Skrivsvaga språkbadselevers skrivförmåga på andraspråket och på modersmålet : En jämförande fallstudie
Notice bibliographique
Résumé
Pro gradu –tutkielmani tarkoitus on kartoittaa ruotsinkielisessä kielikylvyssä opiskelevien 4-luokkalaisten oppilaiden ruotsin ja suomen kielen kirjoitustaitoa. Tutkin kirjoitustaitoja luku- ja kirjoitusvaikeuksien näkökulmasta. Tutkimusaineistoni koostuu erään 4. luokan oppilaiden kirjoitelmista sekä kielikylpyopettajien vastauksista kyselylomakkeeseen. Kohderyhmänä tutkimuksessani ovat kielikylpyoppilaat, joilla luokanopettajan mukaan on luku- ja kirjoitusvaikeuksia (lyhenne LKV). Verrokkiryhmään kuuluvat saman luokan muut oppilaat, joilla ei opettajan mukaan ole luku- ja kirjoitusvaikeuksia (lyhenne ELKV). Tutkimusmenetelmänäni kirjoitelmien analyysissa on virheanalyysi, jonka avulla tunnistan ja luokittelen kirjoitelmissa ilmeneviä virheitä. Opettajien lomakevastauksia analysoin sisältöanalyysin avulla. Tutkin paitsi LKV-ryhmän oppilaiden tekemiä virheitä verrattuna virheisiin, joita ELKV-ryhmän oppilaat tekevät, myös sitä miten oppilaiden kirjalliset taidot eroavat, kun he kirjoittavat ruotsiksi ja suomeksi. Lisäksi tarkastelen sitä, miten opettajat kuvailevat LKV-oppilaiden vaikeuksia kielikylvyssä. Tutkimuksen tulokset osoittavat, että ne luokan oppilaat, joilla on luku- ja kirjoitusvaikeuksia, tekivät huomattavasti enemmän oikeinkirjoitusvirheitä kuin luokkatoverinsa. Tutkimukseeni osallistuneet kielikylpyopettajat toteavat, että oppilaiden haasteet liittyvät kirjallisissa tehtävissä sekä oikeinkirjoitukseen että tekstin tuottamiseen. Oppilaskirjoitelmista on havaittavissa, että LKV-ryhmän oppilaat eivät kirjoittaneet yhtä yhtenäisiä kirjoitelmia kuin ikätoverinsa. Osa luki- ja kirjoitusvaikeuksia omaavista oppilaista käyttivät epäsanoja ja itsekeksimiään fraaseja teksteissään. Oppilaiden vaikeudet näyttäytyvät moninaisina ja interferenssi suomen kielestä oli huomattavissa. Suurin osa oppilaista kirjoitti virheettömämmin suomeksi. Tutkimuksessani opettajat pitävät LKV-oppilaille toimivimpana tukimuotona kodin, opettajan ja erityisopettajan saumatonta yhteistyötä.
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 | 0,001 |
| 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 | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,027 |
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 ».