitain piirteitä väärin, mutta niin tai näin, iiri on ilmeisesti omaksunut hyvin paljon vieraita piirteitä Euroopan länsireunalle kulkeutuessaan. Jenisein Ket on neljänneksi erilaisin kieli. Jeniseiläisiähän pidetään ns. siperialaisen ANEn edustajina. Jos ANE on R- ja Q-haplojen alkuperäinen perimä, IE-kantakieli ei vaikuta mitenkään ANE-kieleltä. Viidentenä listalla on nykykreikka ja kuudentena länsifarsi. Sen jälkeen tulee kummallista kyllä Australian abokieli. Esitän tälle kuitenkin jäljempänä yhden mahdollisen selityksen. Tämän jälkeen tulevat loput IE-kielet. Vähiten erilaiset kielet lienevät yllätys kaikille. Suomi on vähiten erilainen kieli ja sen jälkeen Siperian Evenki (pitäisi varmaan vielä tarkistuslukea rivit). Islanti on GramBankin parametrien valossa kaikkein vähiten luuvista eroava IE-kieli. Uralilainen nenetsi tulee heti islannin jälkeen. Koska nenetsi on lähes tasoissa islannin kanssa, suomen sijoitusta ei voi perustella germaanivaikutuksella, eikä balttikielillä, koska liettua on suomen takana.

Tämä tulos on hyvä muistutus niille, jotka pitävät suomen kieltä hyvin eksoottisena kielenä ja ovat valmiita hyväksymään, että suomen ja nenetsin kaltaiset uralilaiset kielet edustavat ENA-kieliä, jotka erkanivat länsieuraasialaisista kielistä 40 000 vuotta sitten. Muutenkin tämä geenikielititeellinen polku uralilaisesta juurikielestä, joka on kiinan kaltainen ja muuttuu Siperiassa ANEn (jeniseiläiskielet) ansiosta lähemmäksi IE-kieliä, on minusta jo tämän vertailun valossa satua. Mielenkiintoinen seikka tietysti on se, miksi amurilaisperimään liitetty evenki on niin lähellä anatolialaista luuvin kieltä.

Yksi pohdinnanaihe on sekin, onko luuvi lähempänä IE-kantakieltä kuin IE-kielten ydinryhmä. Tunnen kuitenkin Kaukasian kieliä sen verran hyvin, etten näe, että luuvi olisi muuttunut kaukasialaiskielten suuntaan, mutta tämä pitäisi varmaan vielä varmistaa numeerisesti.

Grambank on täällä: https://grambank.clld.org/parameters

Menetelmien toimivuutta voi aina arvostella. Tässä tapauksessa relevantti seikka on ainakin siinä, ovatko Grambankin parametrit (features) parhaita mahdollisia eli saadaanko niiden avulla esiin olennaisia seikkoja tietystä kielestä. En tunne Australian abokieliä mitenkään hyvin, mutta epäilen, että Grambank ei tuo esiin niiden kaikkia ominaispiirteitä, jolloin ne vaikuttavat samanlaisemmilta kuin ne ovatkaan. Tämä voi päteä muihinkin kieliin. Toisaalta tunnen kaikkien muiden vertailussa olevien kielten kieliopin sen verran hyvin, ettei sieltä nähdäkseni mitään erityisen ratkaisevia eroja löydy. Tässä vertailussa kaikilla piirteillä on sama painoarvo. Voisi kuitenkin perustellusti väittää, että jotkin piirteet ovat muita tärkeämpiä. Tällaista painotusta ei siis tässä vertailussa ole tehty.

Tässä alla on vielä numeeriset arvot. Tein kaksi vertailua, koska luuvin parametreissa on yhteensä 53 kysymysmerkkiä 195:n parametrin kohdalla, mikä on aika paljon. Annoin tämän vuoksi luuville 33 tapauksessa arvon, jos kommentista saattoi riittävällä varmuudella päätellä todennäköisen arvon ja/tai jos esim. kaikki IE-kielet saivat saman arvon. Näistä tulkinnoista voi tietenkin kiistellä, mutta eivät ne kokonaisjärjestystä muuta kuin muutamalla sijalla, kuten alla näkyy.

Hokkaido Ainu
52/195 different, 53/195 kysymysmerkkiä
62/195 different, 20/195 kysymysmerkkiä

Mandarin
51/195, 53/195 kysymysmerkkiä
54/195 different, 20/195 kysymysmerkkiä

Irish
48/195 different, 53/195 kysymysmerkkiä
56/195 different, 20/195 kysymysmerkkiä

Ket
47/195 different, 53/195 kysymysmerkkiä
55/195 different, 20/195 kysymysmerkkiä

Modern Greek
47/195 different, 53/195 kysymysmerkkiä
49/195 different, 20/195 kysymysmerkkiä

Farsi
44/195 different, 53/195 kysymysmerkkiä
51/195 different, 20/195 kysymysmerkkiä

Kumbainggar (Pama-Nyungan)
44/195 different, 53/195 kysymysmerkkiä
46/195 different, 20/195 kysymysmerkkiä

Ancient Greek
41/195 different, 53/195 kysymysmerkkiä
46 /195 different, 20/195 kysymysmerkkiä

Lithuanian
39/195 different, 53/195 kysymysmerkkiä
47 /195 different, 20/195 kysymysmerkkiä

Latin
38/195, 53/195 kysymysmerkkiä
45/195 different, 20/195 kysymysmerkkiä

Eastern Armenian
38/195 different, 53/195 kysymysmerkkiä
39/195 different, 20/195 kysymysmerkkiä

