Suomalaisen työikäisen ravitsemusneuvonnan ja ravitsemuksen satavuotistaival
Bibliographic record
Abstract
Opinnäytetyömme on osa Metropolia Ammattikorkeakoulun Hoitotyön koulutuksen museon “Hoitotyö ennen, nyt ja tulevaisuudessa”-projektia. Opinnäytetyön tarkoituksena oli selvittää suomalaisen työikäisen ravitsemusneuvonnan ja ravitsemuksen muutoksia sadan vuoden ajalta. Tavoitteena oli taltioida ravitsemuksen historiaa ja selvittää kuinka ravitsemusneuvonta on muuttunut. Lisäksi selvitimme miten terveyssisarista ja myöhemmin terveydenhoitajista tuli terveyden edistämisen asiantuntijoita. \n \nOpinnäytetyömme on toiminnallinen eli monimuotoinen opinnäytetyö. Kirjallisen työn lisäksi teimme Hoitotyön koulutuksen museon käyttöön sähköisen diasarjan, jossa kuvasimme ravitsemuksen ja ravitsemusneuvonnan muutoksia. Käytimme aineistona Hoitotyön koulutuksen museossa olleita vanhoja ravitsemuksen ja ravitsemustiedon oppikirjoja ja kuvia, Terveydenhoitajaliiton historiikkia, FinRavinto- ja FinTerveys-tutkimuksia, Pohjois-Karjala -projektia sekä ravitsemusterapeutin ja Marttaliiton jäsenien haastatteluita. Valitsimme työhömme myös manuaalisen haun kautta lähteitä. Valitsemamme lähteet ovat merkityksellisiä ravitsemuksen ja ravitsemusneuvonnan historiassa. \n \nRavitsemus ja ravitsemusneuvonta on sadan vuoden aikana muuttunut monipuolisempaan suuntaan parempien resurssien ja valistuksen kautta. Pohjois-Karjala -projekti on ollut suuri ruoka- ja terveystottumusten muuttaja. Martoilla on ollut suuri vaikutus ravitsemusneuvontaan ja elintarvikepulasta selviytymiseen. FinRavinto ja FinTerveys-tutkimukset ovat vuodesta 1982 lähtien tutkineet suomalaisten ruokailutottumuksia ja tutkimusten mukaan suomalaisten suolan ja sokerin käyttö on lisääntynyt, mutta myös kasvisten syöminen on lisääntynyt. Terveyssisarten työnkuva on muuttunut valistajasta valmentajaksi. Työnkuva perustui aluksi resurssipulan vuoksi lähinnä imeväisikäisiin. Myöhemmin terveyssisaresta tuli terveydenhoitaja ja toimenkuva laajeni. Terveydenhoitajan työ ravitsemusneuvonnassa kehittyy jatkuvasti. \n \nHoitotyön koulutuksen museo voi jatkossa hyödyntää työtämme uudella Metropolian Myllypuron kampuksella. Ravitsemuksen ja ravitsemusneuvonnan historian ja niiden muutoksien tunteminen auttaa ymmärtämään nykypäivän ravitsemusta ja omia ravitsemustottumuksia paremmin. Terveydenhoitajan työnkuvan muuttumisen tunteminen hyödyntää myös omaa uraa hoitotyössä.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.094 | 0.021 |
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".