Romanien työllistyminen - kompastuskivi vai ponnahduslauta? : Tuumasta töihin -koulutusmalli ponnahduslautana työllistymiseen
Notice bibliographique
Résumé
Ärling, Mikael Mertsi Allan. Romanien työllistyminen - kompastuskivi vai pon-nahduslauta? Tuumasta töihin -koulutusmalli ponnahduslautana työllistymiseen. kevät 2018. 87 s., kuusi liitettä. \n \nDiakonia-ammattikorkeakoulu oy, Sosiaali- ja terveysalan johtaminen ja vaikuttavan palvelumuotoilun kehittämisen koulutusohjelma, sairaanhoitaja-diakonissa (YAMK). \n \nSyrjäytymisen taustalla olevat syyt ovat monitasoisia, yhteiskunnallisista tekijöistä aina perhe- ja yksilötason tekijöihin. Merkittävänä yhteiskunnallisena ilmiönä syrjäytymisen taustalla on työmarkkinoiden muutos sekä heikosti koulutetun työvoiman kysynnän romahtaminen. Tehokkuus- ja koulutusvaatimukset ovat kasvaneet ja yksilö, joka ei pysty niihin syystä tai toisesta vastaamaan, on vaarassa jäädä osallisuuden ulkopuolelle. \n \nRomanien kouluttautuminen ja työllistyminen nähdään monin tavoin haasteellisena. Opinnäytetyössä tarkastellaan romanien työllistymisen esteitä sekä työhön sijoittumisen ja osallisuuden edellytyksiä analysoimalla Suomen romaneista tehtyjä selontekoja. Sisällön analyysissa on käytetty fenomenologista lähestymistapaa. Selvitystiedosta tehtyä analyysia on peilattu näyttöön perustuvaan arkikokemukseen. \n \nOpinnäytetyössä kuvataan Nevo tiija -hankkeessa kehiteltyä produktiota Tuumasta töihin -koulutusmallia ja sen prosessia. Produktio on tiivis osa Diakonia-ammattikorkeakoulun hallinnoimaa valtakunnallista Nevo tiija – Uusi aika -ESR-hanketta. Tuumasta töihin -mallin uskotaan auttavan, ei vain romaneja, vaan myös muita vaikeasti työllistyviä henkilöitä.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,037 |
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 ».