Classical Armenian
33/195 different, 53/195 kysymysmerkkiä
43/195 different, 20/195 kysymysmerkkiä

Nenets
33/195 different, 53/195 kysymysmerkkiä
41/195 different, 20/195 kysymysmerkkiä

Icelandic
33/195 different, 53/195 kysymysmerkkiä
39/195 different, 20/195 kysymysmerkkiä

Siberian Evenki
33/195 different, 53/195 kysymysmerkkiä
38/195 different, 20/195 kysymysmerkkiä

Finnish
28/195 different, 53/195 kysymysmerkkiä
33 /195 different, 20/195 kysymysmerkkiä

Luwian
0/195 different, 53/195 kysymysmerkkiä
0 /195 different, 20/195 kysymysmerkkiä

[Jaska]

Mielenkiintoista.
Nuo typologiset piirteet ovat kuitenkin sellaisia, että ne helposti ja usein muuttuvat kielen kehittyessä, ja toisaalta samanlaisia piirteitä voidaan lainata erisukuisista kielistä tai niitä voi kehittyä myös itsenäisesti eri kieliin. Eli typologinen samankaltaisuus ei korreloi saati "kausaloi" kielisukulaisuuden kanssa.

Uralilaisten kielten pohjalta heittäisin näppituntumalla, että sanahahmoiltaan "kuluneimmat" kielet ovat kehittäneet monia uusia piirteitä, esim. permiläiskielet paljon sekundaarisia sijamuotoja, ugrilaiskielet ihmeellisen omistusrakenteen kadonnutta genetiiviä korvaamaan ja unkari artikkelit. Vastaavasti vähiten kuluneet kielet (saamelais-, itämerensuomalais- ja samojedikielet) ovat nähtävästi paremmin säilyttäneet kantakielen kieliopillisia ja typologisia piirteitä.

Yhtä kirjavaa on myös indoeurooppalaisessa kielikunnassa. Sielläkin luullakseni vähemmän kuluneet haarat, esim. kreikka ja baltti, ovat säilyttäneet enemmän kantakielen piirteitä kuin vaikka kelttiläiset ja romaaniset kielet.

[Kinaporin kalifi]

Muutenkin tämä geenikielititeellinen polku uralilaisesta juurikielestä, joka on kiinan kaltainen ja muuttuu Siperiassa ANEn (jeniseiläiskielet) ansiosta lähemmäksi IE-kieliä, on minusta jo tämän vertailun valossa satua.

Missä näin on esitetty?

[Kristiina]

Laskin muuten jo kuukausia sitten liettuan eroja joihinkin maailman kieliin ja tulos näkyy alla:
ainuun eroja 84/195
pohjoiskhmeeriin eroja 80/195
igboon eroja 75/195 (Niger-Kongo-kieli)
tahaggart tamahaqiin (berberikieli) eroja 74/195
abhaasiin eroja 72/195
luoon (Nilotic) eroja 68/195
ketiin eroja 67/195
länsifarsiin eroja 62/195
iiriin eroja 60/195
georgiaan eroja 55/195
nenetsiin eroja 53/195
nykyarmeeniin eroja 48 (49) /195
suomeen eroja 48/195
islantiin eroja 47/195
luuviin eroja 47 /195 different
muinaisarmeeniin eroja 41 (42) /195
liettuaan eroja 0/195

Armeenin kaksi arvoa liitty taas niiden kysymysmerkkien tulkintaan. Muutenkin tulkitsin jälleen niitä kysymysmerkkejä, joten näistä tulkinnoista voi olla toisinaan eri mieltä, myös minä itsekin. Eivät ne kuitenkaan suuria linjoja muuta mihinkään.

Jos liettuan otaksutaan olevan typologisesti lähellä kanta-IE:tä, tulokseksi tulee taas, että iiri ja farsi ovat etääntyneet kanta-IE:stä hyvin paljon, kun taas liettuan ero luuviin ei ole sen suurempi kuin ero islantiin tai käytännössä myös suomeen. Kaikkein eniten eroja tulee jälleen ainuun.

Grambankiin liittyy viime vuonna julkaistu varsin kiinnostava tutkimus 'Grambank reveals the importance of genealogical constraints on linguistic diversity and highlights the impact of language loss'. Lisämateriaalista löytyy IE-kielistä kuva, jossa näkyy niiden sijainti toisiinsa nähden nimen kera. Valitettavasti tätä kielikohtaista sijaintia ei löydy muille kieliperheille. Toivottavasti tällaiset kartat joskus julkaistaisiin. Aloin siis juuri tämän puutteen takia laskea eroja, koska niiden avullakin voisi piirtää PC-kartan. Homma oli kuitenkin niin työlästä, etten päässyt kovin pitkälle. Lisäksi kysymysmerkkejä oli liikaa ja niiden tulkinta toi hommaan liikaa satunnaisuutta.

[Kristiina]

Muutenkin tämä geenikielititeellinen polku uralilaisesta juurikielestä, joka on kiinan kaltainen ja muuttuu Siperiassa ANEn (jeniseiläiskielet) ansiosta lähemmäksi IE-kieliä, on minusta jo tämän vertailun valossa satua.

Missä näin on esitetty?

Se seuraa suoraan isälinjakielitieteen soveltamisesta uralilaisten kielten alkuperään eli perustuu netissä varsin laajasti esiintyvään ajattelutapaan, jossa uralilaisten kielten täytyy olla N-haplojen alkuperäinen kieli, ja koska N-haplojen kuuluu levitä jääkauden jälkeen ns. neosiperian muodossa Pohjois-Kiinasta Taka-Baikalille, myös uralilaisten kielten todellisen juuren on oltava sama kuin O-haploilla. Toisaalta IE-kielten on oltava R- ja Q-haplojen alkuperäinen kieli ja liityttävä Malta 1:n ANE-perimään, mistä seuraa, että uralilainen kantakieli saa IE-kielten piirteitä sekoittuessaan Jakutiassa ANE-kielten edustajien kanssa.

