FIRE-liikumine Eestis
Notice bibliographique
Résumé
Antud bakalaureusetöö eesmärk on uurida, milline on FIRE-liikumine Eestis ning milline on \nFIRE-liikumise järgija olemus – isiksus, väärtused, eesmärgid, kokkupuude finantsharidusega. \nUurimisküsimustele vastamiseks viidi läbi küsitlusuuring Eesti investeerimiskogukondade \nseas. Põhiliste tulemustena saab välja tuua, et Eesti investeerimiskogukondade liikmed ei ole \nFIRE-järgijad. Seetõttu keskendus tulemuste kirjeldamine Eesti investeerimiskogukonna \nliikme profiili kirjeldamisele ehk kogu valimi analüüsimisele. Samuti saab öelda, et erinevalt \nFIRE-järgijatest ei minimeeri Eesti investeerimishuvilised oma kulusid ning võlgu, vaid \ntekitavad lisasissetulekuid, et varasid kasvatada – nad ei loobu tänasest tarbimisest, et tulevikus \noleks parem. \nEesti investeerimiskogukonna liige on kõrge ekstravertsusega, kõrge nõustumisvalmidusega, \nkõrge meelekindlusega, kõrge neurootilisusega ning kõrge avatusega. Nad väärtustavad \nsäästlikku ning jätkusuutlikku elustiili, säästlikku tarbimist ning teadlikku tarbijakäitumist, \ntarbimise vähendamist, süsinikujalajälje vähendamist, keskkonnasäästlikkust ning \nminimalismi. Nende investeerimiseesmärgid on mitmekesised – mitte raha teenimise pärast \ntööd teha, varakult töötamise lõpetamine, rahalise tuleviku kindlustamine, pere/sõpradega \nrohkema aja veetmine, otsustusvabadus, reisimine ning põnevus. Väike osa Eesti \ninvesteerimiskogukondade liikmetest on finantsharidusega kokku puutunud haridussüsteemis. \nSuur osa vastajaid on rahatarkuse kohta iseseisvalt infot otsinud. Tulemused näitasid, et \nfinantsvabaduse saavutamine on Eesti investeerimishuvilistele oluline.
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 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,127 | 0,041 |
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 ».