All the things you learn by forgetting: Poetic texts as a source of educational and pedagogical knowledge
Bibliographic record
Abstract
Opinnäytteessä tutkitaan sitä, minkälaista pedagogista ja kasvatuksellista tietoa voi syntyä poeettisen tekstin kautta. Opinnäytteessä pyritään selvittämään, miten tiedon tuottaminen poeettisia tekstejä kirjoittamalla vaikuttaa kasvatusajatteluun. Työssä selvitetään miten poeettisia, tai ylipäätään kaunokirjallisia tekstejä, voisi hyödyntää kasvatuksen kentällä. Poeettisten tekstien kirjoittamisen prosessia sekä valmiita tekstejä tutkimalla tekijä pyrkii kirkastamaan omaa kasvatusajatteluaan. Opinnäyte koostuu sekä tieteellisestä tekstistä että tekijän kirjoittamista poeettisista teksteistä, jotka käsittelevät kasvattamisen ja kasvamisen teemoja. Kirjoittaminen toimii opinnäytteessä ajattelun välineenä, tiedon esiin tuojana. Poeettisten tekstien kirjoittamista lähestytään työssä intuitiivisesti. Tutkimusotteeltaan opinnäyte on autoetnografinen. Poeettiset tekstit osoittautuvat opinnäytteessä väyläksi päästä kiinni merkittäviin kasvattajuutta ajaviin arvoihin. Autoetnografia mahdollisti tekijän oman itsensä käyttämisen tiedonlähteenä, mikä oli oleellista kasvatusarvojen kirkastumisen kannalta. Tutkimusprosessissa poeettisten tekstien rinnalle oleelliseksi nousi niiden kirjoittamisen prosessi. Opinnäyteprosessissa ilmeni, että tekstit syntyvät empatian kautta ja perustuvat sitä kautta pyrkimykseen asettua ja ymmärtää toisen asemaa. Tutkimusprosessi osoitti miten sekä luovassa poeettisten tekstien kirjoittamisen prosessissa että poeettisten tekstien kautta tekijälle kirkastuneissa hyvän kasvattajuuden tärkeimmissä ydinosissa, on sisällöiltään paljon samaa: esimerkiksi leikkiä, empatiaa, reflektointia, intuitiivisuutta ja kokemuksellisuutta. Sekä hyvä kasvattajuus että poeettisten tekstien kirjoittaminen ovat opinnäytteen mukaan luovia kanssaelämisen prosesseja. Poeettisten tekstien kirjoittaminen oli myös väylä ei-tietämisen kautta saatavaan tietoon. Poeettisten tekstien kirjoittaminen toi näkyviin tietoa, joka muuten olisi saattanut jäädä vain ajatuksiksi, ikään kuin piiloon. Opinnäyte ehdottaa, että vapaamuotoinen poeettisten tekstien kirjoittaminen sekä niiden tutkiminen ja tulkitseminen voi toimia kasvattajan reflektiivisen työskentelyn välineenä oman kasvatustyön tueksi.
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 | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".