[merimaa]

Sain tehtyä Grambankin datasta PCA-kuvia, kun käytin apuna valmiita ohjelmakirjastoja, jotka kuuluvat R-ohjelmointiympäristöön. Niillä sain laskettua datasta pääkomponentit ja piirrettyä PCA-kuvat lähes automaattisesti.

Datan keräsin suoraan Grambankista ja se sisältää 119 kieliopillista piirrettä useasta eri kielestä. Piirteitä oli alun perin 195, mutta jouduin jättämään monta pois siksi, että niistä ei ollut tietoa luuvin kielessä, ja joitakin pois siksi, että laskentaohjelma ei pystynyt käsittelemään piirteitä, jotka olivat identtiset kaikissa kielissä. Identtiset piirteet eivät kuitenkaan erottele kieliä toisistaan millään tavalla, joten niiden puuttuminen ei luultavasti vaikuttanut laskennan lopputulokseen.

Tulosten perusteella ensimmäinen pääkomponentti selittää kieliopillisten piirteiden vaihtelusta 14,9%, toinen pääkomponentti 9,2%, kolmas 8,1%, neljäs 7,0%, viides 5,9%, kuudes 5,3% ja niin edelleen. Alla on siksi monta kuvaa, joissa ensimmäinen pääkomponentti näkyy yhdessä eri pääkomponenttien kanssa.

PC1 vs PC2: Kuvassa ovat päällekäin tundrajukagiirin ja turkin sekä luulajansaamen ja mordvan tunnisteet.
https://i.postimg.cc/xTYHCrJZ/grambank-pca-PC1-PC2.png

PC1 vs PC3: Kuvassa ovat päällekäin eteläsaamen ja luulajansaamen tunnisteet.
https://i.postimg.cc/W4Jt8Sqr/grambank-pca-PC1-PC3.png

PC1 vs PC4: Kuvassa ovat päällekäin mordvan ja kolttasaamen sekä komi-syrjäänin, jupikin ja evenkin tunnisteet.
https://i.postimg.cc/xTTCh9b9/grambank-pca-PC1-PC4.png

PC1 vs PC5: Kuvassa ovat päällekäin hantin ja turkin tunnisteet.
https://i.postimg.cc/PJftgMJS/grambank-pca-PC1-PC5.png

PC1 vs PC6: Kuvassa ovat päällekäin eteläsaamen ja kolttasaamen, evenkin ja turkin sekä luuvin, mandariinikiinan, hantin, tundrajukagiirin ja pohjoisuzbekin tunnisteet.
https://i.postimg.cc/SK0mS4j2/grambank-pca-PC1-PC6.png

PC2 vs PC3: Kuvassa ovat päällekäin eteläsaamen ja luulajansaamen, viron ja koltansaamen, mordvan ja nanain sekä itäpunjabin ja latinan tunnisteet.
https://i.postimg.cc/wvq8Mjzv/grambank-pca-PC2-PC3.png

PC2 vs PC4: Kuvassa ovat päällekäin tundrajukagiirin ja muinaiskreikan, koltansaamen ja mordvan sekä luulajansaamen ja viron tunnisteet.
https://i.postimg.cc/s20qj9Tn/grambank-pca-PC2-PC4.png

Näissä kuvissa näkyy, miten yksittäiset kieliopilliset piirteet vaikuttavat kielten sijoittumiseen vaaka- ja pystyakselilla.
PC1 vs PC2: https://i.postimg.cc/9094fbCC/grambank- ... C1-PC2.png
PC1 vs PC3: https://i.postimg.cc/vHSjyvDc/grambank- ... C1-PC3.png
PC1 vs PC4: https://i.postimg.cc/mrWmZp42/grambank- ... C1-PC4.png
PC1 vs PC5: https://i.postimg.cc/CLZ7GpLx/grambank- ... C1-PC5.png
PC1 vs PC6: https://i.postimg.cc/L8Ktjqbx/grambank- ... C1-PC6.png
PC2 vs PC3: https://i.postimg.cc/NF2XHY7h/grambank- ... C2-PC3.png
PC2 vs PC4: https://i.postimg.cc/9FT83j3N/grambank- ... C2-PC4.png

Käytin PCA-kuvien tekemiseen netistä löytyviä ohjeita, koska en ole itse mikään tilastonikkari. Suurin osa työstä hoitui valmiilla ohjelmilla, mutta tarvitsin esimerkiksi tätä ohjetta, jotta ymmärsin, miksi Grambankin datan muuttujat kannattaa "keskittää" ja "skaalata" ennen varsinaista laskentaa: https://cran.r-project.org/web/packages ... ep_PCA.pdf

[Kinaporin kalifi]

Muutenkin tämä geenikielititeellinen polku uralilaisesta juurikielestä, joka on kiinan kaltainen ja muuttuu Siperiassa ANEn (jeniseiläiskielet) ansiosta lähemmäksi IE-kieliä, on minusta jo tämän vertailun valossa satua.

Missä näin on esitetty?

