Hammastekniikan koulutusohjelman työharjoittelujaksojen kehittäminen
Bibliographic record
Abstract
Vuoden 2013 keväällä Metropolia ammattikorkeakoulu ilmoitti lopettavansa hammastekniikan koulutusohjelman viimeisten opiskelijoiden valmistuessa joulukuussa 2016. Syksyllä 2015 Turun ammattikorkeakoulussa aloitettiin uusi hammastekniikan koulutusohjelma. Tämä tutkimuksen tarkoituksena oli kerätä tietoa Turun ammattikorkeakoululle siitä millä ehdoin Suomen hammaslaboratoriot ottaisivat opiskelijoita työharjoitteluun, sekä samalla kerätä tietoa siitä miten työharjoittelujaksoja tulisi kehittää vastaamaan hammaslaboratorioiden tarpeita ja toiveita.\n\nTutkimus toteutettiin standardoidun kyselylomakkeen avulla, johon pyrittiin saamaan vastauksia mahdollisimman monelta Suomen hammaslaboratoriolta. Kyselyn tulosten perusteella vastaajat toivoisivat työharjoittelujaksoille selvästi pidempää kestoa kuin mitä ne ovat viime vuosina olleet. Harjoittelijan osaaminen ja hänen ohjaamiseen tarvittava aika osoittautui olevan keskeisimpiä tekijöitä sen kannalta ottaako laboratorio harjoittelijaa vai ei. Kyselyn tuloksista kävi ilmi, ettei opiskelijoita usein oteta työharjoitteluun sen takia, ettei harjoittelijan ohjeistamiseen yksinkertaisesti riitä aikaa. Vastaajat kokivat tärkeänä, että kaikki harjoitteluun kuuluvat työt on opetettu koululla perusteellisesti. Kyselyn vastauksista kävi myös ilmi minkälaista osaamista hammaslaboratoriot toivovat valmistuvalta hammasteknikolta.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.099 | 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".