Cohesion in First-Year University EFL Student Writing : A Corpus-Based Analysis of Cohesive Devices

Abstract

This thesis examines the use of cohesive devices in 29 academic essays written by first-year university students studying English as a foreign language and evaluates how their writing aligns with the Common European Framework of References for Languages B2.1 descriptors for coherence and cohesion. The study draws on Halliday and Hasan’s (1976) model of cohesion and employs both corpus-based quantitative analysis (using TAACO 2.0.4) and qualitative interpretation against CEFR benchmarks. The material consists of student essays sourced from the ACALEX corpus. The analysis focuses on the types and frequency of cohesive devices, the balance between lexical and grammatical cohesion, and the correspondence to B2.1 expectations. The results show that students predominantly use lexical cohesion through repetition of content words, with moderate sentence-level cohesion and stronger paragraph-level thematic links. Grammatical cohesion is less frequent beyond basic reference and conjunction use; substitution and ellipsis are rare. Although students’ writing generally meets basic B2.1 expectations for organisation and clarity, thematic progression across longer text spans remains inconsistent. The findings suggest that while first-year EFL students demonstrate emerging control over basic cohesion strategies, further instruction is needed to develop more flexible, reader-oriented, and rhetorically sophisticated academic writing. The study highlights the importance of integrating cohesion instruction into broader academic writing pedagogy.

Johdanto Tämä pro gradu -tutkielma tarkastelee ensimmäisen vuoden yliopisto-opiskelijoiden koheesion käyttöä englanninkielisissä akateemisissa esseissä. Tutkimus pyrkii vastaamaan kasvavaan tarpeeseen ymmärtää, miten L2-kirjoittajien akateeminen kirjoitustaito kehittyy ja mitä pedagogisia toimenpiteitä voidaan suositella opiskelijoiden kirjoitustaidon tukemiseksi. Tutkielman teoreettinen viitekehys pohjautuu Hallidayn ja Hasanin (1976) koheesiomalliin, jossa koheesiokeinot luokitellaan viiteen pääryhmään: pronominaaliset viittaukset (kuten persoonapronominit ja demonstratiivipronominit), substituutio (yhden elementin korvaaminen toisella), ellipsi (kontekstista palautettavissa olevien elementtien pois jättäminen), konjunktiot (lauseiden väliset loogiset suhteet) ja leksikaalinen koheesio (sanojen toistaminen, synonyymit ja kollokaatio). Koheesio eroaa syntaksista: syntaksi säätelee lauseiden rakennetta, kun taas koheesio toimii lauseiden rajojen yli. Koheesiokeinot toimivat eri tavoin kontekstin mukaan. Pronominaaliset viittaukset auttavat lukijaa seuraamaan ideoita ja argumentteja tekstin sisällä, substituutio ja ellipsi luovat taloudellisuutta välttämällä toistoa, konjunktiot ilmaisevat loogisia suhteita tekstin osien välillä ja leksikaalinen koheesio tukee aiheen kehittymistä toistojen ja semanttisten assosiaatioiden kautta. Akateemisessa kirjoittamisessa leksikaalinen koheesio ja konjunktiot ovat erityisen tärkeitä, kun taas korvaaminen ja ellipsit ovat tyypillisempiä puhutulle kielelle ja siten harvinaisempia muodollisissa esseissä. Lisäksi tutkielmassa hyödynnetään eurooppalaisen viitekehyksen (EVK) (Council of Europe 2001, 2020) B2.1-tason taitotasokuvauksia, joissa painotetaan kykyä tuottaa johdonmukaisia ja temaattisesti jäsentyneitä tekstejä. Opetussuunnitelman perusteiden mukaan opiskelijoiden odotetaan saavuttavan B1.1-tason