Bibliographic record
Abstract
Tässä opinnäytetyössä selvitetään, millainen imago Kanadalla on suomalaisten matkailijoiden silmissä. Tavoitteena on tutkia, millaisia ennakko-odotuksia suomalaisilla matkailijoilla on Kanadasta ja mikä heitä kiinnostaisi siellä eniten.\n\nKanada ei lukeudu suomalaisten suosituimpiin matkakohteisiin, vaikka maalla olisi matkailijoille paljon tarjottavaa. Kanadasta löytyy suuria kaupunkeja, kuten Toronto, Vancouver ja Montreal, joissa voi tutustua niin kanadalaisten urbaaniin elämänmenoon, taiteeseen, kuin ruoka- ja juomakulttuuriinkin. Kanadan upea luonto Kalliovuorineen, metsineen ja kansallispuistoineen sen sijaan tarjoaa mitä erilaisimpia aktiviteetteja luontoelämyksistä ja seikkailuista pitävälle matkailijalle.\n\nOpinnäytetyössä käsitellään imagon, mielikuvien, maineen ja brändin määritelmiä ja samalla perehdytään siihen, millaisia mielikuvia Kanadan matkailusivusto pyrkii herättämään. Tämän perusteella toteutettiin kvantitatiivinen tutkimus ja luotiin Webropol-kysely, jolla kartoitettiin suomalaisen matkailijan mielikuvia ja vastaavatko ne sitä, millaisena Kanada haluaisi tulla nähdyksi.\n\nKyselyyn vastasi 172 henkilöä, joista 32% oli vieraillut aiemmin Kanadassa. Tuloksista kävi ilmi suomalaisten myönteinen mielikuva Kanadasta kuin myös sen asukkaista. Maata pidetään turvallisena, kiinnostavana ja monipuolisena kohteena, jonka ylivoimaisesti suurin vetovoimatekijä on luonto. Kiinnostavinta Kanadassa tulosten perusteella olivat luontoelämykset, kaupungit, joista erityisesti Toronto ja Vancouver, sekä seikkailuaktiviteetit. Tulosten perusteella on selvää, että Kanada kiinnostaa suomalaista matkailijaa, mutta sinne matkustamista tulisi motivoida enemmän.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.132 | 0.035 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".