MétaCan
Menu
← Retour à la cohorte
Enregistrement W7020560128

Lukio-opiskelijoiden huumausaineiden käyttö Vantaalla

2024· other· fi· W7020560128 sur OpenAlexaboutno aff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2024
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Opinnäytetyömme tavoitteena on selvittää Vantaan Tikkurilan lukion opiskelijoiden huumausaineiden käytön yleisyys, syyt, seuraukset ja asenteet. Lisäksi pyrimme selvittämään mahdollisia keinoja ennaltaehkäistä nuorten huumausaineiden käyttöä. Kvantitatiivisen tutkimuksen perusjoukkona toimii Tikkurilan lukion opiskelijat. \n \nHuumausaineiden käyttö on yleistynyt Suomessa viime vuosina kaikissa ikäryhmissä. Asenteet huumausaineita kohtaan ovat muuttuneet sallivimmiksi ja huumausaineita on helpommin saatavilla kuin ennen. Huumausaineet aiheuttavat vuosittain noin 200 ihmisen kuoleman ja yhä useampi näistä on nuoria. \n \nYhdessä Suomen suurimmassa Tikkurilan lukiossa, opiskelee noin 1200 opiskelijaa. Iältään vastaajajoukkomme on 16–19-vuotiaita nuoria. Survey Monkey-sovelluksella toteutettu anonyymi kyselytutkimus lähetettiin vastattavaksi noin 1200:lle Tikkurilan lukion opiskelijalle. Vastaukset kerättiin kootusti ryhmänohjaajien tunneilla ja vastauksia kertyi 323 (noin 27 % kaikista). \n \nTutkimustuloksien mukaan huumausaineiden kokeilu ja käyttö ovat Tikkurilan lukiossa hieman Suomen keskiarvon yläpuolella. Miehistä 17,4 %, naisista 15,2 % ja muista 75 % oli joskus elämänsä aikana kokeillut jotakin huumausainetta. Kokeilu ja käyttö kohdistuvat pääasiassa kannabikseen, mutta myös muiden huumausaineiden käyttöä esiintyy Tikkurilan lukion opiskelijoiden keskuudessa. Huumausaineiden käytössä korostuu uuden kokeminen ja viihdekäyttö. Nuorten huumausaineiden käytön ennaltaehkäisyä pidetään yleisesti ottaen haastavana, mutta muun muassa huumausaineiden käytön haittavaikutuksista ja vaaroista kertominen nousi tutkimustuloksissa esiin yhtenä keinona.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0790,019

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,284
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)→Travaux en français237 207→