Se seuraa suoraan isälinjakielitieteen soveltamisesta uralilaisten kielten alkuperään eli perustuu netissä varsin laajasti esiintyvään ajattelutapaan, jossa uralilaisten kielten täytyy olla N-haplojen alkuperäinen kieli, ja koska N-haplojen kuuluu levitä jääkauden jälkeen ns. neosiperian muodossa Pohjois-Kiinasta Taka-Baikalille, myös uralilaisten kielten todellisen juuren on oltava sama kuin O-haploilla. Toisaalta IE-kielten on oltava R- ja Q-haplojen alkuperäinen kieli ja liityttävä Malta 1:n ANE-perimään, mistä seuraa, että uralilainen kantakieli saa IE-kielten piirteitä sekoittuessaan Jakutiassa ANE-kielten edustajien kanssa.

O.K., eli mikään julkaisu jne. ei edelleenkään tue tätä mallia, vaikka jonkin blogin puitteissa ajatus saisikin kannatusta. Saarikiven "Länsi-Siperia", jonka pohjalta kantauralin puhuma-alue jatkuu ugriryhmän oletettuina alkukoteina, näkyy kartalla muuten olevan suunnilleen sama kuin Keski-Uralin jokien (Chusovaja, Iset, Pyshma, Tura, Miass etc.) pohjalle rakentuva liikenneyhteys Uralin yli. Mutta, miten paikalliseen kielen liittyvä itäsiperialainen adstraatti/superstraatti näkyy uralissa, jos kieli nyt sitten olikin aluksi paikallisten puhuma kieli? Jakutia_LNBA:n osuus perustajaryhmässä näyttäisi olevan niin suuri, että on vaikea uskoa että muuttajien alkuperäinen kieli olisi hävinnyt jättämättä jälkiä.

[merimaa]

Paikallisen väestön kieltä Ural-vuoriston lähellä on voinut olla hankala syrjäyttää, jos siitä on ollut hyötyä kaupankäynnissä tai sillä on ollut takanaan indoiranilaisten tuki.

Idän suuntaan jonkinlainen yhteys voisi muodostua uralilaisen ja eskimo-aleuttilaisen kantakielen välille, kuten LSS Ánte Aikio on esittänyt kirjassa The Oxford Guide to the Uralic Languages, sivulla 27 (Bakró-Nagy et al. 2022). Jakutialaisten perillisillä olisi ainakin teoreettinen mahdollisuus puhua sellaista kieltä, mutta olisivatko he voineet puhua sitä vielä niinkin myöhään kuin 2000-luvun lopussa e.a.a. ja niinkin lännessä kuin Uralilla?

[Kinaporin kalifi]

Paikallisen väestön kieltä Ural-vuoriston lähellä on voinut olla hankala syrjäyttää, jos siitä on ollut hyötyä kaupankäynnissä tai sillä on ollut takanaan indoiranilaisten tuki.

Idän suuntaan jonkinlainen yhteys voisi muodostua uralilaisen ja eskimo-aleuttilaisen kantakielen välille, kuten LSS Ánte Aikio on esittänyt kirjassa The Oxford Guide to the Uralic Languages, sivulla 27 (Bakró-Nagy et al. 2022). Jakutialaisten perillisillä olisi ainakin teoreettinen mahdollisuus puhua sellaista kieltä, mutta olisivatko he voineet puhua sitä vielä niinkin myöhään kuin 2000-luvun lopussa e.a.a. ja niinkin lännessä kuin Uralilla?

Esim. asetelma, jossa Jakutia_LNBA muuttaa Keski-Uralille useina ryhminä siten, että muuttajat alkaen ensimmäisestä ryhmästä edustavat aina kielellistä vähemmistöä, muuttajien omaksuessa paikallisen kielen, voisi tukea paikallisen kielen omaksumista. Eskimo-aleutti voisi ihan fiilispohjalta olla jonkin Jakutia_MN-ryhmän kieli, joten jos uralin yhteys siihen on todellinen, N-pohjaiset Jakutian alueelle tai sen liepeille muuttajat olisivat sielläkin saapuessaan omaksuneet paikallisen kielen. Mahdollista kai sekin ja arktisen sanaston katoamista voisi ehkä perustella olosuhteiden muutoksella, sitä ei enää tarvittu. Tämä Ajat-Koptyaki-jatkumo tuntuisi siltä luontevammalta mallilta. Mutta, se adstraatti/superstraatti?

[merimaa]

Eskimo-aleuttilainen kantakieli on vielä aika heikosti tunnettu (Fortesque & Vajda 2022: 15), joten yhteys sen ja uralilaisen kantakielen välillä vaikuttaa epävarmalta. Eskimo-aleuttilaisen kantakielen ikähaarukka olisi joka tapauksessa sopiva, mutta arvioitu puhuma-alue kaukana koillisessa, Beringinsalmen lähistöllä (Berge 2023): ”The age of Proto-Eskaleut is generally put somewhere between 6000 BP and 4000 BP, during the Neoglacial period in the Bering Strait area.”
https://www.uni-heidelberg.de/md/slav/f ... _w01.2.pdf

Eskimo-aleutin ja indoeurooppalaisten kielten lisäksi ei taida olla muita tunnettuja ehdokkaita, joista olisi voinut lainautua sanoja uralilaiseen kantakieleen. Tuntemattomia kieliä on varmaan ollut sitäkin enemmän, mutta onko niistä lainautuneita sanoja helppo erottaa natiiveista uralilaisista sanoista?

Fortesque, Michael & Vajda, Edward. (2022). Mid-Holocene Language Connections between Asia and North America.

