Sloyd as support for the development of hand motor skills
Bibliographic record
Abstract
Syftet med studien är att utreda och identifiera elevernas upplevelse av digitaliseringens inverkan på handmotoriken och att lyfta fram praktiska moment som stöder det kroppsliga lärandet. Studien bygger på två forskningsfrågor: 1. Hur upplever elever att digitaliseringen har påverkat deras handmotoriska färdigheter? 2. Vilka moment i slöjdundervisningen upplever eleverna som mest effektiva för att utveckla handmotoriska färdigheter? Studien utgår från en fenomenologisk forskningsansats och baseras på semistrukturerade gruppintervjuer med tio elever från årskurserna 8 och 9. Eleverna i årskurs 8 har slöjd enligt läroplanen och eleverna i årskurs 9 har valt slöjd som tillvalsämne. Jag förankrar min studie i slöjdpedagogisk forskning, Grunderna för läroplanen för den grundläggande utbildningen (Utbildningsstyrelsen, 2014a) samt i centrala begrepp som slöjdundervisning, kunskap, motorik och digitalisering. Digitala färdigheter är färdigheter som alla förväntas lära sig i allt större utsträckning. Digitaliseringen syns på samhällsnivå, i vår vardag och i skolan. Ett brännande aktuellt diskussionsämne är skärmtidens dagliga längd i relation till negativa konsekvenser och hälsohinder. I min studie uppger eleverna att de tillbringar många timmar dagligen framför olika skärmar. Enligt elevernas uppskattning är skärmtiden i årskurs 8 mellan 4 och 8 timmar och i årskurs 9 från 8 till över 12 timmar per dag. Resultatet visar att elevernas upplevelser av sina handmotoriska färdigheter varierar, men de upplever inte någon tydlig förändring som de kan koppla direkt till digitaliseringen. De beskriver att deras motoriska färdigheter främst formas av de praktiska moment som de möter i på fritiden. Resultatet tyder på att digitaliseringen inte upplevs som ett hinder för motorisk utveckling. Eleverna anser att digitala verktyg inte spelar någon större roll för dem i slöjdundervisningen. Dessa används främst för att söka inspiration och vägledning inför olika projekt. De befintliga digitala verktygen upplevs inte alltid vara ändamålsenliga och lätta att använda. Eleverna framhåller att slöjdundervisningen erbjuder unika möjligheter att förbättra motoriska färdigheter genom praktiska uppgifter med olika material och tekniker. Övning, långsiktigt lärande och individuellt stöd bidrar på olika sätt till att gradvis bygga upp skickligheten och de handmotoriska färdigheterna. Eleverna beskriver att de känner tillfredställelse när de lyckas i slöjdprocessen, vilket de inte upplever sig få genom användning av digitala verktyg. Slöjdämnet fungerar som en motvikt till den digitaliserade vardagen genom att stärka elevernas motoriska färdigheter och erbjuda en arena för kroppsligt lärande.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.089 | 0.011 |
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".