Käytännön eväitä monikulttuuriseen ohjaukseen
Bibliographic record
Abstract
Opinnäytetyö tarkastelee maahanmuuttajien työssäoppimisen ohjausprosessia työssäoppimisen ohjaajan näkökulmasta. Tavoitteena oli selvittää, miten perehdytys, ohjaaminen sekä palautteen antamien ja arviointi tapahtuvat työssäoppimispaikoilla tällä hetkellä ja mitä tietoa työelämän edustajat toivovat maahanmuuttajaopiskelijasta ennen työssäoppimisen alkua. Lisäksi kartoitettiin ohjaajakoulutuksen tarvetta maahanmuuttajaopiskelijoiden työssäoppimisen ohjaajille. Tietoja kerättiin haastattelemalla kahdeksaa maahanmuuttajaopiskelijoiden työssäoppimisen ohjaajaa. Haastattelu toteutettiin teemahaastattelun menetelmin. Haastatteluja ohjaavat teema-alueet muodostettiin työssäoppimisen prosessin mukaisesti. Haastattelut tehtiin tammikuussa 2009. Aineisto koostui neljän siivousalan yrityksen työssäoppimisen ohjaajan kokemuksista. Haastattelun tuloksista nousi useita kehittämisalueita. Suomen kielen taito ja työelämän pelisääntöjen hallinta koettiin työssäoppimisen onnistumisen kannalta tärkeimmiksi asioiksi. Työssäoppimisen aikaa toivottiin riittävän pitkäksi, jotta maahanmuuttajaopiskelija ymmärtää työtehtävien kokonaisuudet. Toivottiin enemmän tietoa maahanmuuttajaopiskelijan kulttuuritaustasta ja erityispiirteistä. Työssäoppimisen ohjaajakoulutuksen järjestäminen koettiin tarpeelliseksi. Haastattelun tulosten johtopäätöksistä nousee kolme erillistä kehittämisaihetta. Ensimmäinen aihe on järjestää perusteellisempi perehdyttäminen ja opastaminen niin työssäoppimisen ohjaajille kuin maahanmuuttajaopiskelijoille. Toinen aihe on järjestää työssäoppimisen ohjaajille koulutus, jossa käsitellään monikulttuurisuuteen liittyviä asioita. Kolmas aihe on maahanmuuttajakoulutusten alkukartoitusten järjestelmällisen organisoinnin aloittaminen. Tätä opinnäytetyötä voidaan hyödyntää alan koulutuksissa.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.105 | 0.034 |
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".