Matkailu- ja ravitsemisalan pitovoima : kuinka ammattiin valmistuvat pysyvät alalla
Notice bibliographique
Résumé
Matkailu- ja ravitsemisala kamppailee pitovoiman haasteiden ja työvoimapulan kanssa. Alalta on poistunut paljon osaavaa henkilökuntaa, eikä ammattikouluista valmistu tarpeeksi nuoria, jotka jäisivät alalle. Nuoret pitävät alaa henkisesti ja fyysisesti raskaana, jonka vuoksi monet kouluttautuvat toiselle alalle. Tutkimuksen tavoitteena oli selvittää syitä MaRa-alan heikkoon pitovoimaan. Laadullinen tutkimus toteutettiin kahdessa Pohjois-Suomessa sijaitsevassa ammattioppilaitoksessa Webropol kyselynä, joka suunnattiin keväällä 2024 valmistuville nuorille. Lisäksi suoritettiin kaksi teemahaastattelua alan opettajille. \n \nTutkimuksen tulokset osoittavat, että alan pitovoimaan negatiivisesti vaikuttavat työolot, vuorotyö, palkkaus, johtamistaidot, työn fyysisyys ja huonot työssäoppimiskokemukset. Nuoret pitivät positiivisina asioina alalla uusien tekniikoiden oppimista ja hyvää työilmapiiriä. Kyselyyn vastanneista suurin osa kertoi koulutuksen vastanneen odotuksia ja lähes 40 % vastanneista ilmoitti työskentelevän alalla melko epätodennäköisesti, mikä on huolestuttavaa alan tulevaisuuden kannalta. Suoritetut teemahaastattelut opettajille korostivat opettajan työajan kuluvan useasti muuhun kuin opettamiseen. Jatkuvasta hausta ja erityistuen tarpeista johtuvat resurssipulat koettiin haastaviksi ja opettajat kaipaisivat siihen muutosta. \n \nKerätyn tietoperusta ja suoritettujen tutkimusten perusteella ala tarvitsee muutoksen, jotta matkailu ja ravintoloissa käyminen on mahdollista myös tulevaisuudessa. Pandemia vei alalta paljon ammattilaisia, joita ei ole saatu korvattua. Matkailu- ja ravitsemisalan perustutkinnon ensisijaisten hakijoiden määrä on pienentynyt seitsemän vuoden aikana 1900 hakijalla vuosien 2015 ja 2021 välisenä aikana. Ja alan vetovoima oli alhaisin yhteishaussa vuonna 2021 kaikki koulutusalat huomioon ottaessa. Jotta MaRa-ala saataisiin kiinnostavammaksi nuorten mielestä, pitäisi nuoria kuunnella enemmän ja antaa heille vastuuta jo työssäoppimispaikoilla. Tällä hetkellä monen nuoren kokemus työssäoppimisesta oli lähinnä avustavia töitä eivätkä he saaneet alasta oikeanlaista kuvaa, mikä vähentää alan pitovoimaa. Työperäinen maahanmuutto voi auttaa, mutta ei ratkaise yksinään ongelmaa.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,118 | 0,046 |
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 ».