Sosiaalinen media, kouluhyvinvointi ja ystävyyssuhteet: Systemaattinen kirjallisuuskatsaus suomalaisnuorten sosiodigitaalisen osallistumisen vaikutuksista kouluhyvinvointiin
Bibliographic record
Abstract
Sosiodigitaalisen osallistumisen ja kouluhyvinvoinnin yhteyksiä on tärkeä tutkia, koska nuoret viettävät yhä enemmän aikaa näissä informaaleissa oppimisympäristöissä. Oppilaan identiteetin vahvistumisen kannalta on keskeistä varmistaa, ettei fyysinen kouluympäristö ole ristiriidassa digitaalisten ympäristöjen sosiaaliseen toimintaan. Koulujen ja opettajien on myös syytä tunnistaa oppilaiden käyttämiä sosiodigitaalisen osallistumisen muotoja, jotta ystävyyssuhteiden muodostumista sekä oppilaiden tuntemuksia ja toimintaa suhteessa sosiaalisiin tilanteisiin pystytään selittämään. Työn keskeinen tavoite on ymmärryksen lisääminen siitä, miten ystävyyssuhteet voivat olla riippuvaisia näistä kahdesta ympäristöstä, ja miten kouluhyvinvointi voi joko vahvistua tai heikentyä sosiodigitaalisen osallistumisen seurauksena. Tutkimus on toteutettu systemaattisena kirjallisuuskatsauksena, koska tutkimuskentällä on selkeä tutkimusaukko kouluhyvinvoinnin ja sosiodigitaalisuuden yhteyksien osalta. Kirjallisuuskatsauksen kaikki aineistot ovat suomalaisia. Aineistonhakuprosessi on suoritettu syys-lokakuussa 2025. Lopulliseen tutkimukseen päätyi kahdeksan tutkimusta, joista suuri osa oli kvantitatiivisia tai menetelmiä yhdistäviä tutkimuksia. Tämä tutkielma antaa näkökulmaa opettajille informaalin ja formaalin oppimisen ristiriidoista ja niiden taustalla olevista tekijöistä, sekä sosiodigitaalisen osallistumisen vaikutuksista nuorten kouluhyvinvointiin. Tulokset osoittivat, että sosiodigitaalisella osallistumisella on vaikutusta nuoren koulu- ja henkilökohtaiseen hyvinvointiin. Ystävyyssuhteiden tarkastelu aineistossa oli vähäistä. Tulosten perusteella yhteenkuuluvuus oli kuitenkin iso osa nuorten päivittäistä sosiodigitaalista osallistumista. Laajemman ymmärryksen aiheesta saamiseksi tätä olisi hyvä tutkia lisää. Laajempi ymmärrys aiheesta voi auttaa kouluja tukemaan oppilaiden yhteenkuuluvuutta koulunsisäisissä ystävyyssuhteissa, ja sitä kautta kouluhyvinvointia.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.020 | 0.014 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.055 | 0.026 |
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".