Sosiaalinen media, kouluhyvinvointi ja ystävyyssuhteet: Systemaattinen kirjallisuuskatsaus suomalaisnuorten sosiodigitaalisen osallistumisen vaikutuksista kouluhyvinvointiin
Notice bibliographique
Résumé
Sosiodigitaalisen osallistumisen ja kouluhyvinvoinnin yhteyksiä on tärkeä tutkia, koska nuoret viettävät yhä enemmän aikaa näissä informaaleissa oppimisympäristöissä. Oppilaan identiteetin vahvistumisen kannalta on keskeistä varmistaa, ettei fyysinen kouluympäristö ole ristiriidassa digitaalisten ympäristöjen sosiaaliseen toimintaan. Koulujen ja opettajien on myös syytä tunnistaa oppilaiden käyttämiä sosiodigitaalisen osallistumisen muotoja, jotta ystävyyssuhteiden muodostumista sekä oppilaiden tuntemuksia ja toimintaa suhteessa sosiaalisiin tilanteisiin pystytään selittämään. Työn keskeinen tavoite on ymmärryksen lisääminen siitä, miten ystävyyssuhteet voivat olla riippuvaisia näistä kahdesta ympäristöstä, ja miten kouluhyvinvointi voi joko vahvistua tai heikentyä sosiodigitaalisen osallistumisen seurauksena. Tutkimus on toteutettu systemaattisena kirjallisuuskatsauksena, koska tutkimuskentällä on selkeä tutkimusaukko kouluhyvinvoinnin ja sosiodigitaalisuuden yhteyksien osalta. Kirjallisuuskatsauksen kaikki aineistot ovat suomalaisia. Aineistonhakuprosessi on suoritettu syys-lokakuussa 2025. Lopulliseen tutkimukseen päätyi kahdeksan tutkimusta, joista suuri osa oli kvantitatiivisia tai menetelmiä yhdistäviä tutkimuksia. Tämä tutkielma antaa näkökulmaa opettajille informaalin ja formaalin oppimisen ristiriidoista ja niiden taustalla olevista tekijöistä, sekä sosiodigitaalisen osallistumisen vaikutuksista nuorten kouluhyvinvointiin. Tulokset osoittivat, että sosiodigitaalisella osallistumisella on vaikutusta nuoren koulu- ja henkilökohtaiseen hyvinvointiin. Ystävyyssuhteiden tarkastelu aineistossa oli vähäistä. Tulosten perusteella yhteenkuuluvuus oli kuitenkin iso osa nuorten päivittäistä sosiodigitaalista osallistumista. Laajemman ymmärryksen aiheesta saamiseksi tätä olisi hyvä tutkia lisää. Laajempi ymmärrys aiheesta voi auttaa kouluja tukemaan oppilaiden yhteenkuuluvuutta koulunsisäisissä ystävyyssuhteissa, ja sitä kautta kouluhyvinvointia.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,026 |
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 ».