“We have a lot of tools, but the soil is not good enough” : reasons Behind the Differences in English Language Skills in Finland and South Korea
Notice bibliographique
Résumé
Suomi ja Etelä-Korea ovat molemmat usein erinäisten oppimistuloksia mittaavien tutkimusten (esim. PISA) kärkikastissa. Kuitenkin Education Firstin organisoimassa English Proficiency Index -testissä Suomi on kymmenen parhaan joukossa erinomaisen kielitaidon tasolla (sijoilla 3–9 vuosina 2019–2021) ja Etelä-Korea puolestaan keskivertaisen kielitaidon sijoilla 32–37. Miten tähän päädyttiin? Mikä selittää näin suuren eron näiden kahden maan englannin kielen tasossa, vaikka kaikkien muiden aineiden oppimistulosten suhteen maat ovat lähes tasavertaisia? Tämän tutkimuksen tavoitteena oli selvittää, millä tavoin suomen ja korean englanninopetusmetodit ja -tavat ovat erilaisia tai samanlaisia suomalaisten ja korealaisten englanninopettajien mielestä. Tarkoitus oli myös selvittää, osaisivatko nämä opettajat löytää syitä suomalaisten ja korealaisten englannin kielen taitotason eroihin. Lisäksi tutkimuksessa haluttiin kartoittaa, mitä mieltä opettajat ovat Suomen ja Korean välisistä koulutusvientimahdollisuuksista, ja mitä asioita tällaisessa yhteistyössä tulee heidän mielestään ottaa huomioon. Tutkimuksessa haastateltiin kahta suomalaista ja kolmea eteläkorealaista englanninopettajaa, joilla oli kokemusta sekä Suomen että Etelä-Korean englanninopetustavoista. Haastattelut toteutettiin puolistrukturoituina ja data analysoitiin deduktiivista sisällönanalyysimetodia hyödyntäen. Tutkimuksessa huomattiin, että englanninopetuksen haasteet eivät ole niinkään opetusmetodeissa vaan ympäröivässä kulttuurissa ja sen opettajiin ja oppilaisiin asettamissa vaatimuksissa. Koekeskeisyys, passiivisen kielitaidon painottaminen ja koulumaailman ulkoisen kielenopiskelumotivaation puuttuminen olivat keskeisiä teemoja kielitaidon erojen syitä pohdittaessa. Myös koulutusviennissä korostuivat erilaiset yhteiskuntatason haasteet; Suomen ja Etelä-Korean koulumaailman erot osoittautuivat niin suuriksi, että pelkkien kielenopetusmetodien muuttaminen ei yksin takaisi hyviä oppimistuloksia. Haastateltavat löysivät kuitenkin kehitysehdotuksia molempien maiden koulutusjärjestelmiin ja kieltenopetukseen. Tutkimus tuotti tärkeää tietoa englanninopetuksen kehittämisestä molemmissa maissa ja todisti, että opettajien näkemykset koulutuksen uudistamisessa ovat ensiarvoisen tärkeitä.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».