[Jaska]

Vilkaisin äskettäin tuoreita ural-eskimolaisia vertailuja. Kuten monissa etävertailuissa, ongelmana on, että samalle äänteelle löytyy yleensä toisesta kielikunnasta monia eri vastineita ilman selvää äänneympäristöstä johtuvaa syytä, ja kustakin äännevastaavuudesta usein löytyy aika vähän esimerkkisanoja. Sattuman osuutta on vaikea sulkea pois. Ja sitten jos mukaan sotketaan useampia kielikuntia ("uralo-siperialainen", "trans-euraasialainen", "nostraattinen" tms. viitekehys), niin tulkinnanvara kasvaa entisestään ja kompromissirekonstruktiot jäävät yksittäisen kielikunnan osalta heikommiksi.

Jukagiiria pitäisin ehkä elävistä kielikunnista alustavasti lupaavimpana liittymään jakutialaisen perimän leviämisreittiin Jakutia-Altai-Ural. Tosin sekin saattaa olla vasta myöhään levinnyt pohjoiseen, sikäli kun esijukagiirilla oli kontakteja esisamojedin kanssa Altain-Sajanin seudulla. Mutta mahdollista tietysti on, että sen leviäminen etelään tapahtui ensin ja päivitys takaisin pohjoiseen myöhemmin.

[Kinaporin kalifi]

Jukagiiria pitäisin ehkä elävistä kielikunnista alustavasti lupaavimpana liittymään jakutialaisen perimän leviämisreittiin Jakutia-Altai-Ural.

Se ei liene mahdollista, että jukagiirin uralilaiset lainasanat olisivatkin jälkiä jukagiiria puhuneiden Keski-Uralille muuttajien kielestä kantauralissa?

[merimaa]

Huomasin, että olin käsitellyt Grambankin dataa yhdessä kohdassa hieman eri tavalla kuin Grambank-artikkelin kirjoittajat, joten päätin kokeilla, mitä tapahtuu, jos käsittelen datan uudestaan heidän tavallaan. Siitä seurasi pieniä muutoksia PCA-kuviin, joten päivitin aiemmassa viestissäni olevat kuvat.

Grambank-artikkelin kirjoittajat muokkasivat dataa kuuden kieliopillisen piirteen kohdalla niin, että he jakoivat näihin piirteisiin liittyvät kysymykset kahteen osaan. Sillä tavalla he saivat jaettua myös kysymyksiin annetut vastaukset kahteen osaan ja saivat vastauksille arvoksi joko nollan tai ykkösen, vaikka alkuperäisissä vastauksissa arvot vaihtelivat nollasta kolmeen tai yhdestä kolmeen.

Itse en alun perin muokannut dataa, koska ajattelin, että vastausten erisuuret numeroarvot eivät välttämättä haittaa, jos datan muuttujat joka tapauksessa skaalataan samaan suuruusluokkaan ennen pääkomponenttien laskemista. Datan muokkaaminen on kuitenkin parempi ratkaisu, koska sillä tavalla muuttujat saadaan kaikki nolliksi tai ykkösiksi, eikä poikkeavia arvoja enää tarvita.

[Jaska]

Jukagiiria pitäisin ehkä elävistä kielikunnista alustavasti lupaavimpana liittymään jakutialaisen perimän leviämisreittiin Jakutia-Altai-Ural.

Se ei liene mahdollista, että jukagiirin uralilaiset lainasanat olisivatkin jälkiä jukagiiria puhuneiden Keski-Uralille muuttajien kielestä kantauralissa?

Ehkä sellaisiakin ehdokkaita löytyy niistä sanoista, joilla on laaja levinneisyys uralissa ja joissa ei näy äänteellisesti mitään itäuralilaista/samojedilaista. Silloinhan lainasuunta voisi olla kumpi tahansa.

[Kristiina]

Kiitos noista PC-kuvista! Minä en humanistisen koulutuksen saaneena useinkaan pääse kovin pitkälle näiden matemaattisten mallien kanssa, jos minun pitää itse aktiivisesti tehdä niitä, eikä vain tarkastella valmiita kuvia.

Noista sinun kuvista käy ilmi sama kuin alkuperäisen tutkimuksen kuvista, eli tietyt laajalle levinneet kieliperheet, kuten IE-kielet, afro-aasialaiset kielet ja sino-tiibetiläiset kielet, ja sinun kuvissa nimenomaan IE-kielet, sisältävät suuren määrän typologista variaatiota ja ulottuvat varsin laajalle alueelle PC-kartoilla. Sitä vastoin uralilaiset kielet ovat melko yhtenäinen ryhmä, jossa variaatiota on paljon vähemmän. Toisaalta nimenomaan näistä sinun kuvista käy ilmi, että uralilaiset kielet ja niitä ympäröivät kielet/kieliperheet muodostavat usein melko tiiviin rykelmän.

En itse tulkitsisi kuvia niin, että rykelmä, johon uralilaiset kielet kuuluvat, muodostaisi oman ikivanhan kieliperheen vaan siten, että niihin on kohdistunut huomattavan paljon konvergenssia viimeisen 4000 vuoden kuluessa.

IE-kielten, afro-aasialaisten kielten ja sino-tiibetiläisten kielten suuri typologinen variaatio voisi kertoa myös niiden vanhemmasta iästä. Toisaalta variaatio selvästi lisääntyy maantieteellisen etäisyyden kasvaessa, joten typologinen variaatio voi johtua pelkästään siitä, että kyseiset kielet ovat laajalle alueelle levitessään assimiloineet suuren määrän erilaisia substraattikieliä.

Liettuan kieli on melkein kaikissa kuvissa IE-variaation keskivaiheilla, joten sen voisi tulkita heijastavan sitä, että liettua on säilyttänyt kaikkein parhaiten kantakielen typologisia piirteitä.

