Samtalet - en del av svenskundervisningen?
Bibliographic record
Abstract
Det sociokulturella perspektivet på lärande har haft ett visst genomslag i kursplanerna för den svenska skolan. Grundtanken är att individens utveckling och lärande sker i interaktion med andra och där har samtalet en stor betydelse. Därför har vi valt att genomföra en studie om samtalets betydelse för eleven i undervisningen och i detta arbete har vi till viss del fokuserat på hur samtalet försiggår i svenskundervisningen. Vi har även diskuterat vilka aspekter det kan finnas att ta hänsyn till när man som lärare planerar för samtal i undervisningen. Studien utgår från lärarens perspektiv. Vi ville undersöka hur lärarna öppnar upp för samtal. Två kvalitativa metoder har använts; lektionsobservationer i två olika klasser samt en fokusgruppsintervju med fyra lärare. Studien har analyserats utifrån ett sociokulturellt perspektiv på lärande samt John Deweys syn på kommunikationens betydelse. Vi fann att det finns ett flertal aspekter att ta hänsyn till när man som lärare öppnar upp för samtal och att det till viss del beror på lärarens inställning till samtal i undervisningen för hur samtalet ska fortlöpa i klassrummet. Det visade sig också att lärarna hade svårare att öppna upp för samtal i svenskundervisningen än i andra ämnen.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.040 | 0.011 |
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".