Tapaustutkimus simulaatiopelin käytöstä suomalaisen peruskoulun kuudennen luokan yhteiskuntaopin tunnilla
Bibliographic record
Abstract
Tämä tutkielma oli tapaustutkimus simulaatiopelien käytöstä opetusmenetelmänä Suomessa. Tutkimuksen tavoitteena oli selvittää, millä tavoin simulaatiopelien mahdolliset hyödyt opetusmenetelmänä toteutuvat empiirisen kokeilun yhteydessä suomalaisessa alakoulun kontekstissa. Kyseinen opetusmenetelmä on suosittu anglosaksisissa maissa, muttei ole saavuttanut merkittävää jalansijaa Suomessa. Teoreettisen katsauksen perusteella simulaatiopelien on mahdollisesti todettu edistävän oikein sovellettuna osana opetusta sitouttamista (engagement), aktivaatiota (activation) ja sosialisaatiota (socialization). Varsinainen empiirinen osa tutkimusta toteutettiin simulaatiopelinä eräälle 21 oppilaan kuudennelle luokalle Helsingissä vuonna 2020. Simulaatiopeli suunniteltiin yhteiskuntaopin jakson oppisisältöjen mukaisesti kuvaamaan Suomen eduskunnan toimintaa ja demokraattisen prosessin vaiheita. Simulaatiopelin jälkeen 19 oppilaalta kerättiin palautetta kyselyllä. Oppilaiden vastausten perusteella valittiin kuusi oppilasta haastatteluun. Näin muodostui monimenetelmällisesti kerätty aineisto, joka mittasi simulaatiopelien mahdollisia hyötyjä opetusmenetelmänä. Määrällinen aineisto käsiteltiin keskiarvojen ja frekvenssien mukaan. Laadulliselle aineistolle toteutettiin aineistolähtöinen sisällönanalyysi. Aiemmissa tutkimuksissa liitetyt kolme mahdollista oppimisen elementtiä näkyivät myös nyt toteutetussa simulaatiopelissä. Haastatteluaineiston perusteella oppilaat kokivat pelillisyyden sitouttamisen kannalta tärkeimpänä tekijänä simulaatiopelikokemukselle. Tämän lisäksi oman toimijuuden ilmaisu koettiin merkittäväksi tekijäksi oppilaan aktivoinnin kannalta. Yhteistyö oli sosialisaation kannalta läpileikkaava teema, muttei kuitenkaan välttämättä keskiössä. Simulaatiopelit voivat siis olla oppilaiden toimijuuden, autonomian ja sosiaalisten taitojen kannalta positiivisia kokemuksia.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.053 | 0.007 |
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".