Selkokirjoja, sananselitystä ja äänikirjoja – Suomi toisena kielenä -oppilaiden huomiointi alakoulun kirjallisuuden opetuksessa
Notice bibliographique
Résumé
Vuoden 2018 PISA-tutkimuksen tulokset osoittavat, että Suomessa lukutaidon tasoero maahanmuuttajataustaisten ja kantaväestöön kuuluvien oppilaiden välillä on OECD-maiden suurin. Lukuisat tutkimukset ovat osoittaneet sujuvan lukutaidon olevan yksilön nyky-yhteiskunnassa toimimisen kannalta välttämätön edellytys. Tämän tutkimuksen tavoitteena oli luoda opettajille suunnatun kyselyaineiston pohjalta katsaus siihen, millä tavoin äidinkieleltään muita kuin suomenkielisiä oppilaita huomioidaan suomalaisten alakoulujen kirjallisuuden opetuksessa. Jotta toimintaa voitaisiin jatkossa kehittää suuntaan, joka voisi kaventaa näiden ryhmien välistä luku-taidon tasoeroa, on tärkeää tuntea ilmiön nykytilanne ja se, miten opettajat huomioivat – tai eivät huomioi – äidinkieleltään muut kuin suomenkieliset oppilaat kirjallisuutta opettaessaan. Tutkimus toteutettiin osana Lukuklaani-hanketta, ja aineistona hyödynnettiin hankkeen keräämää kyselyaineistoa. Kyselytutkimus on tehty vuonna 2017, ja siihen on vastannut yhteensä 885 alakoulun opettajaa. Tämän tutkimuksen aineistona toimi yhden kyselystä valikoidun kysymyksen vastausaineisto, joka oli 378 vastauksen suuruinen. Vastausaineistoa tutkittiin pääasiassa kvalitatiivisin menetelmin teoriaohjaavaa sisällönanalyysia käyttäen, mutta siihen tehtiin katsausta myös kvantitatiivisia menetelmiä hyödyntäen. Tutkimus toi esiin, että 89 % aineiston opettajista huomioi suomi toisena kielenä -oppilaita kirjallisuutta opettaessaan jollakin tavoin. Huomiointiin hyödynnettiin moninaisia työtapoja ja menetelmiä. Yleisimmin S2-oppilaiden huomiointi tapahtui yhteistoiminnallisilla työtavoilla. Toiseksi yleisintä oli, että huomioinnin menetelmät liittyivät opettajan toimintaan. Vain pieni osa opettajista hyödynsi huomioinnissa yksilötyöskentelyä. Suurin osa aineiston vastaajista kuvaili S2-oppilaidensa lukevan kirjallisuutta, joka on valittu jollakin tietyllä perusteella juuri heidän luettavakseen. Suurin osa näistä valintaperusteista liittyi kirjassa käytettyyn kieleen. Kielen lisäksi myös kirjan sisältö vaikutti siihen, pidetäänkö teosta sopivana S2-oppilaille. Aineiston opettajista 11 % ilmaisi vastauksessaan, ettei kohdista S2-oppilaisiin erityishuomiota kirjallisuuden opetuksessa. Huomioimattomuudelle esitettiin muutamia erilaisia perusteluita, jotka liittyivät joko oppilaaseen tai koulun toimintaan.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,025 |
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 ».