Luokanopettajan vuorovaikutustaidot ristiriitaisissa vuorovaikutustilanteissa kouluympäristössä
Notice bibliographique
Résumé
Tämän Pro gradu -tutkielman tarkoituksena oli selvittää, millaisia vuorovaikutustaitoja luokanopettajat nimeävät tarvitsevansa työssään ristiriitatilanteiden ratkaisemiseen. Lisäksi tutkielmassa haluttiin selvittää, miten luokanopettajat ratkaisevat ongelmallisina pitämiään vuorovaikutustilanteita ja millaisia keinoja opettajilla on tilanteista selviytymiseen. Luokanopettajilta pyydettiin myös neuvoja tuleville opettajille erilaisten ristiriitatilanteiden ennakointiin ja ratkaisemiseen. Tutkimus toteutettiin laadullisilla tutkimusmenetelmillä. Tutkimusaineisto kerättiin puolistrukturoidun teemahaastattelun avulla helmi-maaliskuussa 2019. Haastatteluihin osallistui seitsemän luokanopettajaa, joilla työkokemusta oli 5– 35 vuotta. Aineisto analysoitiin sisällönanalyysin menetelmiä käyttäen. Tutkimustuloksista käy ilmi, että luokanopettajat kohtaavat työssään monenlaisia ja vakavuudeltaan eriasteisia ongelma- ja ristiriitatilanteita lähes päivittäin. Työssään luokanopettajat ilmaisivat tarvitsevansa monenlaisia vuorovaikutustaitoja, joista tärkeimpinä pidettiin kuuntelemista, sovittelua, neuvottelua ja empatiaa. Vaikeissa ristiriitatilanteissa luokanopettajat tukeutuivat useimmin heidän esimieheensä. Opettajat pitivät kuitenkin ensiarvoisen tärkeänä toisilta kollegoilta saamaansa tukea ristiriitatilanteiden ratkaisemiseen. Luokanopettajien mielestä ristiriitatilanteita aiheuttavat eniten väärinymmärrykset, oppilaiden ja heidän perheidensä tuntemuksen puute tai laajemmalla tasolla yleinen yhteiskunnallinen kasvatuskulttuurin muutos ja opettajan ammatin arvostuksen heikkeneminen. Neuvoiksi uusille opettajille luokanopettajat antoivat muun muassa myönteisen ilmapiirin luomisen luokkaan ja avun pyytämisen kollegoilta.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,072 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».