Kohti kestävää tulevaisuutta ja hiilineutraalisuutta : kemian yliopisto-opetuksen nykytila ja kehittäminen kasvihuonekaasupäästöjen vähentämisen osalta
Notice bibliographique
Résumé
Hiilineutraalisuus on yksi kestävän tulevaisuuden keskeisimpiä tavoitteita. Tulevaisuuden kemianalan ammattilaiset ovat merkittävässä asemassa uusien teknologioiden käyttöönottamisessa ja ratkaisujen kehittämisessä, jotka johtavat kasvihuonekaasupäästöjen vähenemiseen. Yliopistokoulutuksen on vastattava haasteeseen kehittämällä tarvittavia taitoja, jotta he saavat parhaat mahdolliset työkalut tarvittavan muutoksen toteuttamiseen. Kestävän kehityksen avainkompetenssit luovat yhden varteenotettavan kehyksen työelämän edellyttämien taitojen määrittelemiseen. Ne koostuvat tiedoista, taidoista ja kestävään tulevaisuuteen pyrkivästä asenteista. Tämän tutkimuksen tarkoitus on kartoittaa tämän hetken tilannetta avainkompetenssien eri osa-alueiden osalta Suomen kemianalan yliopisto-opetuksessa, sekä luoda näkemystä siitä, mihin suuntaan opetusta tulisi tulosten valossa kehittää. Tutkimuksen kohteina ovat kasvihuonekaasupäästöjen vähentämiseen liittyvät sisällöt, käytetyt opetusmenetelmät, yliopisto-opettajien suhtautuminen taitojen oppimisen edistämiseen opetuksessaan ja opiskelijoiden asenteisiin vaikuttamiseen sekä heidän näkemyksensä siitä, miten kemianalan yliopisto-opetusta tulisi kehittää kasvihuonekaasupäästöjen vähentämiseen liittyvän opetuksen osalta. Aineisto kerättiin kyselytutkimuksella, joka koostui sekä suljetuista että avoimista kysymyksistä. Kysely lähetettiin Suomen 9:n kemianalan opinto-ohjelmia tarjoavan yliopiston opetushenkilökunnalle, joko opetuksesta vastaavien varadekaanien tai -johtajien välityksellä tai suoraan. Kyselyn saatetekstissä vastauksia pyydettiin vain kurssien vastuuopettajilta. Vastauksia saatiin kaikista 9:stä yliopistosta yhteensä 43. Kemianalan yliopisto-opetuksen kehittämisen osalta peilattiin kyselyyn vastanneiden näkemyksiä alan kirjallisuuteen. Tutkimusmetodi on monimenetelmällinen tapaustutkimus. Avointen kysymysten vastaukset analysoitiin aineistolähtöisen sisällönanalyysin menetelmällä ja suljetut kysymykset on esitetty kuvailevan tilastollisen analyysin keinoin. Kokonaisuudessaan kasvihuonekaasupäästöihin liittyvää osaamista tuetaan Suomen kemianalan koulutusohjelmissa melko hyvin. Tutkimuksessa havaittiin, että kiertotaloutta ja biotaloutta opetetaan huomattavasti enemmän kuin vetytalouteen liittyviä sisältöjä. Kemianalan opetushenkilökunnan edustajat käyttävät ja pyrkivät käyttämään monipuolisia opetusmenetelmiä mahdollisuuksien mukaan. Taitojen oppimista pidetään tärkeänä, mutta ne eivät ole opetuksen keskiössä. Opiskelijoiden asenteisiin vaikuttamista pidetään moraalisesti hyväksyttävänä ja suuri osa yliopisto-opettajista myös pyrkii vaikuttamaan opiskelijoiden asenteisiin ilmastonmuutoksen kaltaisten aiheiden suhteen. Vastaajien mukaan kasvihuonekaasupäästöjen vähentämisen opetus on hyvällä tasolla, mutta parantamisen varaa on. Kemianala nähdään myös opettajakunnassa olevan avainasemassa kasvihuonekaasupäästöjen hillitsemisessä. Kestävän kehityksen avainkompetenssien ottamista huomioon kemianalan koulutusohjelmien suunnittelussa ja opetuksen laadun arvioinnissa tulisi harkita. Tämä voisi edistää taitojen nousemista opetuksessa keskeisempään asemaan. Vedyn ja hiilidioksidin käyttöä raaka-aineina tulisi nostaa vahvemmin esiin opetussisältönä. Myös kansallisia, kaikkien toimijoiden käytettävissä olevia verkkokursseja tulisi kehittää ja toteuttaa yhteistyössä yliopistojen ja teollisuuden edustajien kanssa.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,013 |
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 ».