Vaikuttaako noiden kuvien luonteeseen se, kuinka paljon kieliä kustakin kieliperheestä on valittu? Muodostuuko muista kuin IE-kielistä tiivis rykelmä myös sen takia, että niistä on mukana vain muutama kieli?

[Kristiina]

En tiedä, miten työlästä noiden kuvien työstäminen oli, mutta jos sinua tai ketä tahansa muuta vielä huvittaa, minulla olisi joitakin ehdotuksia. Uralilaisista kielistä marin voisi lisätä, kuten myös nenetsin, jolloin suuresta samojediperheestä olisi mukana kaksi kieltä. Mansinkin voisi lisätä, mutta ennemmin nuo kaksi muuta. Turkkilaiskielistä voisi lisätä tsuvassin, koska siinä nähdään konvergenssia uralilaisten kielten kanssa. Sillä voisi vaikka korvata uzbekin. Turkkilaiskielistä voisi lisätä myös sakhan, koska kaikki tietävät, että kielen puhujien isälinjat ovat lähes pelkkää N:ää.

IE-kielistä voisi jättää pois molemmat kreikat ja ranskan sekä korvata englannin saksalla ja puolan venäjällä sekä lisätä armeenin. Näin siksi, koska ensin mainitut venyttävät kuvaa huomattavasti ’väärään suuntaan’ ilman, että tuovat lisäarvoa uralilaisten kielten arvioinnille, ja jälkimmäisillä on ollut suoria yhteyksiä uralilaisten kielten kanssa. Armeeni on puolestaan monessa suhteessa yllättävän lähellä. Jättäisin pois myös pari eksoottista kieltä, jotka samalla tavalla venyttävät kuvia ’väärään suuntaan’ eli kiinan ja W Magarin. Niiden sijaan lisäisin eksoottisen ketin, koska se on ollut suoraan yhteydessä itäisten uralilaisten kielten kanssa ja sitä puhutaan Länsi-Siperiassa aluella, johon uralilainen alkukoti halutaan sijoittaa.

Näillä muutoksilla pyrkimyksenä ei ole siis kartoittaa kielten erilaisuuksia ja yhteneväisyyksiä yleisellä tasolla vaan mahdollisesti saada parempi kuva uralilaisten kielten sisäisestä vaihtelusta ja kenties saada paremmin näkyviin konvergenssia/substraattivaikutusta tiettyjen kielten kanssa, kuten tsuvassi ja ket. Tavoitteena olisi siis saada tuota rykelmää hieman avautumaan, jotta suhteet muihin kieliin tulisivat paremmin esille.

Lopuksi on pakko vielä toistaa, että näissä vertailuissa kaikki perustuu Grambankin kysymyksiin, joissa on globaali näkökulma. Sen takia epäilen, että jos näkökulma olisi nimenomaan uralilaisissa kielissä ja pienissä siperialaisissa kielissä, huomattaisiin, että kysymyspatteria kannattaisi hieman muuttaa ja että joitain olennaisiakian piirteitä on jäänyt huomiotta. Tälle asialle emme voi mitään.

[merimaa]

Voin kokeilla tehdä noita ehdottamiasi muutoksia, niin nähdään, mitä niistä seuraa. Ajattelin myös kokeilla kasvattaa kielten lukumäärää, koska minua alkoi vaivamaan se, että käyttämässäni aineistossa on periaatteessa aika vähän kieliä, mutta paljon niitä kuvaavia muuttujia.

Jos ymmärtäisin paremmin tilastotiedettä, voisin ehkä arvioida, milloin analyysiin käytetty aineisto on riittävän suuri ja tulokset luotettavia. En kuitenkaan ole käynyt kuin ihan perustason tilastomatematiikan kurssin, enkä myöskään hallitse sitä matematiikkaa, johon pääkomponenttianalyysi perustuu.

Vaikuttaako noiden kuvien luonteeseen se, kuinka paljon kieliä kustakin kieliperheestä on valittu?

Tuo on hyvä kysymys. En osaa sanoa, miten se vaikuttaa, jos esimerkiksi merkittävä osa aineistosta painottuu samankaltaisiin kieliin.

PCA-kuvien pääkomponentit muodostetaan ymmärtääkseni niin, että ensimmäinen pääkomponentti selittää mahdollisimman paljon aineiston vaihtelusta ja seuraavat pääkomponentit selittävät aina edellistä pääkomponenttia vähemmän. Tällä perusteella arvelen, että kuvien luonteeseen vaikuttaa pääasiassa se, kuinka paljon ja minkälaista vaihtelua aineistoon kuuluvissa kielissä esiintyy.
https://setosa.io/ev/principal-component-analysis/
https://stats.stackexchange.com/questions/2691/making-sense-of-principal-component-analysis-eigenvectors-eigenvalues

Muodostuuko muista kuin IE-kielistä tiivis rykelmä myös sen takia, että niistä on mukana vain muutama kieli?

Grambank-artikkelissa on kuva (Fig. 3), jossa uralilaiset, turkkilaiset ja dravidalaiset kielet ovat kaikki samalla alueella kuvan oikeassa alalaidassa, ja siellä on myös indoeurooppalaisia, sinotiibettiläisiä ja nakh-dagestanilaisia kieliä. Sillä perusteella osa näihin kielikuntiin kuuluvista kielistä saattaa olla muutenkin melko lähellä toisiaan.
https://www.science.org/doi/full/10.112%20...%20adg6175#F3

[merimaa]

UraTyp-tutkimuksessa (Norvik et al. 2022) oli itse asiassa samanlainen tilanne kuin minulla aineiston kanssa: Aineistossa oli 29 kieltä ja niitä kuvaavia muuttujia oli yhteensä 360 – näistä 195 oli samoja kuin Grambankissa ja 165 oli erikseen valittu kuvaamaan uralilaisten kielten typologisia piirteitä. Tämä ei ollut alan ammattilaisille mikään ongelma, vaan he tekivät aineistosta PCA-kuvat, eivätkä huomauttaneet edes artikkelin menetelmäosiossa, että vertailtavia kieliä (ts. muuttujista tehtyjä havaintoja) olisi voinut olla enemmän. Nähtävästi asiasta ei siis kannata huolestua liikaa.

