Jäsenpalveluiden kehittäminen palvelumuotoilun keinoin. Case: Suomen Kylmäyhdistys ry.
Notice bibliographique
Résumé
Tämä opinnäytetyö on toteutettu toimeksiantona Suomen Kylmäyhdistys ry:lle, joka on kylmätekniikan parissa työskentelevien ihmisten muodostama yhdistys. Yhdistys on toiminut pitkään varsin perinteisillä tavoilla, mutta viime vuosina yhdistyksessä on herännyt tarve uudistaa toimintaa ja toimintatapoja. Työn tavoitteena on selvittää, mitä jäsenet yhdistykseltä odottavat ja tarvitsevat nyt ja tulevaisuudessa, jotta voidaan varmistaa, että yhdistys saa jatkossakin uusia jäseniä ja että jäsenet kokevat järjestön tarpeelliseksi. \n \n Teoriaosuudessa keskitytään palvelumuotoilun teorioihin sekä järjestöjen toimintaan. Opinnäytetyön tutkimusstrategiana on palvelumuotoilu, ja työssä sovelletaan Double Diamond -prosessimallia, joka on British Design Councilin kehittämä malli palvelumuotoilun prosessin määrittelyyn. \n \n Jäsenkysely toteutettiin verkkokyselynä Webropol-kyselytyökalun avulla, ja kysely lähetettiin 923 jäsenelle eli kaikille yhdistyksen jäsenille, joiden sähköpostiosoite on yhdistyksen tiedossa. Vastausaika oli 7.–26.5.2019. Kyselyyn saatiin määräajassa vastaukset 246 jäseneltä eli vastausprosentti oli 27 %. Tulosten analysoinnissa on käytetty Webropolin analysointityökaluja. \n \n Tulosten analysoinnissa ja saadun tiedon esittämisessä hyödynnettiin asiakasprofiileja. Vastauksia analysoidessa esiin nousi selkeästi kolme ryhmää: eläkeläiset, nuoret tiedonjanoiset ja konkarijäsenet. Kaiken kaikkiaan vastauksissa tulevat esiin selkeästi tietyt teemat: koulutus, tapahtumat, jäsenten tiedon tarve sekä yhdessäolo ja toiminnan sosiaalinen aspekti. Kylmäyhdistyksen jäsenkysely osoittaa, että Kylmäyhdistyksellä on paikkansa jäsenten keskuudessa: jäsenet kaipaavat sekä kylmäalan tietoa että muiden alalla toimivien tapaamista.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,038 |
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 ».