MétaCan
Menu
Back to cohort
Record W6982834809

Kemia ja oppiainerajat ylittävä opetus Suomen lukioiden paikallisissa opetussuunnitelmissa 2021

2022· other· fi· W6982834809 on OpenAlexaboutno aff

Bibliographic record

VenueUTUPub (University of Turku) · 2022
Typeother
Languagefi
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsValue (mathematics)Quarter (Canadian coin)Population
DOInot available

Abstract

fetched live from OpenAlex

Uusi nuorille tarkoitetun lukiokoulutuksen opetussuunnitelman perusteet julkaistiin 2019 ja sen pohjalta laaditut paikalliset opetussuunnitelmat on otettu käyttöön 1.8.2021 alkaen. Keskeinen muutos edelliseen opetussuunnitelmaan verrattuna on lukio-opintojen uusi rakenne, missä opinnot rakennetaan paikallisesti opetussuunnitelman perusteissa kuvatuista moduuleista opintojaksoiksi. Opintojaksojen muodostamiseen on annettu hyvin vapaat kädet ja onkin mielenkiintoista, miten tätä mahdollisuutta hyödynnetään nyt lukioissa. Oppiainerajat ylittävät opinnot on mainittu opetussuunnitelman perusteissa yhdeksi keinoksi vahvistaa oppimistuloksia ja eheyttää lukiokoulutusta. Tässä tutkielmassa perehdytään erityisesti oppiainerajat ylittävän opetuksen järjestämiseen, ja saatuja tuloksia tarkastellaan oppiainerajat ylittävän opetuksen näkökulmasta. 
\nTutkielmassa halutaan selvittää, miten eri tavoin kemian oppiaineen opinnot on rakennettu lukioiden paikallisissa opetussuunnitelmissa ympäri Suomen. Tutkielmassa tutkitaan, miten kemian oppiaineen moduulit on rakennettu opintojaksoiksi ja miten eri tavoin kemian oppiainetta yhdistetään muiden oppiaineiden kanssa ja missä yhteyksissä vai yhdistetäänkö ollenkaan. Tutkielmassa tarkastellaan erityisesti oppiainerajat ylittävän opetuksen järjestämistä ja tutkitaan oppiaineiden yhdistämistä (integraatiota) lukiokohtaisissa valinnaisissa opintojaksoissa. Tutkimuksessa vertaillaan lukioita, joissa on luonnontiedelinja lukioihin, joissa ei ole luonnontiedelinjaa. Vertailu kohdistuu lukiokohtaisiin valinnaisiin opintojaksoihin, joissa on yhdistetty kemian oppiaine muihin oppiaineisiin. Tutkimustieto antaa laajan katsauksen Suomen lukioiden kemian opetuksen toteutukseen ja siihen, millaista oppiainerajat ylittävää opetusta järjestetään kemian oppiaineen näkökulmasta. 
\nTutkimuksen aineisto koostuu 110 paikallisesta lukion opetussuunnitelmasta. Aineisto analysoitiin Webropol-kyselytyökalun avulla, johon vastaukset kirjattiin jokaisen lukion kohdalla itse. Analyysimenetelmänä käytettiin sisällön analyysiä. 
\nTulosten mukaan yleisin tapa opettaa kemian pakolliset moduulit on opettaa ne yhteisenä 2 op opintojaksona ja toiseksi yleisin tapa on opettaa ne erillisinä 1 op opintojaksoina. Alle viidesosa kemian pakollisen moduulin sisältävistä opintojaksoista on oppiainerajat ylittäviä, joista puolet sisältävät kemian ja fysiikan opintoja ja loput 10 % ovat monipuolisemmin oppiainerajat ylittäviä opintojaksoja. Aineiston lukioista 99 % järjestää kaikki kemian valtakunnalliset valinnaiset moduulit omina 2 op opintojaksoina. Lukiokohtaisia valinnaisia opintojaksoja, joissa kemian opintoja on yhdistetty muiden oppiaineiden kanssa, tarjoaa 55 % aineiston lukioista. Luonnontiedelinjan omaavissa lukioissa tarjotaan enemmän lukiokohtaisia valinnaisia kemian integraatio-opintojaksoja kuin lukioissa, joissa ei ole luonnontieteiden painotusta. Kemian kanssa yhdistetään eniten biologiaa ja fysiikkaa ja teemoina kestävä kehitys sekä kokeellisuus näkyvät opintojaksoissa.
\nMäärällisesti oppiainerajat ylittäviä opintojaksoja, jotka sisältävät kemian opintoja, on vielä vähän ja monipuolisimmin niitä tarjotaan luonnontiedelinja omaavissa lukioissa. Huomionarvoista on kuitenkin se, että uuden opetussuunnitelman myötä pakollisia kemian moduuleja on lähdetty yhdistelemään 11 eri oppiaineen kanssa ja lukiokohtaisia valinnaisia kemian opintoja on yhdistetty 10 eri oppiaineen kanssa.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Open science, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.572
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0030.004
Meta-epidemiology (broad)0.0040.002
Bibliometrics0.0040.004
Science and technology studies0.0020.002
Scholarly communication0.0000.001
Open science0.0080.007
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.6100.038

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.

Opus teacher head0.011
GPT teacher head0.193
Teacher spread0.182 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueUTUPub (University of Turku)French-language works237,207