perusopetuksen loppuun mennessä ja etenevän B2.1-tasolle lukion loppuun mennessä (Opetushallitus 2014; 2019; 2025). Ensimmäisen vuoden yliopisto-opiskelijoiden oletetaan siis kirjoittavan B2.1-tasolla. Tutkimus yhdistää kvantitatiivisen analyysin korpusaineiston pohjalta ja tätä tukevan kvalitatiivisen analyysin. Tutkimuksen tavoitteena oli selvittää (1) mitä koheesiokeinoja opiskelijat yleisimmin käyttävät, (2) miten sanastollinen ja kieliopillinen koheesio jakautuvat sekä (3) kuinka kirjoitelmien koheesio vastaa CEFR B2.1-taitotason odotuksia. Koheesio on tärkeä osa selkeää ja tehokasta akateemista kirjoittamista. Hallidayn ja Hasanin (1976) mukaan koheesio on kielellinen keino, jolla tekstin osat sidotaan toisiinsa ja koheesion ajatellaan helpottavan ymmärtämistä ja tukevan tekstin johdonmukaisuutta. Koheesiota edistävät esimerkiksi pronominaaliset viittaukset, konjunktiot ja sanaston toistot, jotka auttavat kirjoittajaa jäsentämään ajatuksiaan loogisesti ja helpottavat lukijaa argumenttien ja yhteyksien ymmärtämisessä. Koheesion tehokas käyttö on erityisen tärkeää vieraan kielen oppijoille, jotta he voivat tuottaa laadukasta ja ymmärrettävää tekstiä vieraalla kielellä.

Aineisto ja menetelmät Tutkimusaineistona käytetään ACALEX-korpusta, joka koostuu kolmen eri yliopiston opiskelijoiden (Turun yliopisto, Åbo Akademi, Szegedin yliopisto, Unkari) oppijakielinäytteistä. Korpus sisältää 2016–2018 välillä kerättyjä kirjallisia ja suullisia tuotoksia. Tähän tutkimukseen valikoitu tutkimusaineisto koostuu 29:stä Turun yliopiston ensimmäisen vuoden englannin kielen opiskelijan akateemisesta kirjoitelmasta. Nämä tekstit ovat kerätty osana akateemisen tekstitaidon kurssia, jossa oppilaiden ohjeistuksena on ollut kirjoittaa essee aiheesta “Kuinka näen ammatillisen tulevaisuutena tällä hetkellä” ja esseiden toteutunut keskimääräinen pituus oli 540 sanaa. Kvantitatiivinen analyysi suoritettiin käyttämällä TAACO 2.0.4 työkalua, joka mahdollistaa tekstien automaattisen analysoinnin. TAACO 2.0.4 on laskennallinen ohjelma, joka analysoi erilaisia indeksejä, kuten vierekkäisten lauseiden sanaston päällekkäisyyttä, kappaleiden sanaston päällekkäisyyttä, synonyymien päällekkäisyyttä, semanttista samankaltaisuutta (käyttäen LSA-, LDA- ja word2vec-malleja) sekä kieliopillisten koheesiokeinojen, kuten pronominaalisten viitauksien ja konjunktioiden, esiintymistiheyttä ja moninaisuutta. Tutkielmaan valitut TAACO 2.0.4 indeksit tukevat Hallidayn ja Hasanin (1976) koheesiomallin jaottelua, jonka vuoksi työkalu soveltuu hyvin akateemisten tekstien sisältämän koheesion tarkasteluun. Tutkimuksessa tarkastellaan leksikaalisen koheesion osalta sanaston monipuolisuutta ja toistuvuutta sekä semanttista samankaltaisuutta tekstin eri osien välillä. Kieliopillista koheesiota tarkastellaan pronominaalisten viittausten, konjunktioiden, substituution ja ellipsin kautta. Kvantitatiivisen analyysin tueksi tutkimuksessa tarkastellaan kvalitatiivisesti substituution ja ellipsin ilmenevyyttä opiskelijoiden kirjoitelmissa sekä arvioidaan kirjoitelmien tasoa yhteisen eurooppalaisen kielten viitekehyksen B2.1 taitotason kuvauksiin. Tasolla B2.1 kirjoittajien odotetaan tuottavan hyvin jäsenneltyjä tekstejä, joissa on selkeä tekstilajin mukainen kappalerakenne ja kirjoittajien oletetaan osaavan käyttää koheesiokeinoja, joskin vielä rajoitetusti. Taitotason kriteerit sallivat kuitenkin joitakin puutteita, kuten satunnaista koheesion epäjohdonmukaisuutta tai lieviä epäjohdonmukaisuuksia argumentaation etenemisessä.

