Lukemisahdistuksen yhteydet matematiikka-ahdistukseen, lukusujuvuuteen, sukupuoleen ja luokka-asteeseen
Notice bibliographique
Résumé
Tämän tutkimuksen tarkoituksena oli selvittää, missä määrin 2.–5. luokkalaisilla oppilailla esiintyy lukemisahdistusta ja onko lukemisahdistus yhteydessä matematiikka-ahdistukseen. Lisäksi selvitettiin, miten lukemisahdistus selittää lukusujuvuutta sekä ovatko sukupuoli ja luokka-aste yhteydessä lukemisahdistukseen ja matematiikka-ahdistukseen. Tämän tutkimuksen aineisto oli osa Minäpystyvyys ja oppimisvaikeusinterventiot -hankkeen aineistoa. Hanke oli Jyväskylän yliopiston ja Niilo Mäki Instituutin toteuttama. Tutkittavia tässä tutkimuksessa oli yhteensä 1383. Aineiston analysointiin käytettiin Pearsonin korrelaatiokerrointa, ristiintaulukointia, hierarkkista regressioanalyysiä sekä monimuuttujaista varianssianalyysia (MANOVA). Tutkimuksen tulokset osoittivat, että lukemisahdistusta koetaan jo alakoulussa ja sitä raportoitiin lähes yhtä paljon kuin matematiikka-ahdistusta. Lisäksi tässä tutkimuksessa todettiin, että lukemisahdistus ja matematiikka-ahdistus olivat yhteydessä toisiinsa. Tulokset osoittivat myös, että lukemisahdistus selitti lukusujuvuutta, kun matematiikka-ahdistus oli kontrolloitu. Sukupuoli ja luokka eivät olleet yhteydessä lukemis- ja matematiikka-ahdistukseen. Tämä tutkimus osoitti, että vaikka lukemisahdistuksesta ei ole vielä juurikaan tutkimustietoa, vaikuttaa sitä esiintyvän alakouluikäisillä lapsilla ja se vaikuttaa olevan melko yleistä. Kuitenkaan lukemisahdistuksesta ei vielä tiedetä tarpeeksi, joten tutkimusta tarvitaan lisää. Tutkimus lukemisahdistuksesta on tärkeää, jotta esimerkiksi opettajat osaavat tunnistaa lukemisahdistusta kokevat oppilaat.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,012 |
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 ».