MétaCan
Menu
Retour à la cohorte
Enregistrement W6982834809

Kemia ja oppiainerajat ylittävä opetus Suomen lukioiden paikallisissa opetussuunnitelmissa 2021

2022· other· fi· W6982834809 sur OpenAlexaboutno aff

Notice bibliographique

RevueUTUPub (University of Turku) · 2022
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Quarter (Canadian coin)Population
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Uusi nuorille tarkoitetun lukiokoulutuksen opetussuunnitelman perusteet julkaistiin 2019 ja sen pohjalta laaditut paikalliset opetussuunnitelmat on otettu käyttöön 1.8.2021 alkaen. Keskeinen muutos edelliseen opetussuunnitelmaan verrattuna on lukio-opintojen uusi rakenne, missä opinnot rakennetaan paikallisesti opetussuunnitelman perusteissa kuvatuista moduuleista opintojaksoiksi. Opintojaksojen muodostamiseen on annettu hyvin vapaat kädet ja onkin mielenkiintoista, miten tätä mahdollisuutta hyödynnetään nyt lukioissa. Oppiainerajat ylittävät opinnot on mainittu opetussuunnitelman perusteissa yhdeksi keinoksi vahvistaa oppimistuloksia ja eheyttää lukiokoulutusta. Tässä tutkielmassa perehdytään erityisesti oppiainerajat ylittävän opetuksen järjestämiseen, ja saatuja tuloksia tarkastellaan oppiainerajat ylittävän opetuksen näkökulmasta. 
\nTutkielmassa halutaan selvittää, miten eri tavoin kemian oppiaineen opinnot on rakennettu lukioiden paikallisissa opetussuunnitelmissa ympäri Suomen. Tutkielmassa tutkitaan, miten kemian oppiaineen moduulit on rakennettu opintojaksoiksi ja miten eri tavoin kemian oppiainetta yhdistetään muiden oppiaineiden kanssa ja missä yhteyksissä vai yhdistetäänkö ollenkaan. Tutkielmassa tarkastellaan erityisesti oppiainerajat ylittävän opetuksen järjestämistä ja tutkitaan oppiaineiden yhdistämistä (integraatiota) lukiokohtaisissa valinnaisissa opintojaksoissa. Tutkimuksessa vertaillaan lukioita, joissa on luonnontiedelinja lukioihin, joissa ei ole luonnontiedelinjaa. Vertailu kohdistuu lukiokohtaisiin valinnaisiin opintojaksoihin, joissa on yhdistetty kemian oppiaine muihin oppiaineisiin. Tutkimustieto antaa laajan katsauksen Suomen lukioiden kemian opetuksen toteutukseen ja siihen, millaista oppiainerajat ylittävää opetusta järjestetään kemian oppiaineen näkökulmasta. 
\nTutkimuksen aineisto koostuu 110 paikallisesta lukion opetussuunnitelmasta. Aineisto analysoitiin Webropol-kyselytyökalun avulla, johon vastaukset kirjattiin jokaisen lukion kohdalla itse. Analyysimenetelmänä käytettiin sisällön analyysiä. 
\nTulosten mukaan yleisin tapa opettaa kemian pakolliset moduulit on opettaa ne yhteisenä 2 op opintojaksona ja toiseksi yleisin tapa on opettaa ne erillisinä 1 op opintojaksoina. Alle viidesosa kemian pakollisen moduulin sisältävistä opintojaksoista on oppiainerajat ylittäviä, joista puolet sisältävät kemian ja fysiikan opintoja ja loput 10 % ovat monipuolisemmin oppiainerajat ylittäviä opintojaksoja. Aineiston lukioista 99 % järjestää kaikki kemian valtakunnalliset valinnaiset moduulit omina 2 op opintojaksoina. Lukiokohtaisia valinnaisia opintojaksoja, joissa kemian opintoja on yhdistetty muiden oppiaineiden kanssa, tarjoaa 55 % aineiston lukioista. Luonnontiedelinjan omaavissa lukioissa tarjotaan enemmän lukiokohtaisia valinnaisia kemian integraatio-opintojaksoja kuin lukioissa, joissa ei ole luonnontieteiden painotusta. Kemian kanssa yhdistetään eniten biologiaa ja fysiikkaa ja teemoina kestävä kehitys sekä kokeellisuus näkyvät opintojaksoissa.
\nMäärällisesti oppiainerajat ylittäviä opintojaksoja, jotka sisältävät kemian opintoja, on vielä vähän ja monipuolisimmin niitä tarjotaan luonnontiedelinja omaavissa lukioissa. Huomionarvoista on kuitenkin se, että uuden opetussuunnitelman myötä pakollisia kemian moduuleja on lähdetty yhdistelemään 11 eri oppiaineen kanssa ja lukiokohtaisia valinnaisia kemian opintoja on yhdistetty 10 eri oppiaineen kanssa.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0080,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,6100,038

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,193
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTUPub (University of Turku)Travaux en français237 207