Assessment in High School PE : A comparing between the Swedish and the Norwegian corriculum
Bibliographic record
Abstract
Hensikten med denne studien er å undersøke om det er noen forskjell på det norske og det svenske styrdokumentet når det kommer til vurdering i emnet idrett og helse. Her vil jeg finne ut om det er noen likheter/forskjeller i lærernes fremgangssett og hvordan de arbeider med sine styrdokument når de skal sette karakterer på sine elever. Problemstillingen for studien lyder da som følger; Målet er å undersøke og sammenligne bedømningen og karaktersettingen i norsk og svensk videregående skole. Undersøkelsen er gjennomført på to videregående skoler (gymnasieskolor), gjennom ett strategiskt utvalg, en i Sverige i utkanten av Stockholm og den andre i Norge, i Hamar. I Sverige har jeg gjennomført to intervjuer, en mann og en kvinne, i Norge har jeg gjennomført tre intervjuer, to menn og en kvinne. Alle idrettslærerne fikk de samme spørsmålene og intervjuene ble spilt inn på lydbånd. Mitt teoretiske rammerverk inspireres av den franske sosiologen Pierre Bourdiue og forholdet mellom individer og sosiale systemer. Resultatet i denne undersøkelsen viser at det er forskjell på hva idrettslærerne gjør i sin bedømning, ikke bare mellom de to landene men også lærerne individuelt. Bourdiues begrep om habitus og smak er med på å forme den enkelte lærers undervisning i den grad att deres undervisnig blir forskjellig. Mellom de to landene kan vi se en tydelig forskjell i styrdokumentet ved att man i Sverige har en mer detaljstyrt læreplan som gjør det lettere for idrettslæreren å sette karakter på elevene. Det norske styrdokumentet stiller større krav på hver enkelt lærer. Når det kommer til hvordan idrettslærerne jobber i sin bedømning er det hos de to svenske lærerne større fokus på helse aspektet og på elevenes forståelse av det de gjør. Hos de norske lærerne ligger fokuset på elevenes prestasjoner og kunnskaper i form av teoretiske prøver. Den største forskjellen man kan se mellom Norge og Sverige er at man i Sverige har kursplanen og jobbet ut i fra. Dette verktøyet gir lærerne en tydeligere oversikt over hva elevene skal vurderes etter. Når man i Norge selv er nødt til å skape disse målene vill det kunne bli store forskjeller i hva man gjør som lærer. Med utgangspunkt i kursplanen vill lærerne i Sverige kunne vurdere elevene mer likt enn hva de kan i Norge.
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 | 0.007 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".