Kiinnostuksesta: miten tässä luokalle jättämistä koskevassa kirjallisuudessa on huomioitu oppilaiden käyttäytymisvaikutukset, kun he mahdollisesti tekevät enemmän töitä sen eteen, etteivät jäisi luokalle?
Tämähän koskee siis myös niitä, jotka eivät jääneet luokalle.
”Työn tuottavuus ei nouse tutkinnoilla, vaan paremmalla osaamisella. Tutkinnon pitäisi olla työmarkkinoilla varma signaali osaamisesta. Samalla kun volyymiä kasvatetaan, pitäisi pystyä varmistamaan koulutuksen laatu", @janierola.net kirjoittaa Professoriblogissa. #osaaminen #koulutus
Esim. talouspoliittisissa päätöksissä taloustutkimusta haastetaan vahvasti yhteiskunnan joka osa-alueilta ja joudutaan näitä puolustamaan.
Miksi kasvatustieteilijät eivät suostu tällaiseen keskusteluun, vaikka esim. koulua koskevat päätökset voivat olla vähintäänkin yhtä merkityksellisiä?
Kyselin jo tekoälyltä, mutta ei sieltä mitään kovin järkevää minusta tullut.
Some-keskusteluja ei tietenkään ole pakko jatkaa, mutta olisi minusta virkistävää, jos kasvatustieteilijät edes joskus yrittäisivät antaa vastauksia, joille voisi hakea hyväksyntää myös oman tutkijayhteisön ulkopuolelta.
Näin ei ehkä välttämättä ole, mutta koska kyse on kuitenkin yhteiskunnallisesti hyvin merkittävästä asiasta, ko. tutkijoilla olisi nähdäkseni velvollisuus perustella, miksi koulua koskevia päätöksiä perustetaan sellaiseen evidenssiin, joka ei kerro päätöksen vaikutuksista.
Btw. näin ulkopuoliselle väitelauseesta
"koulua koskevassa päätöksenteossa vaikuttavuustutkimukset eivät ole lähtökohtaisesti ensisijaisia"
syntyy helposti vaikutelma, että tässä tapauksessa koulua koskeva päätöksenteko on huonosti perusteltua.
Nyt kerrot asiantilasta ("eivät ole ensisijaisia"), et siitä, miten pitäisi olla.
Tietoa voi kerätä monipuolisin keinoin, mutta edelleen, jos päätöksenteolla on tarkoitus vaikuttaa, miksi tiedon vaikutuksista ei ainakin pitäisi olla ensisijaista?
Tietenkin tutkimusta voidaan tehdä myös muista asioista kuin vaikutuksista.
Mutta jos päätöksenteon pääasiallinen tavoite on vaikuttaa johonkin asiantilaan tai toimintamalliin, miten tällainen tutkimus sitten informoi ko. päätöksentekijää kovinkaan relevantilla tavalla ko. päätavoite huomioiden?
Ainakin oma hämmennykseni asiaan liittyen on niin perustavanlaatuista, että kuvittelisin siihen löytyvän selvennyksen melko lyhyellä some-vastauksella ilman, että täytyy linkata kokonaista artikkelia.
En siis tajua, miten vaikutuksista voi saada tietoa ilman, että vaikutuksia tutkitaan.
Maksumuuri, joten en päässyt artikkeliin käsiksi. Abstraktin perusteella ei tosin selvinnyt relevanssi tähän keskusteluun.
Oletko siis sitä mieltä, että päätöksenteon tavoitteena ei ole vaikuttaminen?
Vai, että vaikutuksista voi saada tietoa tutkimusmenetelmillä, jotka eivät selvitä vaikutuksia?
Ymmärrän, että näkemykset ja havainnot voivat paremman evidenssin puuttuessa toimia päätöksenteon pohjana.
Mutta eikö tällöinkin päätöksenteon tavoite ole vaikuttaa johonkin asiantilaan, jolloin tutkimusevidenssi ko. vaikutuksesta olisi subjektiivisia näkemyksiä parempi lähtökohta päätöksenteolle?
Perustuuko nämä ym. siis kausaalievidenssiin? 2/2
Lisäksi kirjoituksessa on paljon kausaaliväitteitä, kuten
”…kokeet ovat typistäneet koulutyötä kokeisiin preppaamiseen ja yksipuolistaneet opetusmenetelmiä, … lisänneet oppilaiden ja koulujen vakavaa eriarvoisuutta, … oppilaat stressaantuivat kokeista, eivätkä ne motivoineet opiskelemaan.”
1/
Eikä tämä rajoitu pelkästään määrälliseen tutkimukseen, vaan koskee myös laadullista tutkimusta.
