I Want to Learn Finnish Too! : A Survey of Finnish Language Teachingin Swedish Primary Schools
Bibliographic record
Abstract
Suomen kieli on yksi Ruotsin vähemmistökielistä. Lain mukaan kaikki lapset, joilla on suomenkielinen tausta ja perustavat taidot suomen kielessä, ovat oikeutettuja suomenkielen opetukseen. Tämä opinnäytetyö on pieni muotoinen kvalitatiivinen kartoitus Ruotsin peruskoulun suomen kielen opetuksesta. Teoria perustuu Ruotsin lakiin ja Ruotsin suomen kielen opetushistoriaan. Empiirinen osuus koostuu suomen kielen opettajien ja suomea opiskelevien oppilaiden haastatteluista sekä ruotsinsuomalaisen vapaakoulun rehtorin ja suomalaistaustaisen vanhemman kanssa käymistäni keskusteluista. Olen myös kysynyt usealta kunnalta suomen kielen opetuksen järjestelyistä ja sen toteuttamisesta. Työn tavoitteena on kartoittaa suomen kielen opetuksen tämänhetkinen tilanne Ruotsin peruskoulussa. Eräs tutkimustulokseni osoittaa, että kunta ei tiedota tarpeeksi suomen kielen opetuksesta. Olen saanut myös selville, että pätevistä suomen kielenopettajista on pulaa Ruotsissa. Lisäksi olen todennut, että suomen kielen oppituntien pituus ei joissakin kunnissa yllä edes yhteen tuntiin. Kiertävien suomen opettajien työolot ovat stressaavia ja työpäivät koostuvat lähes pelkästään opetustunneista. Kaikesta tästä olen tehnyt johtopäätöksen: suomen kielen opetuksen tilaa on parannettava laadukkailla opetustunneilla ja pätevillä opettajilla, joilla on hyväksyttävät työolot. Lisäksi opetuksen määrää täytyisi lisätä.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 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) | 0.004 | 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".