Englannin ja suomen arvioijien käsityksiä ylimmän tason puhumisen osakokeesta
Bibliographic record
Abstract
Artikkelissa tarkastelemme englannin ja suomen ylimmän tason (YKI 5–6~EVK C1–C2) puhumisen osakoetta ja arvioijien käsityksiä osakokeeseen kuuluvista studiokokeesta ja haastattelusta sekä niissä käytettävistä tehtävätyypeistä. YKIn kaltaisissa tutkintojärjestelmissä käytetään tyypillisesti puhumisen taidon testaamisessa joko haastattelua tai studiokoetta, mutta YKIssä ylimmän tason puhumisen osakokeessa on aina ollut nämä molemmat osat: kielistudiossa suoritettava studio-osa ja kasvokkain tapahtuva haastattelu. Vaikka tutkintojärjestelmän jokaisessa tutkintokielessä on käytetty kyseisiä osia jo vuosia testattaessa ylimmän tason puhumisen taitoa, näihin kahteen osaan ja niiden arviointiin liittyvää tutkimusta ei ole tehty viime vuosina. Luoma (1997) vertaili lisensiaatintutkielmassaan studiokokeen ja kasvokkaisen haastattelun eroja. Vaikka otos oli pieni ja vaikka kyse oli keskitasolla tehdystä kokeilusta, Luoman tulosten mukaan osallistujat saivat lievästi parempia taitotasoarvioita haastattelusta kuin studio-osuudesta (1997,114). Toisaalta tutkimuksessa havaittiin, että osioiden taitotasoarvioiden välinen korrelaatio oli melko korkea (0,85), mikä käytännössä tarkoittaa sitä, että jos osallistuja sai haastattelusta paremman taitotasoarvion, sai hän yleensä studiostakin paremman taitotasoarvion. (Ks. myös Wiggleswort & O’Loughlin 1993; Stansfield ym. 1990.) Artikkelimme aineisto koostuu englannin ja suomen arvioijille lähetetystä kyselystä, jonka avulla kuvaamme, mitä huonoja ja hyviä puolia arvioijien käsitysten mukaan puhumisen osien arviointiin liittyy, miten laajasti heidän mielestään näiden kahden erillisen osan arvioinnissa voidaan soveltaa puhumisen arviointikriteereitä ja miten hyvin studiokoe ja haastattelu mittaavat osallistujien puhumisen taitoa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.064 | 0.015 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".