Maahanmuuttajanaisten tiedonsaanti sekä tiedonsaannin ja asioinnin kehittäminen Suomen terveyspalveluissa
Notice bibliographique
Résumé
Maahanmuuttajien määrä Suomessa kasvaa jatkuvasti. Levottomuuksien ja heikentyneiden elinolojen vuoksi ihmiset jättävät kotimaansa ja muuttavat muualle. Suomeen muutettaessa maahanmuuttajan kulttuuri, tavat ja uskonto pysyvät, vaikka ne voivatkin muuttaa muotoaan uuden kulttuurin myötä. Maahanmuuttajille suunnattuja palveluita kehitetään koko ajan vastaamaan heidän erityistarpeitaan, mutta erityistä huomiota vaativat sosiaali- ja terveyspalvelut. Terveyspalveluissa kulttuurisensitiivinen ote ja molemminpuolinen ymmärrys maahanmuuttajan ja terveydenhuollon ammattilaisen välillä ovat ensisijaisia. Opinnäytetyön tarkoituksena on kuvata, miten maahanmuuttajanaiset saavat tietoa terveyspalveluista ja miten tiedonsaantia sekä asioinnin sujuvuutta terveyspalveluissa voisi kehittää. Opinnäytetyön tavoitteena on hyödyntää haastattelusta saatuja tuloksia maahanmuuttajille suunnattujen terveyspalveluiden kehittämisessä. \n \nOpinnäytetyö on laadullinen tutkimus, jonka aineistonkeruumenetelmänä käytettiin ryhmähaastattelua. Haastattelemalla saatu aineisto analysoitiin sisällönanalyysiä käyttämällä. \n \nTuloksissa kävi ilmi maahanmuuttajanaisten saavan tietoa terveyspalveluista useista eri paikoista ja lähteistä, yleisimpänä tiedonlähteenä oli internet. Tiedonsaannin kehittämisideat pohjautuivat lähinnä jo olemassa oleviin tiedonlähteisiin, pääasiassa niiden selkeyteen ja ymmärtämiseen. Suurin huoli asioinnin sujuvuutta koskien oli terveydenhuollon ammattilaisten tietämättömyys maahanmuuttajien kulttuureista, uskonnoista ja tavoista.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,019 |
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 ».