Is it Time to Develop School Books in the Mother Tongue? : A survey of the books used in Finnish language teaching in Swedish primary schools
Bibliographic record
Abstract
Päättötyöni on kvalitatiivinen kartoitus kymmenestä Ruotsin peruskoulussa vuosiluokilla 1–5 suomen kielen opetuksessa käytetystä oppikirjasta. Kartoitusten lisäksi olen haastatellut kolmea opettajaa ja saanut vastauksia kyselykaavakkeisiin 11 opettajalta heidän mielipiteistään oppikirjoista. Aihe, suomen kielen oppikirjojen kartoitus ja mielipidekysely kirjoista, on tarpeellinen , sillä suomen kieli on ollut yksi Ruotsin viidestä virallisesta, kansallisesta vähemmistökielestä vuodesta 2000 ja peruskouluasetuksen mukaan kaikilla oppilailla on Ruotsin peruskouluissa oikeus oppia ja kehittää suomen kieltä, jos heillä on ennestään perustava kielitaito. Vaikka suomi on ollut virallinen vähemmistökieli jo kymmenen vuotta ja koululainmuutos, jonka mukaan suomen kielen ei enää tarvitse olla aktiivinen kotikieli, on ollut voimassa kaksi vuotta, vasta tämän syksyn aikana painettiin ruotsinsuomalaisia varten ensimmäinen oppikirjasarja 20 vuoteen. 1970- ja 80-luvuilla teetettiin kolme kirjasarjaa, mutta sen jälkeen opettajat ovat joutuneet käyttämään Suomessa tuotettuja ja suomalaisia oloja varten suunniteltuja kirjoja, eivätkä kirjat tutkimukseni mukaan täytä kaikkia ruotsalaisen kurssisuunnitelman tavoitteita. Suomen kielen opettajat ovat kuitenkin tyytyväisiä oppikirjoihinsa, vaikka niissä on puutteita; niiden suurin heikkous on, että ne sisältävät ruotsinsuomalaisille liian vaikeita sanoja ja lauseita
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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".