Oppilasarvioinnin yhteys oppilaan kokemukseen omista taidoista
Bibliographic record
Abstract
Tutkimuksen tarkoituksena oli selvittää oppilasarvioinnin yhteyttä oppilaan kokemukseen omista taidoista. Tutkimuksessa haluttiin saada selville, kuinka tietoisia oppilaat ovat taitotasostaan ja ovatko oppilaan kokemukset omista taidoista samansuuntaisia kuin opettajan arviot oppilaan taidoista. Tutkimme myös vaikuttavatko oppilaan kokemukset taidoistansa hänen mieltymyksiinsä eri oppiaineita kohtaan. Tutkimuksemme on laadullinen ja siinä on käytetty fenomenologista lähestymistapaa. Tutkimusaineisto kerättiin tammikuussa 2018 yhdestä Jyväskylän alakoulusta. Tutkimukseen osallistui yhteensä 12 haastateltavaa, viisi 3-luokkalaista ja viisi 6-luokkalaista sekä näiden luokkien opettajat. Haastattelut toteutettiin teemahaastatteluina ja haastatteluaineisto fenomenologisen analyysin vaiheiden mukaan. Tutkimustulokset osoittavat, kuinka toteutettu arviointi on selkeästi yhteydessä oppilaan kokemukseen itsestä, oppilaan kykyyn arvioida osaamistaan, sekä hänen mieltymyksiinsä eri oppiaineita kohtaan. Käytössä olleet arviointimenetelmät ja saadun arviointipalautteen määrä vaikuttivat siihen, kuinka tietoisia oppilaat olivat osaamisestaan oppiaineessa. Lisäksi tulokset osoittivat yhteyden oppiaineessa pärjäämisen ja siitä pitämisen välillä. Tutkimustulokset vahvistivat käsitystä arvioinnin merkityksellisyydestä oppilaan itsetuntemukseen ja motivaatioon muodostumiseen. Tutkimus lisää tietoisuutta ja ymmärrystä oppilasarvioinnin tärkeydestä.
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 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.072 | 0.026 |
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".