Suurtapahtumien yhteistyökumppanuuksien rakentaminen julkisten toimijoiden kanssa : Case Gymnaestrada 2015 Helsinki
Notice bibliographique
Résumé
Opinnäytetyöni on yhteistyömalli suurtapahtumien järjestäjille. Malli perustuu yhteistyön luomiseen julkisen toimijan kuten kaupungin tai ministeriön kanssa. Tutkimuksessani pyritään selvittämään millä tavoilla pystytään julkisen toimijan kanssa solmimaan paras mahdollinen yhteistyö, joka hyödyttää sekä tapahtuma järjestäjää, että julkista toimijaa. \n \nYhteistyömalli pohjautuu Suomen voimisteluliiton, Helsingin kaupungin sekä opetus- ja kulttuuriministe-riön yhteistyöhön Gymnaestrada 2015 Helsinki -tapahtumassa. Tapahtuma on kansainvälinen harras-tevoimistelun tapahtuma, joka järjestetään usealla tapahtumapaikalla ympäri Helsinkiä. Tapahtuman-järjestäjät ovat pyrkineet luomaan ”uudenlaisen kumppanuudenmallia” yhteistyökumppaneidensa kanssa koko tapahtuman rakentumisen ajan. \n \nTutkimukseni perustuu asiantuntija haastatteluille sekä omille havainnoilleni kolmen (3) kuukauden työskentelyjaksolla Suomen voimisteluliiton Gymnaestrada järjestelytoimikunnan toimistolla. Lisäksi tietopohjani perustana toimivat muun muassa Helsingin kaupungin ja opetus- ja kulttuuriministeriön erilaiset päätökset ja selvitykset suurtapahtumien järjestämisestä. \n \nOpinnäytetyöni opastaa tapahtumatuottajaa julkisen toimijan kanssa yhteistyön solmimisessa. Kehittä-essä hyvää yhteistyötä julkisten toimijoiden kanssa, pystytään paremmin näyttämään heidän tarpeelli-suutensa tapahtumien kentällä ja näyttämään tapahtumien tärkeys myös julkisten toimijoiden kannalta. Tutkimukseni tuo esille tärkeitä pointteja ja nostoja, joilla yhteistyöstä saadaan hyödyllinen kummankin osapuolen kannalta.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,016 |
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 ».