MétaCan
Menu
Retour à la cohorte
Enregistrement W7039741884

Mentorointi yrittäjän työhyvinvoinnin tukena

2022· other· fi· W7039741884 sur OpenAlexaboutno aff

Notice bibliographique

RevueUTUPub (University of Turku) · 2022
Typeother
Languefi
DomainePsychology
ThématiquePersonality Traits and Psychology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaid workCoronavirus disease 2019 (COVID-19)Government (linguistics)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tämän Pro Gradu tutkielman tavoitteena on selvittää, miten mentorin mukanaolo auttaa yrittäjää selviytymään ja jaksamaan työelämässä ja miten mentorointi tukee yrittäjän työhyvinvointia. Tutkimuksella tavoitellaan yrittäjien näkökulman selville saamista siihen, miten he kokevat mentorin käytön hyödyttäneen heidän yrittäjänä toimimistaan sekä miten mentorointi on auttanut heidän ongelmiensa ratkaisemisessa ja liiketoimintansa eteenpäin viemisessä. Tutkimus toteutettiin kyselynä ja puolistrukturoituna haastatteluna. Tutkimusmenetelmä valittiin tutkimusaiheen moniulotteisen luonteen vuoksi, kuitenkin fenomenologisella lähestymistavalla. Alkuun tehdyn kyselyn tavoitteena oli löytää haastateltavat yrittäjät tutkimusta varten Suomen yrityskummit ry:n verkostosta. \nPääkysymyksenä tässä tutkimuksessa on, millä tavoin mentorointi on vaikuttanut yrittäjän työhyvinvointiin? Lisäksi selvitetään mikä mentoroinnissa koettiin tärkeäksi? \nKysely lähetettiin sähköpostilla 3500 vastaanottajalle, joiden tiedot ovat Suomen yrityskummit ry:n asiakasrekisterissä. Kyselyyn vastasi 110 mentorointiin osallistunutta, joista 21 ilmoittautui haastateltavaksi, mutta lopulta heistä vain 15 osallistui haastatteluun. Tutkimus tehtiin joulukuussa 2021, noin puolitoista vuotta maailmanlaajuisen Covid -19 pandemian puhkeamisen jälkeen. Haastateltaville esitettiin 15–40 minuuttia kestäneessä haastattelussa 13 kysymystä. Haastattelut tehtiin Covid -19 pandemiasta johtuen etänä. Haastateltavat suhtautuivat erittäin innokkaasti tutkimukseen ja monen kanssa syntyi vuorovaikutusta myös tutkimuksen päätyttyä. Avoin, keskusteluun kehottava ja ystävällinen lähestyminen, kuten myös haastattelijan oma yrittäjätausta ja Suomen yrityskummi ry:n mentorina toimiminen, avasi keskustelulle ihan omanlaisensa äänensävyn. \nVastaukset analysoitiin fenomenologista menetelmää käyttäen. Tässä menetelmässä kokemus ja merkitys saavat laajemman käsityksen, kun sitä peilaa vastaajan toimintaympäristöön. Fenomenologinen menetelmä selittää sitä, mikä on ollut vastaajien käsitys, riippumatta siitä, onko sille muiden kannatusta asiaan. Kysymysten vastauksia tarkasteltiin sisällönanalyysimenetelmällä. Tässä tutkimuksessa kiinnostuksen kohteena oli se, miten haastatellut yrittäjät kokivat mentoroinnin vaikuttaneet omaan työhyvinvointiinsa. \nTutkimustulos osoitti, että jo ensimmäisestä kerrasta lähtien mentorin mukaantulo helpotti yrittäjän ahdistusta, stressiä ja siitä johtuvia oireita ja antoi toivoa sille, että yhdessä ongelmallisista tilanteista selvitään. Mentorointia käytettiin eniten myynnin, markkinoinnin ja taloushallinnon toimintojen kehittämäiseen sekä uusien liiketoiminta mahdollisuuksien ja toimialojen kartoittamiseen. Jokainen mentorointiin osallistunut aktori suosittelisi sitä myös muille.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,280

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0840,028

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 GPT0,257
Écart entre enseignants0,232 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTUPub (University of Turku)Même sujetPersonality Traits and PsychologyTravaux en français237 207