Kohti kestävää tulevaisuutta ja hiilineutraalisuutta : kemian yliopisto-opetuksen nykytila ja kehittäminen kasvihuonekaasupäästöjen vähentämisen osalta
Bibliographic record
Abstract
Hiilineutraalisuus on yksi kestävän tulevaisuuden keskeisimpiä tavoitteita. Tulevaisuuden kemianalan ammattilaiset ovat merkittävässä asemassa uusien teknologioiden käyttöönottamisessa ja ratkaisujen kehittämisessä, jotka johtavat kasvihuonekaasupäästöjen vähenemiseen. Yliopistokoulutuksen on vastattava haasteeseen kehittämällä tarvittavia taitoja, jotta he saavat parhaat mahdolliset työkalut tarvittavan muutoksen toteuttamiseen. Kestävän kehityksen avainkompetenssit luovat yhden varteenotettavan kehyksen työelämän edellyttämien taitojen määrittelemiseen. Ne koostuvat tiedoista, taidoista ja kestävään tulevaisuuteen pyrkivästä asenteista. Tämän tutkimuksen tarkoitus on kartoittaa tämän hetken tilannetta avainkompetenssien eri osa-alueiden osalta Suomen kemianalan yliopisto-opetuksessa, sekä luoda näkemystä siitä, mihin suuntaan opetusta tulisi tulosten valossa kehittää. Tutkimuksen kohteina ovat kasvihuonekaasupäästöjen vähentämiseen liittyvät sisällöt, käytetyt opetusmenetelmät, yliopisto-opettajien suhtautuminen taitojen oppimisen edistämiseen opetuksessaan ja opiskelijoiden asenteisiin vaikuttamiseen sekä heidän näkemyksensä siitä, miten kemianalan yliopisto-opetusta tulisi kehittää kasvihuonekaasupäästöjen vähentämiseen liittyvän opetuksen osalta. Aineisto kerättiin kyselytutkimuksella, joka koostui sekä suljetuista että avoimista kysymyksistä. Kysely lähetettiin Suomen 9:n kemianalan opinto-ohjelmia tarjoavan yliopiston opetushenkilökunnalle, joko opetuksesta vastaavien varadekaanien tai -johtajien välityksellä tai suoraan. Kyselyn saatetekstissä vastauksia pyydettiin vain kurssien vastuuopettajilta. Vastauksia saatiin kaikista 9:stä yliopistosta yhteensä 43. Kemianalan yliopisto-opetuksen kehittämisen osalta peilattiin kyselyyn vastanneiden näkemyksiä alan kirjallisuuteen. Tutkimusmetodi on monimenetelmällinen tapaustutkimus. Avointen kysymysten vastaukset analysoitiin aineistolähtöisen sisällönanalyysin menetelmällä ja suljetut kysymykset on esitetty kuvailevan tilastollisen analyysin keinoin. Kokonaisuudessaan kasvihuonekaasupäästöihin liittyvää osaamista tuetaan Suomen kemianalan koulutusohjelmissa melko hyvin. Tutkimuksessa havaittiin, että kiertotaloutta ja biotaloutta opetetaan huomattavasti enemmän kuin vetytalouteen liittyviä sisältöjä. Kemianalan opetushenkilökunnan edustajat käyttävät ja pyrkivät käyttämään monipuolisia opetusmenetelmiä mahdollisuuksien mukaan. Taitojen oppimista pidetään tärkeänä, mutta ne eivät ole opetuksen keskiössä. Opiskelijoiden asenteisiin vaikuttamista pidetään moraalisesti hyväksyttävänä ja suuri osa yliopisto-opettajista myös pyrkii vaikuttamaan opiskelijoiden asenteisiin ilmastonmuutoksen kaltaisten aiheiden suhteen. Vastaajien mukaan kasvihuonekaasupäästöjen vähentämisen opetus on hyvällä tasolla, mutta parantamisen varaa on. Kemianala nähdään myös opettajakunnassa olevan avainasemassa kasvihuonekaasupäästöjen hillitsemisessä. Kestävän kehityksen avainkompetenssien ottamista huomioon kemianalan koulutusohjelmien suunnittelussa ja opetuksen laadun arvioinnissa tulisi harkita. Tämä voisi edistää taitojen nousemista opetuksessa keskeisempään asemaan. Vedyn ja hiilidioksidin käyttöä raaka-aineina tulisi nostaa vahvemmin esiin opetussisältönä. Myös kansallisia, kaikkien toimijoiden käytettävissä olevia verkkokursseja tulisi kehittää ja toteuttaa yhteistyössä yliopistojen ja teollisuuden edustajien kanssa.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 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) | 0.045 | 0.013 |
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".