Kielenhuolto kahdessa lukion opetussuunnitelman 2019 mukaisessa suomen kielen ja kirjallisuuden oppikirjassa
Bibliographic record
Abstract
Pro gradu -tutkielmani käsittelee kielenhuoltoa kahdessa lukion opetussuunnitelman 2019 mukaisessa suomen kielen ja kirjallisuuden oppikirjassa, Särmässä (Otava) ja Loistossa (Sanoma Pro Oy). Tutkin, minkälaisia kielenhuollon asioita oppikirja-aineistossani opetetaan ja miten. Selvitän, millä tavalla viime vuosien keskustelu kielenhuollon opetuksesta, lukion opetussuunnitelman päivittäminen sekä ylioppilastutkinnon uudistushankkeet ovat vaikuttaneet oppikirjojen tapaan opettaa kielenhuoltoa. Tutkimukseni tavoite on tarkastella kielenhuoltoa uudessa oppimateriaalissa sekä tuottaa uutta informaatiota kielenhuollon tutkimukseen, oppikirjatutkimukseen ja oppimateriaalien laatimiseen. Tutkimukseni metodina käytän laadullista sisällönanalyysiä. Analysoin oppikirja-aineistoani teemoittelumenetelmän avulla. Laadullisen analyysin tueksi olen kvantitatiivisesti eritellyt, kuinka paljon kumpikin oppikirja sivumäärällisesti mitattuna yhtäältä keskittyy kielenhuoltoon suhteessa suomen kielen ja kirjallisuuden oppimäärän muihin sisältöihin, toisaalta käsittelee kielenhuollon eri osa-alueita suhteessa toisiinsa. Tutkimukseni perusteella sekä Särmä että Loisto käsittelevät kielenhuoltoa tavalla, joka vastaa lukion opetussuunnitelman perusteiden 2019 mukaisia tavoitteita. Vaikka teosten välillä on eroavaisuuksia esimerkiksi suhteessa kielenhuollon osa-alueiden kategorisointiin sekä esitystapoihin, molemmat teokset antavat lukiolaiselle hyvät kielenhuollon osaamisen valmiudet. Lukiokoulutuksessa viime vuosina tapahtunut kehitys on vaikuttanut Särmän ja Loiston kielenhuollon käsittelyyn. Tämä näkyy konkreettisesti esimerkiksi aineistoon viittaamisen suhteellisesti merkittävänä osuutena koko kielenhuoltoa käsittelevästä osiosta molemmissa teoksissa. Tutkielmani merkityksellisyys perustuu siihen, että se osoittaa, miten uudessa oppimateriaalissa ilmenee lukiokoulutuksen viime vuosien kehityksen vaikutus yhteen suomen kielen ja kirjallisuuden oppimäärän osa-alueeseen. Kielenhuollon osaamisen yleisen merkityksen lisäksi osa-alueen relevanssi suomen kielen ja kirjallisuuden oppimäärässä nivoutuu kahteen lukiokoulutuksen merkittävään tehtävään: hyvän yleissivistyksen antamiseen sekä yleisen jatko-opintokelpoisuuden saavuttamiseen. Tämän vuoksi kielenhuollon opetus lukiossa ansaitsee erityistä huomiota. Yhtenä osana kielenhuollon oppimisprosessia ovat oppikirjat, joita tämä tutkimus käsittelee.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 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) | 0.125 | 0.040 |
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".