Asiakirjahallinnon tila KUUMA-seudulla
Notice bibliographique
Résumé
Tutkielma on asiakirjahallinnan tutkimusaluetta. Sen tarkoituksena on selvittää, minkälainen asiakirjahallinnon tila on kymmenessä KUUMA -kunnassa. KUUMA – kuntia ovat Hyvinkää, Järvenpää, Kerava, Kirkkonummi, Mäntsälä, Nurmijärvi, Pornainen, Sipoo, Tuusula ja Vihti. \n \nTutkielman tarkoituksena on kartoittaa mikä on asiakirjahallinnon nykytilanne kymmenessä KUUMA-seudun kunnassa ja minkälaisia vahvuuksia tai heikkouksia ne kokevat omassa toiminnassaan. Näkevätkö ne tulevaisuudessa joitain sellaisia mahdollisuuksia tai uhkia, jotka voivat vaikuttaa asiakirjahallinnon kehittymiseen. Tavoitteena on saada selville miten asiakirjahallinto on järjestetty kunnittain ja miten se sijoittuu kuntaorganisaatiossa ja onko kunnassa hajautettu vai keskitetty asiakirjahallinnon toimintatapa käytössä. \n \nTutkimuksen viitekehyksenä on kunnallinen asiakirjahallinto, sitä ohjaavat lait ja arkistolaitoksen ohjeistukset. Tutkimuksessa haastateltiin kymmenen KUUMA-kunnan asiakirjahallinnosta vastaavaa henkilöä. Haastattelut tehtiin kahdeksana käyntihaastatteluna ja kaksi haastattelua tapahtui sähköpostitse. Haastatteluissa kysyttiin haasteltavien taustatietoja ja asiakirjahallinnon tilaa kartoittavat kysymykset pohjautuivat SWOT -analyysin pohjalta tuttuun nelikenttämalliin, jossa arvioidaan organisaatioiden sisäisiä vahvuuksia ja heikkouksia sekä ulkopuolelta tulevia mahdollisuuksia ja uhkia. \n \nTutkimustulokset osoittavat, että KUUMA-kunnissa ollaan suurimmalta osalta varsin tyytyväisiä oman kunnan asiakirjahallinnon tilaan. Erojakin toki löytyy, mutta pääsääntöisesti kunnat pohtivat asiakirjahallinnossaan samantapaisia asioita. Suomen kunnissa ollaan tänä päivänä kovaa vauhtia siirtymässä sähköiseen asiointiin ja arkistointiin ja se näkyy kunnissa. Myös tuleva sote-uudistus ja valtakunnallinen SAPA -palvelu mietityttävät seurauksineen.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,014 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».