Laaja-alaisen erityisopettajan konsultaatio luokanopettajien näkökulmasta
Bibliographic record
Abstract
Tämän tutkimuksen tarkoituksena oli selvittää, millaista on laaja-alaisen erityisopettajan antama konsultaatio luokanopettajan näkökulmasta. Tarkemmin tutkimuksessa perehdyttiin siihen, millaista on laaja-alaisen erityisopettajan konsultaatio luokanopettajien näkökulmasta sekä siihen, millaisilla tekijöillä on merkitystä laaja-alaisen erityisopettajan toimivassa konsultaatiossa. Tutkimus on laadullinen tutkimus, jonka aineisto kerättiin eri puolilta Suomea 11 luokanopettajalta Webropol- kyselylomakkeella avoimilla kysymyksillä. Aineiston analyysi toteutettiin aineistolähtöisen sisällönanalyysin avulla. Tämän tutkimuksen mukaan laaja-alaisen erityisopettajan konsultaatiossa luokanopettajan näkökulmasta korostuivat konsultaation laatu, perehtyminen asiaan ja toisen ammattitaidon arvostus. Luokanopettajien mukaan kolme merkittävää tekijää olivat; käytettävissä oleva aika, erityispedagoginen osaaminen ja laaja-alaisen erityisopettajan vuorovaikutustaidot. Yhteisten käytänteiden luominen laaja-alaisen erityisopettajan antamaan konsultaatioon mahdollisesti tasoittaisi konsultaation laatua ja tarjoaisi tasa-arvoisemman tuen toteutumisen perusopetuksessa kaikille oppilaille.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.005 |
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".