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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,017 |
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 ».