Analyysi ja tulokset Tutkimuksessa käytetyt korpuspohjaisen analyysin kvantitatiiviset tulokset ja esseiden laadulliset arvioinnit täydensivät toisiaan. Leksikaalinen koheesio, erityisesti sanojen toistaminen, oli merkittävin koheesiokeino opiskelijoiden kirjoitelmissa. Sanaston monipuolisuuteen liittyvät indeksit viittaavat siihen, että opiskelijat käyttävät sanastoa tasapainoisesti. He toistavat keskeisiä termejä vahvistaakseen tekstin koheesiota ja aiheen jatkuvuutta, mutta vaihtelevat sanavalintojaan riittävästi lukijan mielenkiinnon ylläpitämiseksi. Leksikaalisen toistuvuuden tulokset olivat kohtalaiset vierekkäisten lauseiden välillä, mutta huomattavasti korkeammat vierekkäisten tekstikappaleiden välillä, mikä osoittaa, että opiskelijat toistivat sanoja useammin vierekkäisiä lauseita suuremmissa tekstiyksiköissä. Nämä tulokset viittaavat siihen, että opiskelijat säilyttävät temaattisen jatkuvuuden leksikaalisen koheesion avulla paremmin tekstikappaleiden kuin lauseiden tasolla. Huomattavaa on myös se, että vaikka opiskelijoiden koheesio riippui suurelta osin keskeisen sanaston uudelleenkäytöstä eikä niinkään koheesiositeiden monipuolistamisesta synonyymien, hyponyymien tai hyperonyymien avulla. Synonyymien toistuvuus ja semanttisen samankaltaisuuden indeksit tukivat tätä tulkintaa, sillä word2vec- ja LSA-indeksien arvot osoittivat tekstien vahvaa semanttista samankaltaisuutta. Korkeat LDA-indeksin arvot viittaavat kuitenkin siihen, että vaikka opiskelijat loivat semanttisia yhteyksiä lauseiden ja tekstikappaleiden tasolla, tekstien sisäinen laajempi temaattinen yhteneväisyys ja aiheen kehittäminen olivat epäjohdonmukaista. Kieliopillisen koheesion osalta tulokset viittaavat siihen, että opiskelijat käyttävät enemmän kokonaisia substantiivifraaseja kuin pronomineja. Pronominitiheys oli alhainen ja pronomini-substantiivisuhde kohtalainen, mikä viittaa siihen, että opiskelijoille ilmaisun selkeys oli tärkeämpää kuin taloudellisuus. Pronominien vähäinen käyttö viittaa siis niin sanottuun varovaiseen koheesiostrategiaan, jossa asetetaan etusijalle selkeys, mutta jonka johdosta tekstissä on vähemmän tyylillistä vaihtelua ja monipuolisuutta. TAACO 2.0.4 ei sisällä indeksejä substituution ja ellipsin automaattiseen mittaamiseen, joten nämä kieliopillisen koheesion kategoriat analysoitiin kvalitatiivisesti, käymällä esseet läpi manuaalisesti ja etsimällä niistä esimerkkejä näistä kategorioista. Havaittu substituution käyttö oli hyvin vähäistä, nominaali- ja lauseenjäsenien substituutiota esiintyi vain satunnaisesti, eikä selkeitä esimerkkejä verbisubstituutiosta löytynyt. Manuaalisessa analyysissa ei löytynyt myöskään ellipsiä, mutta tämä voi johtua myös siitä, että jotkin tapaukset ovat jääneet huomioimatta subjektiivisuuden vuoksi huolimatta pyrkimyksestä mahdollisimman perusteelliseen tarkasteluun. Konjunktioiden ja