Finanssialan henkilöstön profiili
Notice bibliographique
Résumé
Finanssiala reagoi herkästi maailman tilanteisiin. Finanssialan tilanne vaikuttaa myös henkilöstötilanteisiin. Tämä opinnäyte on koostettu Finanssialan keskusliiton toimeksiannosta. Opinnäytteen tavoitteena oli antaa kuvaus Suomen finanssialalla työskentelevästä henkilöstöstä vuosina 2007–2008 ja kuvailla myös Pohjoismaiden finanssialaa. Opinnäytteestä käy ilmi, minkälainen ikärakenne Suomen finanssialalla on tuolloin ollut, milloin alalle oli tultu, ja millainen koulutustausta alalla olevilla oli. Lisäksi esiteltiin finanssialan erilaiset työtehtävät ja sitä kuinka paljon eri tehtävissä oli henkilöitä töissä. Aineisto saatiin henkilötietosuojasyistä valmiina Finanssialan keskusliitolta. Lisäksi opinnäytteessä käytettiin Elinkeinoelämän keskusliiton vuosina 2007 ja 2008 toteuttamaa tiedustelua, HENKOa. Mukana oli myös finanssitradenomien palkkavertailu (TRAL) ja pohjoismaisia vertailutietoja. Finanssiala käsitti tässä opinnäytetyössä pankit ja vakuutusyhtiöt. Pankeissa ja vakuutusyhtiöissä Suomessa työskentelee eniten naisia. Pankeissa on tulevaisuudessa suuri tarve rekrytoida uusia työntekijöitä eläköityvien tilalle. Myös vakuutusyhtiöissä tarvitaan tulevaisuudessa uusia työntekijöitä, mutta tilanne ei ole yhtä kiireellinen kuin pankeissa.\n\nPohjoismaiden finanssiala käsitti tässä opinnäytetyössä liikepankit, säästöpankit sekä osuuskunnalliset säästöpankit. Tilastoja ovat keränneet Tanskan, Suomen, Islannin, Norjan ja Ruotsin finanssialan liitto. Pääpiirteittäin Pohjoismaiden finanssialat muistuttavat toisiaan eli ovat samankaltaisia Suomen kanssa. Islannin finanssimarkkinat ovat luonnollisestikin pienet maan koon vuoksi.\n\nFinanssialan henkilöstön profiilitutkimus on hyödyllinen työnantajille, jotka pohtivat tulevaisuuden rekrytointia, opiskelijoille, jotka pohtivat alan valintaa sekä myös niille, jotka suunnittelevat tulevaisuuden opetusta ja sen kehittämistä.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,025 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».