Varhaiskasvatuksen merkitys lasten mielenterveyden tukemisessa
Notice bibliographique
Résumé
Tässä kandidaatin tutkielmassa selvitettiin lasten mielenterveyden tukemisen keinoja varhaiskasvatuksessa opettajien näkökulmasta sekä lasten mielenterveyden tukemisen haasteita varhaiskasvatuksessa. Aiheen tutkiminen on tärkeää, koska lasten mielenterveyden tukemista on tutkittu vähän niin Suomessa kuin kansainvälisestikin. Tutkimuksen tulosten avulla on mahdollista saada lisää tietoa keinoista ja menetelmistä, joilla lasten mielenterveyttä voidaan tukea. Tutkimus toteutettiin syksyllä 2024 kyselyllä sosiaalisessa mediassa sekä sähköpostin välityksellä. Kysely oli puolistrukturoitu. Kyselyyn vastasi 15 varhaiskasvatuksen ammattilaista. Tutkimus oli laadullinen tutkimus. Aineisto analysoitiin sisällönanalyysin luokittelulla. Tulosten perusteella lasten mielenterveyttä tuetaan monella tavalla varhaiskasvatuksessa. Keskeisenä näyttäytyivät monipuoliset käytännöt sekä yhteisöllinen lähestymistapa. Opettajat tukivat lasten mielenterveyttä tukemalla ja opettamalla erilaisia taitoja, kuten kaveri- ja tunnetaitoja. Kiusaamisen ehkäiseminen painottui myös. Mielenterveyden tukemisen haasteena olivat varhaiskasvatuksessa henkilöstön kuormittavuus sekä lasten tuen toteutumattomuus. Keskeisinä haasteina tuotiin ilmi tuen saamisen haasteet, henkilöstön osaamattomuus sekä haasteet henkilöstön hyvinvoinnissa. Tutkimuksen perusteella voidaan todeta, että varhaiskasvatuksessa opettajilla on monenlaisia tapoja tukea lasten mielenterveyttä, mutta varhaiskasvatuksessa on myös sellaisia asioita, jotka haastavat opettajien työtä.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,099 | 0,035 |
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 ».