konnektiivien analyysi osoitti, että opiskelijat käyttivät eniten lisäystä ilmaisevia konjunktioita (esim. and, also), seuraavina olivat kausaaliset (esim. therefore, because), kontrastia tai ristiriitaa ilmaisevat konjunktiot (esim. but, however) ja temporaaliset konjunktiot (esim. after, next). Nämä tulokset viittaavat siihen, että opiskelijat keskittyvät ensisijaisesti tiedon lisäämiseen sen sijaan, että he tuottaisivat retorisesti monimutkaisempia konjunktioita, kuten kontrastia, syy-seuraussuhteita tai ajallista etenemistä. Adversatiivisten (kontrastia tai ristiriitaa ilmaisevien) ja kausaalisten konjunktioiden suhteellisen vähäinen käyttö viittaa siihen, että retorisia strategioita, jotka ilmaisevat kontrastia ja loogista päättelyä, vältetään opiskelijoiden kirjoitelmissa, vaikka ne ovat tärkeitä tehokkaassa viestin välittymisessä. Vastaavasti ajallisten konjunktioiden vähäinen käyttö viittaa siihen, että opiskelijoilla voi olla haasteita myös tapahtumien, prosessien tai argumentaatiovaiheiden selkeässä jäsentämisessä. Opiskelijat siis tukeutuvat yksinkertaisten konnektiivien käyttöön sen sijaan, että he rakentaisivat monimutkaisia loogisia suhteita ajatusten välille. Opiskelijoiden kirjoitelmien kvalitatiivinen analyysi osoitti että, vaikka lauseiden välinen koheesio oli yleisesti ottaen hyvä, kappaleiden välinen temaattinen kehitys oli usein epätasaista. Useimmat opiskelijat pystyvät järjestämään tekstinsä selkeisiin kappaleisiin ja yhdistämään tekstin sisältöä toisiinsa peruskoheesiokeinoin, mikä vastaa EVK:n B2.1 -vaatimusta yleisestä johdonmukaisuudesta ja selkeydestä. Osassa esseistä kappaleiden rakenne oli vahva ja teemallinen eteneminen johdonmukaista, mutta toisissa oli äkillisiä aiheiden vaihtoja ja heikosti tekstiin sidottuja siirtymiä aiheiden välillä. Tämä vaihtelu korostaa, että vaikka opiskelijat saavuttivat selkeän pintatason koheesion, yleinen johdonmukaisuus ja lukijakeskeinen aiheenkäsittely ovat vielä kehittymässä. Yhteenvetona tulokset viittaavat siihen, että ensimmäisen vuoden yliopisto-opiskelijat, joiden englannin kielen taso on B2.1, hallitsevat pintatason koheesiokeinot ja käyttävät kirjoituksessaan eniten sanaston toistoa eli leksikaalista koheesiota ja yksinkertaisia konjunktioita. Heidän kirjoituksissaan on kuitenkin havaittavissa vain vähän muuta kieliopillista koheesiota pronominaalisten viittausten ja lisäystä ilmaisevien konjunktioiden lisäksi, lisäksi aiheenkäsittely kappaleiden välillä on usein epäjohdonmukaista. Vastauksena toiseen tutkimuskysymykseen leksikaalinen koheesio on huomattavasti käytetympi koheesiokeino verrattuna kieliopilliseen koheesioon. Esseiden tarkastelu viittaa siihen, että opiskelijat täyttävät yleisesti CEFR B2.1 -tason vaatimukset selkeän kappalejaon ja peruskoheesiokeinojen käytön osalta, mutta heidän on vielä kehitettävä retorista joustavuutta, monipuolisuutta ja