Erityisopettajien kertomukset työssään kokemastaan moraalisesta stressistä
Bibliographic record
Abstract
Tässä tutkimuksessa selvitettiin erityisopettajien kokemuksia työhön liittyvästä moraalisesta stressistä. Tutkimuksen tavoitteena oli saada tietoa siitä, millaisten tilanteiden erityisopettajat kertovat herättävän heissä moraalista stressiä sekä miten he asemoivat itsensä ja muut tahot näissä moraalista stressiä herättävissä tilanteissa. Lisäksi tarkoituksena oli selvittää, millä tavoin erityisopettajat kertovat selviytyvänsä moraalisesta stressistä. Tutkimukseen osallistui kolme erityisluokanopettajaa ja kolme laaja-alaista erityisopettajaa. Tutkimusaineisto kerättiin kerronnallisina haastatteluina, joiden tavoitteena oli saada kuvauksia mahdollisimman konkreettisista tilanteista, joissa erityisopettaja kokee työssään moraalista stressiä. Tutkimusaineisto analysoitiin hyödyntämällä narratiivista Greimasin aktanttimallia. Analyysissä tuloksiksi muodostui viisi eri moraalisen stressin tarinatyyppiä, joissa toimijoina oli joko omia arvojaan vastaan toimiva, liian vähillä resursseilla toimiva, mahdottomuuden edessä oleva, sensitiivinen tai väärinymmärretty erityisopettaja. Erityisopettajat kertoivat kokevansa usein ulkoisten tekijöiden estävän heitä toimimasta oikeaksi koetuilla tavoilla. Lisäksi erityisopettajien oma herkkyys oli usein syynä moraalisen stressin kokemiselle. Tulosten mukaan moraalisesta stressistä selviydytään erityisesti kollegoiden tuella sekä hyväksymällä työnsä ja itsensä keskeneräisyyden. Toisaalta tulokset nostivat esiin tarpeen huolehtia siitä, että erityisopettajat saavat riittävästi kollegiaalista tukea. Tutkimukseni antaa viitteitä siitä, että erityisopettajien moraalista stressiä käsitellessä huomio tulisi kiinnittää erityisopettajan vastuun lisäksi myös organisaatiotasolle.
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 | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.051 | 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".