Tutkijat käyttivät PCA-kuvia, koska niiden avulla pystyy näkemään kielten mahdollisen ryhmittymisen samankaltaisten kielten ryppäiksi ja selvittämään, mitkä typologiset piirteet vaikuttavat ryhmittymisen taustalla. Lisäksi he kuvasivat artikkelissaan PCA:n eli pääkomponenttianalyysin toimintaperiaatteen.

"In order to explore the data and visualize its typological diversity, [...] we made a principal component analysis (PCA) to study (dis)similarities between Uralic subgroups and further explored which typological features make the distinction between particular subfamilies or languages."

"For an initial exploration of the typological relationships of these languages we used Principal Component Analysis (PCA). PCA is used for reducing the dimensionality of high-dimensional data in order to summarize its major parameters of variation. It is used for example in human genetic studies to squeeze information from thousands of genetic components (e.g., SNPs) into a smaller number of dimensions which summarize the most significant variation in the data, and which can be plotted against each other to indicate how (dis)similar human populations are. In the UraTyp data, each feature can be considered as an independent axis of variation. PCA rotates the frames of reference within this multidimensional space to create new axes – mathematically equivalent in that they preserve the relative positions of all the data points – but which are selected so that the points vary the most of the first axis, the next most of the second axis, and so forth. The amount of variance “explained” by each axis is measurable, and axes which explain too little variance (e.g. under a conventional threshold of 10% or 5% of the total variance in the dataset) can be ignored as irrelevant or uninformative. In our analyses reported below the first two dimensions explain 30% or more of the variance, and the third dimension explains less than 10%, so only the first two dimensions (PC1 and PC2) are reported in the paper."

Norvik, M., Jing, Y., Dunn, M., et al. (2022). Uralic typology in the light of a new comprehensive dataset.
https://www.jbe-platform.com/content/jo ... .00002.nor

Jos PCA:n toimintaperiaatteeseen haluaa tutustua vielä tarkemmin, sen voi tehdä hollantilaisen Wageningenin yliopiston havainnollistamisemenetelmän avulla (Saccenti 2024). Se on erittäin hyvä menetelmä, koska se esittää toimintaperiaatteen lähinnä sanallisesti ja kuvallisesti, eikä käytä juuri ollenkaan matemaattisia kaavoja tai edellytä matemaattisten menetelmien hallintaa.

Saccenti, E. (2024). A gentle introduction to principal component analysis using tea-pots, dinosaurs, and pizza.
https://onlinelibrary.wiley.com/doi/ful ... test.12363

[merimaa]

Sain tehtyä tänään uudet PCA-kuvat. Ne näyttävät vähän erilaisille, koska tein kuvat uudella työkalulla, jolla pystyy myös tarkentamaan lähemmäksi johonkin tiettyyn kohtaan kuvassa. Sain sillä tavalla tarkennettua niihin tiiviisiin ryppäisiin, joissa kielten nimet menevät muuten ikävästi päällekäin.

Vertailussa oli tällä kertaa mukana 31 kieltä ja niistä jokaisesta tarkasteltiin 105 typologista piirrettä. Alun perin piirteitä oli 195, mutta puuttuvat tiedot karsivat ensin pois 76 piirrettä ja 14 piirrettä jäi pois, koska ne olivat identtisiä kaikissa kielissä.

Tästä kuvasta (https://i.postimg.cc/65Kmp6BL/eigenvalues.png) näkee, että ensimmäiset kolme pääkomponenttia selittävät kielten typologisesta vaihtelusta yhteensä 33,2%. Ensimmäinen pääkomponentti selittää 13,1%, toinen 11,5%, kolmas 8,6% ja neljäs enää 5,9%. Sen vuoksi tein kuvat vain kolmesta ensimmäisestä pääkomponentista, mutta otin mukaan myös seitsemännen, koska jostain syystä hanti, nenetsi ja nganasan erottuvat sen suuntaisesti muiden uralilaisten kielten joukosta.

PC1 vs PC2: https://i.postimg.cc/7LL1L6sc/pca-PC1-PC2.png
PC1 vs PC2, lähempi kuva: https://i.postimg.cc/vHz66yVd/pca-PC1-PC2-zoom-in.png
PC1 vs PC3: https://i.postimg.cc/rss7CMwY/pca-PC1-PC3.png
PC2 vs PC3: https://i.postimg.cc/kMHHPr4q/pca-PC2-PC3.png
PC2 vs PC3, lähempi kuva: https://i.postimg.cc/vH6NQPg9/pca-PC2-PC3-zoom-in.png
PC1 vs PC7: https://i.postimg.cc/wBFWWZZK/pca-PC1-PC7.png

Tulkitsen seuraavia kuvia niin, että niistä näkee, mitkä Grambankin typologiset piirteet vetävät kieliä eniten eri pääkomponenttien suuntaisesti joko positiiviseen tai negatiiviseen suuntaan. Ensimmäinen pääkomponentti vastaa yleensä x-akselia ja muut pääkomponentit y-akselia, paitsi (yllä) kahdessa kuvassa, joissa toinen pääkomponentti vastaa x-akselia ja kolmas y-akselia.