tekstin kokonaisrakenteen hallintaa kirjoituksissaan. Kuitenkin tulosten tarkastelussa tulee huomioida, että esseitä ei ole virallisesti arvioitu taitotason mukaan ja opiskelijoiden todellinen taitotaso voi olla korkeampi. Tutkimuksen tulokset tukevat aiempaa tutkimusta ja korostavat tarvetta koheesiokeinojen syvällisempään opetukseen. Opiskelijoille tulisi opettaa laajemmin ja syvällisemmin eri koheesiokeinoja, retoristen keinojen käyttöä, tekstin rakenteen suunnittelua. Tällä hetkellä valtaosa käytetyistä koheesiokeinoista on leksikaalisen koheesion toistoa sekä lisäystä ilmaisevia konjunktioita. Opiskelijat voivat tukeutua näihin tuttuihin ja turvallisiin keinoihin välttääkseen virheitä ja koska he eivät koe hallitsevansa vaativampia koheesiokeinoja tarpeeksi hyvin. Konjunktioiden ja sidoskeinojen laajempaa merkitystä olisi hyvä selventää pelkän mekaanisen läpikäymisen sijasta. Opetuksessa olisi siis tärkeää kiinnittää huomiota myös synonyymien, hyponyymien ja kollokaation avulla luodun koheesion kehittämiseen. Tämä lisäisi tekstien monipuolisuutta ja vivahteikkuutta ja auttaisi opiskelijoita kehittämään ilmaisuvarastoaan. Tietoisuuden syventäminen lukijan odotuksista ja tekstilajikohtaisista käytänteistä voisi auttaa opiskelijoita kehittämään koheesiokeinojen käyttöä pinnallisemmasta paikallisesta koheesiosta kohta globaalia eli koko tekstin kattavaa koheesiota. Tulosten tulkinnassa on tärkeää ottaa huomioon tutkimuksen useat rajoitukset. Valittu korpus oli pieni ja homogeeninen, mikä rajoittaa tulosten yleistettävyyttä. Tulevassa tutkimuksessa tulisikin tarkastella laajempia ja monipuolisempia tekstejä ja tutkimusta voitaisiin laajentaa tarkastelemaan EVK:n eri taitotasojen oppilaita esimerkiksi vertailututkimuksen keinoin. Lisäksi vaikka TAACO 2.0.4 tarjosi suuren valikoiman koheesioindeksejä, ohjelmassa ei ollut mahdollista tutkia kvantitatiivisesti substituutiota eikä ellipsiä. Manuaalisesti suoritettu kvalitatiivinen tutkimus ei ole luotettavin ilmiöiden määrän tutkimuksessa ja tätä edelleen rajoittaa kirjoittajan asiantuntemuksen puute ilmiöiden havaitsemisessa. Lisäksi EVK:n B2.1 -kuvauskriteereihin perustuva arviointi sisälsi subjektiivisia arvioita ja oli rajoittunut kirjoittajan asiantuntemuksen tasoon. Laadullisten arvioiden luotettavuutta voitaisiin parantaa käyttämällä useampia asiantuntevia arvioijia. Lopuksi tutkimus keskittyi lopullisiin kirjallisiin tuotteisiin ottamatta huomioon kirjoittamisprosesseja, kuten suunnittelua, luonnoksen laatimista tai tarkistamista. Aikaisemmat tutkimukset ovat kuitenkin osoittaneet, että kirjoittamisprosessia kokonaisuutena koskeva tutkimus voisi tarjota lisätietoa koheesion kehittymisestä. Yhteenvetona voidaan todeta, että tämä tutkimus tarjoaa pienen katsauksen siihen, miten ensimmäisen vuoden yliopisto-opiskelijat hallitsevat koheesiota akateemisessa kirjoittamisessa.