Sosioekonomisen aseman yhteys koulupudokkuuteen
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli selvittää narratiivisen kirjallisuuskatsauksen keinoin sosioekonomisen aseman ja siihen liittyvien tekijöiden kuten perherakenteen ja asuinympäristön yhteyttä koulupudokkuuteen. Tavoitteena oli muodostaa aiemmin tehtyjen tutkimusten pohjalta ajankohtainen ja helppolukuinen kokonaisuus sosioekonomisen aseman eri osatekijöiden yhteydestä koulupudokkuuteen. \n \nTeoreettisessa viitekehyksessä käsiteltiin koulupudokkuutta, sosioekonomista asemaa sekä siihen liittyviä tekijöitä kuten huono-osaisuutta, syrjäytymistä, ylisukupolvisuutta ja Suomen koulutusjärjestelmää. Kirjallisuuskatsauksen aineisto koostui kahdeksasta tutkimuksesta, joista seitsemän oli kansainvälisiä ja yksi suomalainen. Aineistosta etsittiin sosioekonomisen aseman ja muiden tekijöiden yhteyksiä koulupudokkuuteen. Aineiston haun jälkeen löydetyt tutkimukset analysoitiin käyttäen aineistolähtöistä sisällön analyysia, jolloin tulosten luokittelu toteutettiin aineistosta nostettujen tekijöiden perusteella pää- ja alaluokkiin. \n \nTuloksista ilmeni, että vanhempien tuloilla ja koulutustaustalla on yhteys lasten koulupudokkuuden ja koulumenestyksen kanssa. Perheen heikko sosioekonominen asema vaikuttaa negatiivisesti lasten mahdollisuuksiin suorittaa toisen asteen koulutus ja päästä työelämään. Tuloksista selvisi myös, että sukupuolella, asuinympäristöllä, sosiaalisilla suhteilla ja huono-osaisuudella on yhteys koulupudokkuuden riskiin.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.008 |
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; both teacher heads agree on what is shown here.
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".