PC1 positiiviset: https://i.postimg.cc/hvsbjB0p/PC1-variables.png
PC1 negatiiviset: https://i.postimg.cc/QMc7CD81/PC1-varia ... gative.png
PC2 positiiviset: https://i.postimg.cc/tgrsYg01/PC2-variables.png
PC2 negatiiviset: https://i.postimg.cc/FFkYHmTR/PC2-varia ... gative.png
PC3 positiiviset: https://i.postimg.cc/N00MqwyQ/PC3-variables.png
PC3 negatiiviset: https://i.postimg.cc/P5SXMFS9/PC3-varia ... gative.png
PC7 positiiviset: https://i.postimg.cc/ZY6JQqfr/PC7-variables.png
PC7 negatiiviset: https://i.postimg.cc/nhSxm9zt/PC7-varia ... gative.png

Grambankissa ei muuten ole saksan kieltä, joten otin sen tilalle muinaisenglannin, joka on varmaan kieliopillisesti lähellä saksaa. UraTyp-tietokannassa on sen sijaan täydelliset tiedot unkarin kielestä myös Grambankin typologisten piirteiden osalta, joten otin tiedot sieltä ja lisäsin unkarin mukaan, kun sen tavallaan ilmaiseksi sai, eikä sen takia joutunut uhraamaan yhtään käyttökelpoista dataa muista kielistä.

[Kristiina]

Kiitos! Nuo linkit ovat myös erinomaisia, koska olisi varsin suositeltavaa ymmärtää, mihin pääkomponenttianalyysi perustuu ja mitä sillä loppujen lopuksi mitataan. Muinaisgeenitutkimuksissahan pääkomponenttianalyysi on yksi tärkeimmistä menetelmistä.

Tässä huomioita, joita kuvat minussa herättävät.
PC1_PC2
IE-kielet asettuvat itä-länsi-akselille, jossa vasen suunta voisi kuvastaa myöhäisten farmarikielten vaikutusta. Myös uralilaiset kielet voi asettaa jonkinlaiselle itä-länsi-akselille, jolla läntiset uralilaiset kielet osoittavat suuntaan, joka ei ole aivan yhtenevä IE-kielten kanssa, mikä voisi kertoa hieman toisenlaisesta substraattivaikutuksesta. Toisaalta marin voisi katsoa lähentyvän turkkilaiskieliä ja jakuutin nganasania. Tsuvassi ei osoita minkäänlaista lähentymistä uralilaisiin kieliin mikroaltailaisiin kieliin suhteutettuna. Myöskään mikään itäinen uralilainen kieli ei osoita minkäänlaista lähentymistä länsisiperialaiseen ketin kieleen. Jos kantaurali asettuu uralilaisen vaihtelun keskivaiheille, esim. nenetsistä hieman vasemmalle, se on IE-kielistä verraten lähellä punjabia, armeenia ja luuvia

PC1_PC3
Tässä kuvassa IE-kielet eivät muodosta minkäänlaista janaa, kun taas uralilaiset kielet muodostavat suoran, jolla hanti on kaikkein erilaisin ja menee kohti tamilia ja lezgiä (Kaukasusta), kun taas muut uralilaiset kielet menevät jälleen kohti suuntaa, jolla ei ole mitään nykykieliä. Tässä kuvassa pikemminkin nenetsi kuin mari lähentyy turkkilaiskieliä. Tsuvassi ei jälleen osoita minkäänlaista lähentymistä uralilaisiin kieliin, eikä mikään uralilainen kieli ketiin.

PC1_PC7
Tässä kuvassa IE-kielillä ja uralilaisilla kielillä on jälleen omat akselinsa. Hanti, nenetsi ja nganasan muodostavat aivan oman ryhmänsä, joka menee poispäin kaikista muista kielistä. Liekö tällä suunnalla N-haplojen alkuperäinen kieli? Myös altailainen ryhmä menee aivan omaan suuntaansa ja sekä marin että komin voisi sanoa poikkeavan altailaisen ryhmän suuntaan.

Jäivätkö jupik ja chukchi vahingossa pois kuvista? Jupik olisi varsin mielenkiintoinen, koska uralilaisilla kielillä on yhteisiä piirteitä eskimokielten kanssa ja eskimouralia on ehdotettu omaksi ryhmäkseen samoin kuin uralojukagiiria.

Sen verran haluaisin "sohaista" tähän muinaisgeenikeskustelun muurahaispesään, että oletan, että ANE-perimä, joka on muinaiselle Länsi-Siperialle tunnusmerkillistä, korreloi todennäköisesti ketin kielen kanssa, ja ANE-perimän puute/vähyys uralilaisissa väestöissä näkyy siinä, että kielellinen lähentyminen ketin ja uralilaisten kielten välillä on vähäistä.

En pidä myöskään uskottavana, että Amurissa olisi kivikaudella puhuttu nanain kaltaista kieltä vaan pikemminkin nivkhin kaltaista kieltä ja Sahalinilla täysin kaikista poikkeavaa ainun kieltä, samoin kuin Manchuriassa tuskin puhuttiin evenkin kaltaista kieltä. Pitäisin korean kaltaista kieltä todennäköisempänä Liaojoen alueen kielenä. Typologisin perustein arvioiden modernit mikroaltailaiset kielet ovat mielestäni syntyneet Altain ja Mongolian tienoilla puhutun läntisen kielen sekoittuessa paikallisiin kieliin.