Notice bibliographique
Résumé
Tässä opinnäytetyössä käsitellään sisältömarkkinointia osana yrityksen toimintaa. Opinnäytetyön aihe sai alkunsa 2015 kesällä tulleesta omasta ideasta, joka syntyi kiinnostuksesta markkinointiin ja sisältömarkkinointiin. Työn teko ajoittui vuoden 2015 jälkimmäiselle puoliskolle ja julkaisu tapahtui tammikuussa 2016. Tavoitteena oli selvittää kuinka yritykset käyttävät sisältömarkkinointia ja miten hyödylliseksi he kokevat sen. Ensin tutkittiin sisältömarkkinointia teorian avulla, jotta saadaan hyvä ymmärrys tutkittavasta aiheesta. Sisältömarkkinoinnin teorian jälkeen tehtiin kvantitatiivinen tutkimus sähköisen kyselytutkimuksen muodossa. Kyselyn toteutus ajoittui talveen 2015. Sen tekeminen aloitettiin Webropol -kyselylomakkeen muodostamisella, jonka jälkeen linkki kyselylomakkeeseen lähetettiin yrityksille. Tämän tutkimuksen toteutus ja tulokset löytyvät opinnäytetyön loppupuolelta. Kyselyyn tuli 20 vastausta, jotka analysoitiin kuvioiden avulla. Tuloksista ilmeni että suurin osa vastaajista kertoi yrityksen käyttävän sisältömarkkinointia ja että siitä koetaan olevan vaikutusta myyntiin.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,130 | 0,067 |
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 ».