Opinto-ohjaajien käsityksiä tunteista ja tunnetaidoista ohjaustyössä
Bibliographic record
Abstract
Tämän pro gradu -tutkielman tarkoituksena oli selvittää opinto-ohjaajien käsityksiä tunteiden ja tunnetaitojen merkityksestä ohjaustyössä. Tutkimuksen tavoitteena oli saada tietoa siitä, millaisia tunteita ohjaajat työssään tuntevat, millaisia tunnetaitoja he työssään tarvitsevat ja miten ohjaajat kokevat tunteiden ja tunnetaitojen liittyvän ohjaukseen ja ohjauksen onnistumiseen. Tutkimus oli kvalitatiivinen eli laadullinen ja aineisto kerättiin syksyllä 2019 teemahaastatteluilla sekä tunnepäiväkirjoilla, joita tutkimukseen osallistujat täyttivät ennen haastattelua. Tunnepäiväkirjojen tarkoituksena oli auttaa tutkittavia orientoitumaan haastatteluun ja ne toimivat samalla haastattelujen pohjana. Tutkimukseen osallistui viisi ohjausalan ammattilaista. Tutkimukseen osallistujat olivat lukion tai ammattikorkeakoulun opinto-ohjaajia ja työskennelleet ohjausalalla 5–35 vuotta. Teemahaastattelut olivat noin tunnin mittaisia yksilöhaastatteluja ja aineisto analysoitiin teoriasidonnaisen sisällönanalyysin avulla. Tutkimuksen tulokset osoittavat ohjaajien työssään tuntemien positiivisten ja negatiivisten tunteiden kirjon olevan laaja. Tulosten perusteella ohjaajien keskeisimpiä tunnetaitoja ovat tunteiden välittämän tiedon hyödyntäminen, ohjattavalähtöisyys, tunteiden mukauttaminen, aito kohtaaminen, empatia, eteenpäin vieminen, ideaalin tunnetilan luominen, itsetuntemus ja stressinhallinta. Ohjaajan tunteet ja tunnetaidot nähtiin tutkimuksen tulosten perusteella ohjaukseen kuuluviksi ja ohjausta monin eri tavoin hyödyttäviksi. Tutkimuksen tuloksista voidaan päätellä ohjaajan tunnetaitojen paitsi tukevan ohjauksen onnistumista myös auttavan työssä jaksamisessa. Ohjausta voidaan pitää tunnetyönä, jossa tunteiden ja tunnetaitojen merkitys korostuu.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.130 | 0.050 |
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".