Ideasta animaatioksi - Lisämateriaalin synty Suomen Kuvalehdessä
Bibliographic record
Abstract
Tämä opinnäytetyö käsittelee lisämateriaalin syntyä Suomen Kuvalehden sähköisiin välineisiin. Tutkimuksen toimeksiantaja on Suomen Kuvalehti. \n \nPainetun lehden jutuista jalostuva lisämateriaali tuo sisältöä Suomen Kuvalehden iPad-versioon sekä verkkopalveluun. Sen tuotantoprosessissa on kuitenkin kehittämisen ja parantamisen varaa. Tämän työn tavoite on kuvata lisämateriaalin syntyprosessi. Työn tarkoitus on esittää kehitysehdotuksia tämän prosessin parantamiseksi. \n \nTutkimus rajattiin yhteistyössä toimeksiantajan kanssa koskemaan viittä juttukokonaisuutta, joihin jokaiseen sisältyi erityyppistä lisämateriaalia. \n \nTutkimusaineistoon sisältyivät viiden juttukokonaisuuden ja lisämateriaalien lisäksi teemahaastattelun keinoin hankitut tiedot. Aineisto käytiin läpi käyttäen tapaustutkimusta. Aineistonkeruu toteutettiin syyskuun 2011 ja tammikuun 2012 välisenä aikana. \n \nTutkimuksessa selvisi, että toimittajien rooli on olennainen uuden idean esille tuomisessa. Lisäksi kävi ilmi, että kun lisämateriaalia tuotti kokenut verkkojournalisti, sähköisiin välineisiin päätyvä sisältö suunniteltiin samaan aikaan kuin painettuun lehteen. Muissa tapauksissa lisämateriaalin tuotantoprosessi käynnistyi vasta painetun lehden jutun valmistumisen jälkeen. Tutkimuksessa selvisi myös verkkotoimituksen korvaamaton rooli lisämateriaalin viimeistelyssä ja julkaisussa.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.074 | 0.022 |
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".