Nopean nimeämisen yhteys lukutaitoon 3. luokalla
Notice bibliographique
Résumé
Tutkimuksen tarkoituksena oli selvittää nopean nimeämisen yhteyttä lukutaitoon 3. luokalla. Tutkimus toteutettiin osana Nimeämisen, sanasujuvuuden ja lukemisen taidot kouluissa (NISULUKO) -hanketta. Tutkimusaineisto kerättiin keväällä 2023 seitsemästä koulusta eri puolilta Suomea. Tutkimusaineisto koostui 99 kolmasluokkalaisen yksilötestauksen tuloksista. Nopean nimeämisen tehtävissä lapset nimesivät esineitä ja kirjaimia, ja lukemistehtävissä lapset lukivat sanoja, epäsanoja ja tekstiä. Muuttujien välisiä yhteyksiä tarkasteltiin ensin Pearsonin tulomomentti-korrelaatiokertoimen avulla. Nopean nimeämisen tehtävien suoritusaikojen perusteella aineisto jaettiin kolmeen ryhmään: hyviin, tyypillisiin ja heikkoihin nimeäjiin. Monimuuttujaisella varianssianalyysillä tutkittiin näiden kolmen nimeäjäryhmän välisiä keskiarvoeroja lukutaidon suhteen. Tulokset osoittivat, että nopea nimeäminen ja lukutaito olivat tilastollisesti merkitsevästi yhteydessä toisiinsa. Kirjainten nimeämisellä oli esineiden nimeämistä voimakkaampi yhteys lukutaitoon. Mitä nopeammin lapsi pystyi nimeämään kirjaimia, sitä parempi hänen lukutaitonsa oli, ja päinvastoin, mitä hitaampi lapsen nimeämistaito oli, sitä heikompaa myös lukutaito oli. Pojilla tämä yhteys oli vielä voimakkaampi kuin tytöillä. Tulevaisuudessa olisi tärkeää selvittää lisää sukupuolten eroja nopean nimeämisen ja lukutaidon välillä sekä kehittää mittareita, joilla lukivaikeuksia voidaan kartoittaa tehokkaasti myös alkuopetuksen jälkeen.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,009 |
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 ».