Maahanmuuttajataustaisen lapsen suomen kielen tukeminen varhaiskasvatuksessa
Bibliographic record
Abstract
Tutkimuksen tarkoituksena oli selvittää, mitä menetelmiä ja toimintatapoja päiväkodeissa käytetään maahanmuuttajataustaisen lapsen suomen kielen tukemiseen. Tutkimuksen tavoitteena oli kehittää Suomi toisena kielenä -opetussuunnitelmaa varhaiskasvatukseen sekä tarjota varhaiskasvatuksen ammattilaisille keinoja kielen tukemiseen. \nTutkimuksen teoreettinen viitekehys käsittelee varhaiskasvatusta, monikulttuurisuutta varhaiskasvatuksessa sekä Suomi toisena kielenä -opetussuunnitelmaa varhaiskasvatuksessa ja esiopetuksessa. Lisäksi teoriaosuudessa käsitellään kielen \nkehitystä ja sen tukemista sekä kaksikielisyyttä. Tutkimus toteutettiin laadullisena tutkimuksena ja tutkimusaineisto analysoitiin aineistolähtöisellä sisällönanalyysillä. Aineisto kerättiin kyselylomakkeiden avulla Oulun ja Pietarsaaren kunnallisten päiväkotien lastentarhanopettajilta. \nTutkimustulokset osoittavat, että maahanmuuttajataustaisen lapsen suomen kielen oppimista tuetaan pääasiassa arjen lomassa. Menetelminä toimivat muun muassa asioiden ja esineiden nimeäminen, leikit sekä kuvien käyttö. Kieltä kerrottiin tuettavan myös erillisellä S2-opetustoiminnalla sekä kielen kehityksen arvioinnin ja seurannan avulla. Merkittävinä asioina kieltä tukevassa toiminnassa nähtiin selkeän suomen kielen käyttö, toiminnan lapsilähtöisyys, kannustava ilmapiiri sekä vuorovaikutukseen ja läsnäoloon panostaminen. \nTutkimustulokset auttavat ymmärtämään, että maahanmuuttajataustaisen lapsen suomen kielen tukeminen on moniulotteinen kokonaisuus ja toiminnan suunnittelussa ja toteutuksessa on tärkeää ottaa huomioon kielen tukemisen näkökulma.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.078 | 0.021 |
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".