Visuaaliset resurssit suomi toisena kielenä -oppitunneilla : multimodaalinen näkökulma
Bibliographic record
Abstract
Oppimateriaaleilla ja muilla luokassa käytetyillä resursseilla on suuri vaikutus siihen, millaiseksi oppimisympäristö muotoutuu ja millaista toimintaa se mahdollistaa. Useat kansainväliset tutkimukset ovat osoittaneet, että visuaalisten ja multimodaalisten resurssien hyödyntäminen kielen opetuksessa auttaa rakentamaan oppimisympäristöä, joka on pedagogisesti rikas, motivoiva sekä monipuolisia oppimisprosesseja tukeva. Visuaalisuuden roolia suomalaisessa kielen oppimisen kontekstissa ei kuitenkaan ole tutkittu juuri lainkaan. Tutkielman kiinnostuksen kohteena on visuaalisuus hyvin laajasti ymmärrettynä, jolloin perinteisten kuvien lisäksi siihen kuuluvat myös esimerkiksi eleet, esineet, liikkuva kuva ja teknologiavälitteiset tekstit. Tätä ymmärrystä laajentaa multimodaalinen näkökulma. Multimodaalisuuden tutkimusta on toistaiseksi tehty melko vähän suomen kielellä. Tutkielmaa varten olen kääntänyt englannin kielestä käsitteitä ja määritelmiä sekä teoreettista viitekehystä. Tutkielma nojaa laajalti sosiokulttuuriseen näkemykseen toisen kielen oppimisesta ja opettamisesta. Erityisesti taustalla vaikuttavat ekologinen käsitys kielenoppimisesta ja -opettamisesta sekä funktionaalinen lähestymistapa toisen kielen opettamiseen. Tutkimuksessa selvitettiin visuaalisten resurssien käytön mahdollisuuksia ja erityispiirteitä erään korkeaasteen suomi toisena kielenä (S2) -kurssilla. Suomessa toisen kielen pedagogiikan kehittäminen on yhä tärkeämpää, sillä maahanmuuttajaväestön määrä kasvaa koko ajan mutta alan pedagogiikan tutkimusta on hyvin vähän (Aalto ym. 2009). Tutkimuksessa havainnoitiin oppitunteja, haastateltiin kurssin opettajaa sekä tarkasteltiin käytettyjä oppimateriaaleja. Tutkimus toteutettiin laadullisena ja monimenetelmäisenä tapaustutkimuksena, jonka ote oli etnografinen. Tutkimuskysymykset koskevat sitä, millaisia ovat opettajan hyödyntämät visuaaliset materiaalit ja niihin liittyvät käytänteet sekä millaisia affordansseja visuaalisilla resursseilla on. Oppitunteja varten kehitin havainnointilomakkeen, jonka avulla tarkastelin ja arvioin visuaalista materiaalia ja sen tehtäviä opetuksessa. Kurssin oppimisympäristö näyttäytyi resursseiltaan rikkaana ja interaktiivisena. Opettaja oli hyvin reflektoiva ja valinnoistaan tietoinen. Hänellä oli vahva funktionaalinen tavoite, jonka hän pyrki välittämään oppijoille. Hänen roolinsa visuaalisuuden käytössä oli suuri materiaalin suunnittelun, valinnan ja tehtävänantojen kautta; oppijoiden rooli oli usein keskusteleva ja kysyvä. Opettaja ohjasi määrätietoisesti oppijoita havaitsemaan affordansseja. He eivät usein näe visuaalisten resurssien merkitystä tekstipainotteisen kielikäsityksensä vuoksi. Opettajan mukaan visuaalisilla ja multimodaalisilla materiaaleilla voi olla monenlaisia erityistehtäviä S2-opetuksessa. Niistä on apua funktionaalisessa tavoitteessa laajentaa oppimisympäristöä ja auttaa vastaamaan oppijoiden arjen tarpeisiin. Ne voivat helpottaa oppijoiden kirjavien taustojen luomia haasteita. Niiden avulla voi välittää tunteita, huumoria ja kulttuuritietoa sekä opettaa tärkeitä visuaalisia lukustrategioita. Niiden varaan on helppo rakentaa merkitysneuvotteluja ja keskusteluja. Visuaalisuuden merkitys on olennainen myös jonkin toisen kanavan, kuten puheen, tukena. Visuaalisuudella on aina useita mahdollisia tehtäviä, mutta niiden toteutuminen määräytyy oppijalähtöisesti. Opettajien tulisi kiinnittää huomiota siihen, kuinka he hyödyntävät visuaalisia resursseja paitsi useista pedagogisista syistä myös siksi, että oppijoiden silmissä opettajan malli on usein vahva auktoriteetti.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.041 | 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; 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".