Esim. tieteenfilosofiassa yleisesti implikaatiolla nimenomaan viitataan kausaalisuhteeseeen, vaikka sen todistamisen metodologinen vaikeus tunnustetaankin. 3/3
Lisäksi en ymmärrä terminologiakysymystä. Nähdäkseni englanninkielen sanat ”consequence” ja ”implication” (samoin kuin suomen kielen sana ”seuraus”) käsittelevät nimenomaan kausaliteettia.
2/
Kiinnostava keskustelu, mutta putosin hieman kärryiltä.
Eikö poliittista ohjausta yms. tehdä nimenomaan siksi, että sillä pyritään *vaikuttamaan* johonkin asiantilaan tai käytäntöön?
Eikö tällöin päätöksenteon pitäisi perustua nimenomaan kausaalievidenssiin? Mikä muu voisi sanoa vaikutuksista? 1/
Isot säästöt hallinnosta leikkaamilla ei ehkä tosiaan realistista.
Yritystuet silti käsittääkseni useita miljardeja (Googlen AI sanoi yhteensä 4mrd); näiden leikkaamisesta kuulee aika ajoin puheenvuoroja.
En toki tiedä, mikä olisi järkevää.
En ole kaivanut tilastoja, mutta eikös kehitysapu ja yritystuet ole kuitenkin yhteensä usean miljardin euron kuluerä vuosittain?
Uusi vuosi, uudet tehtävät.
Loppiaisen jälkeen aloitan kotimaan rahoitusvakauden ryhmäpäällikkönä @suomenpankki.fi.
Pitkään meni päätoimisena tutkijana; nyt kiinnostuksella uutta kohti.
Toisaalta neoklassisessa maailmassa säästäminen luo (pankkisektorin ja yritysluottojen kautta) investointeja.
Eli onko ongelma sittenkin kysynnän puutteen sijasta luotonannossa?
Ken tietää; mutta kysyntäselitykset näyttäisi minusta ehkä hieman ylikorostuvan näissä keskusteluissa.
FIFY: ”On ällistyttävää, miten nopeasti ja kyseenalaistamatta läpi yhteiskunnallisen keskustelun on alettu korostaa *yli*kansallista etua.”
No vitsi vitsinä, mutta eikö tämä ole sellainen arvokysymys, josta ihan luonnollisesti esiintyy erilaisia näkemyksiä?
Vaikka kaikissa hankkeissa olisi nykyään välttämättä jotain palkkauksia, veikkaan että tällainen vaatimus voi silti kääntyä itseään vastaan ja olla itsessään yhdenvertaisuusperiaatteen vastainen.
Miten tällaiset lausunnot esim. arvioidaan?
En tiedä useimmista; ainakaan oma tutkijatohtorihankkeeni ei aikoinaan sisältänyt muita palkkakuluja kuin omani.
En muista, kysyttiinkö tällaista, kun itse sain Akatemian tutkijatohtorihankkeeni reilu vuosikymmen sitten.
Veikkaan, että ei kysytty; ainakaan en muista mitään tällaiseen tarinoineeni.
Rehellinen vastaus olisi silti varmaan ollut, että ”ei edistä mitenkään tasa-arvoa tai yhdenvertaisuutta”.
Vaatimus esitetään kuitenkin ilmeisesti kaikille hankkeille, eli ilmeisesti myös sellaisille, joissa ei rekrytä tutkijoita.
Eikö tämä ole hieman outo vaatimus?
On paljon tutkimuskysymyksiä, jotka eivät mitenkään liity tasa-arvoon tai yhdenvertaisuuteen.
Miksei vain rahoiteta tieteellisesti parhaita hankkeita, vaan vaaditaan hakemuksilta tällaisia lausuntoja, jotka ei välttämättä liity mitenkään aiheeseen?
Vielä nykyisinkin ei tarvitse olla kovinkaan monimutkainen malli, jotta perinteisen CPU-klusterin saa kuormitettua.
GPUt helpottanut tilannetta huomattavasti, mutta mennee aikansa, jotta nämä yleistyvät.
2/2
Kyllä makrossa tehdään myös jonkinasteiseen realismiin pyrkiviä ns. ”kvantitatiivisia” malleja.
Mutta ainakin historiallisesti nämä on ollut täysin laskentakyvyn ulottumattomissa, joten metodikirjallisuus kehittynyt hieman eri suuntaan.
1/
Dominantista vaikea sanoa, koska tietynlainen murros käynnissä.
Mikrodatat nykyään isossa roolissa, mutta eroja siinä, miten niitä käytetään.
Omassa tutkimuksessani ainakin suuntaus pienempiin/spesifimpiin malleihin; keskeiset joustot pyritään identifioimaan ja estimoimaan huolellisemmin datasta.
