Koulujen tietotekniikkainvestointien hankintaprosessit
Notice bibliographique
Résumé
Suomi sijoittuu vuosi toisensa jälkeen PISA-arvioinneissa maailman kärkeen, mutta koulujen tietotekniikkavertailuissa on Suomen sijoitus laskenut jo useita vuosia perättäin. Koulujen tietotekniikkainvestoinnit eivät siis ole täyttäneet niille asetettuja odotuksia. Yhtenä syynä tähän ovat tehottomat hankintaprosessit, jotka eivät johda toivottuihin tuloksiin ja laskevat entisestään opettajien motivaatiota tietotekniikkainvestointien käyttöönottoon. Ongelman ratkaisemiseksi tässä diplomityössä tutkitaan Suomen kuntien hankintaprosesseja ja etsitään tehokkaampaan tietotekniikkainvestointien käyttöönottoon johtavia menetelmiä. \n\nTyön teoreettinen osuus keskittyy tietotekniikkainvestointeja käsitteleviin aineistoihin ja hankintaprosessien vaiheita ja mallintamista tutkivaan kirjallisuuteen. Koulujen tietotekniikkainvestointien hankintaprosesseista ei ole Suomessa suoritettu aiempaa tutkimusta, joten aineistoa haettiin ulkomaisista lähteistä ja muiden sektoreiden hankintaprosessien tutkimuksesta. Materiaalin pohjalta muodostettiin tietotekniikkainvestointien hankintaprosessille kehysmalli. \n\nTutkimuksen empiirisessä osuudessa toteutettiin haastattelututkimus, jossa tiedonkeräysmenetelmänä käytettiin puolistrukturoitua teemahaastattelua. Haastattelut suoritettiin yhdeksässä Suomen kunnassa, joista jokaisessa kunnassa haastateltiin peruskoulun ja lukion tietotekniikkainvestointien hankintaorganisaatioon kuuluvia henkilöitä. Kerätystä haastattelumateriaalista pyrittiin tunnistamaan teoriaosassa luodun kehysmallin mukaisia vaiheita ja sijoittamaan ne erilaisiksi hankintaprosessipoluiksi kuntakohtaisesti. \n\nTutkimuksessa luotiin hankintaprosessimallit kaikille tutkimukseen osallistuneille kunnille, sekä verrattiin löydöksiä teoriaosuudessa käsiteltyyn materiaaliin. Tuloksena saaduista malleista myös tutkimuksen ulkopuolelle jääneet kunnat voivat kehittää omia hankintaprosessejaan ja löytää vaihtoehtoisia hankintaprosessimalleja ja toimintatapoja
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,177 | 0,048 |
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 ».