Lapsen kielen kehitys ja kaksikielinen varhaiskasvatusympäristö
Bibliographic record
Abstract
Opinnäytetyöni tarkoituksena oli selvittää, mitä keinoja lapsen kaksikielisyyden tukemiseen käytetään, jotta hyviä keinoja ja tapoja voidaan käyttää useammassa päiväkodissa. Tutkimuksen kohteena olevassa kaupungissa ei tätä ole tutkittu aiemmin, joten eroavaisuuksista ei ole tietoa. Tutkimuskysymykseni olivat, millä keinoilla lapsen kaksikielisyyttä tuetaan varhaiskasvatuksessa sekä miten kasvattajat kokevat kaksikielisyyden tukemisen varhaiskasvatuksessa? \n \nTeoreettisen viitekehyksen muodostivat lapsen kielen kehitys varhaiskasvatus-ikäisenä, kielellisen kehityksen tukeminen varhaiskasvatuksessa sekä kielen kehityksen tukemisen menetelmät. Näissä kokonaisuuksissa keskityin tutkimuskysymysteni kannalta oleelliseen teoriaan, eli kaksikielisyyteen suomen ja ruotsin kielen osalta. Toteutin opinnäytetyöni laadullisena tutkimuksena. Keräsin aineiston kyselylomakkeen avulla, joka lähetettiin jokaiseen kaupungin päiväkotiin. \n \nOpinnäytetyöni tuloksena sain vastauksen tutkimuskysymyksiini, sekä tietoa hyväksi todetuista työmenetelmistä kielen tukemiseen liittyen. Sain lisäksi tietoa siitä, miten ryhmäkoot sekä ryhmän kokoonpano vaikuttaa kaksikielisyyden tukemiseen. Kaikki vastaajista nostivat esiin valtakunnallisen varhaiskasvatussuunnitelman ohjausdokumenttina toiminnalle. Teoriassa kaikissa päiväkodeissa on käytössä monipuoliset menetelmät kaksikielisyyden tukemiseen, mutta käytännöt vaihtelevat. Ajan puute, sekä henkilökunnan kielitaito nousivat esiin haasteina kaksikielisyyden tukemiselle. Osa vastaajista koki myös henkilökunnan ohjausen sekä tukemisen metodien käytössä riittämättömänä. Tutkimustulokseni sekä keräämäni hyväksi todetut työmenetelmät jaetaan päiväkodeille, jotta he voivat hyödyntää tuloksia kaikissa päiväkodeissa.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| 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) | 0.108 | 0.039 |
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".