Maiseman peittäjät: Alkuopetuksen oppilaiden ja taiteilijoiden valokuvailmaisun yhteisiä piirteitä
Bibliographic record
Abstract
Tutkielmani koostuu kahdesta osasta. Alkuopetuksen oppilaiden kanssa tekemässäni valokuvausprojektissa lapset kuvasivat kuukauden ajan itselleen tärkeitä ympäristöjä. Tässä produktiivisessa osuudessa halusin selvittää, soveltuuko pitkä kamera kotiin -tyyppinen valokuvaustehtävä 7-8 -vuotiaille lapsille. Samalla keräsin aineistoa tutkimusta varten. Projektissa puhuin kuvista kahden kesken kunkin oppilaan kanssa, ja lopuksi luokka keskusteli yhdessä mielenkiintoisimmista kuvista. Tutkimukseen osallistui 12 oppilasta, ja he kuvasivat keskimäärin 50 kuvaa. Tehtäväkokonaisuus sopi hyvin alkuopetukseen. Valokuvausprojekti liittyy kriittiseen mediakasvatukseen ja taidekasvatukseen. Koulutuksen tasa-arvon kannalta on tärkeää, että koulussa käsitellään lasten elämismaailmaan liittyviä kuvia: näin jokaisella on mahdollisuus kiinnostua kuvasta ja oppia kuvanlukutaitoja. Jo alkuopetuksen oppilaat voivat saada välineitä kuvan välittämien viestien arviointiin. Tutkimussuunnitelman muodostin aineiston keräämisen jälkeen. Opetin samaan aikaan valokuvausta kuvataiteeseen erikoistuville opiskelijoille, ja katselin paljon erityisesti suomalaisten valokuvataiteilijoiden teoksia. Aloin huomata samankaltaisuuksia tutkimukseen osallistuneiden lasten ja taiteilijoiden valokuvissa. Tutkimuksessani etsin kuvapareja, joista löytyi jokin yhteinen tekijä: rakenne, tunnelma, väri tai jokin vaikeasti sanoiksi muotoutuva asia. Etsin Roland Barthesin punctumia: jotakin, joka erottaa kuvan tavanomaisesta ja jää mieleen. Valokuvataiteilijoiden töitä lasten kuvien pariksi etsin kirjoista ja internetistä. Yhteisiä piirteitä oli helppo löytää. Lapset kuvasivat talven pimeimpään aikaan, ja kuvissa oli nähtävissä pimeys, jonkinlainen melankolia. Suomalaisten valokuvataiteilijoiden töissä nämä ovat tavanomaisia teemoja. Lapsille valokuva tarkoittaa usein samaa kuin kuvaamisen kohde, mikä korostaa valokuvan ikonisuutta. Pohdin valokuvataiteen olemusta, ja löysin Juha Suonpään ajatuksia suomalaisen valokuvataiteen maneereista. Yksi maneereista on peittäminen, jota esiintyy myös maisemakuvissa. Tätä peittämistä löytyi monista maisemakuvista, niin valokuvataiteilijoiden kuin lastenkin töistä. Kokonaisuuden jäsentäjänä tutkimuksessani toimi gadamerilainen hermeneutiikka. Valokuvaajana ja kuva-alan ammattilaisena en lähtenyt liikkeelle tyhjästä. Tutkimus on tarkentunut ja jäsentynyt kierros kierrokselta hermeneuttisessa kehässä. Vertaus taiteeseen ei ollut tutkimuksessani arvostuskysymys, mutta vertailu auttoi minua näkemään lasten valokuvailmaisun hienouden. Lapsi ei ollut tässäkään projektissa harjoittelemassa tulevaisuutta varten, vaan kuvaamassa tässä ja nyt.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.107 | 0.038 |
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".