Two Cultures of Arts Education, Finland and Canada? An integrated View
Notice bibliographique
Résumé
Taidekasvatuksen kaksi kulttuuria, Suomi ja Kanada? Integroitu näkemys Tutkimuksessa kuvataan kanadalaisen Learning Through The Arts –pedagogiikan mukainen suomalainen kokeiluhanke, jonka aikana taiteilija–opettaja-parit opettivat yhdessä eri oppiaineita koululuokille: esim. matematiikkaa tanssien, biologiaa maalaten tai yhdistäen eri taiteenlajeja projektimuotoiseen oppimiseen. Hanketta arvioitaessa nousee esille, ei niinkään yksittäisten taiteilijoiden ja opettajien toiminta, vaan pikemminkin Kanadan ja Suomen rakenteelliset sekä kulttuuriset eroavuudet. Tutkimus sivuaa myös Suomessa käytävää keskustelua taiteen hyödyllisyydestä ja pohtii samalla taito- ja taideaineiden asemaa koulussa. Työn teoreettisessa osassa integroidaan opetussuunnitelmateoriaa, kasvatuksen historiaa ja filosofiaa, tähdentäen taidekasvatuksen merkitystä osana koko ihmisen kasvatusta. Opetussuunnitelmateorian osalta tarkastellaan romanttista ja klassista opetussuunnitelmaa, jotka eroavat toisistaan menetelmiensä, sisältöjensä, tavoitteidensa sekä arvioinnin osalta. Ns. kovat ja pehmeät aineet tai matemaattis-luonnontieteelliset aineet vastakohtanaan humanismi, voidaan ymmärtää sekä historiallisia että epistemologisia taustojaan vasten. Pepperin maailmanhypoteesien mukaisesti on kasvatuksen ongelmien ratkaisemiseksi hahmotettavissa neljä selvästi toisistaan eroavaa lähestymistapaa: formismi; organisismi; mekanisismi; sekä kontekstualismi. Kantin filosofiaan viitaten tutkimus puolustaa käsitystä taiteesta rationaalisena ja propositionaalisena kokonaisuutena, joka ei ole vain kommunikaation väline, vaan yksi todellisuuden kohtaamisen lajeista, tiedon ja etiikan rinnalla. Näin ajateltuna taito- ja taidekasvatuksen tulisi olla luonteeltaan aina myös kulttuurikasvatusta. Tutkimuksen tulosten perusteella voidaan väittää, että moniammatillinen yhteistyö monipuolistaa koulun opetusta. Mikäli huolehditaan siitä, että taiteilijat saavat riittävästi koulutusta opettamiseen liittyvissä asioissa, on mahdollista käyttää taiteilijoita opettajien rinnalla koulutyössä.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,019 | 0,005 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».