Kulutusluottojen käyttö HAAGA-HELIAn opiskelijoiden keskuudessa
Bibliographic record
Abstract
Kulutusluottojen lisääntynyt käyttö ja niistä aiheutuneet maksuhäiriöt ovat saaneet mediassa paljon huomiota viime aikoina. Tämän vuoksi haluttiin tutkia, miten yleistä kulutusluottojen käyttö on HAAGA-HELIAn opiskelijoiden keskuudessa.\n\nTässä opinnäytetyössä kulutusluotot jaettiin seuraaviin ryhmiin: pankkien myöntämät kulutusluotot ja tililimiitit, pikavipit sekä luottokortit. Teoriaosuudessa on kerrottu näistä kaikista luottomuodoista ja niiden yleisyydestä Suomessa. Sekä kulutusluottojen käyttö että maksuhäiriömerkinnät ovat lisääntyneet suomalaisten keskuudessa viime vuosina, kasvu on ollut melko tasaista viimeisen kymmenen vuoden sisällä.\n\nTämä tutkimus HAAGA-HELIAn opiskelijoille oli kvantitatiivinen eli määrällinen tutkimus. Se toteutettiin paperisella kyselylomakkeella, joka jaettiin yhdeksän eri kurssin oppilaille ja vastauksia saatiin yhteensä 196 henkilöltä, joihin kuului sekä päivä- että iltaopiskelijoita. Vastaajista suurin osa oli naisia ja ikäjakauma painottui alle 25-vuoteen.\n\nTutkimustuloksista kävi ilmi, että melkein puolella opiskelijoista on kulutusluottoja, mikä on enemmän kuin teoriaosuudessa esitetään, mutta luottomäärät eivät ole erityisen suuria. Useimmissa tapauksissa luottoja ei ole kasaantunut yhdelle opiskelijalle kovin monia ja tavallisimpia käyttökohteita ovat suuremmat hankinnat, elämisen välttämättömyydet ja matkailu. Kulutusluottojen yleisyyteen ja määriin näyttää vaikuttavan jonkin verran ikä ja tulot, kun taas sukupuolella ei tulosten mukaan ole juuri vaikutusta.\n\nVerrattuna teoriassa esitettyihin tutkimuksiin, HAAGA-HELIAn opiskelijoilla on ilmaantunut hyvin vähän kulutusluottojen aiheuttamia maksuvaikeuksia: näitä henkilöitä oli tutkimukseen osallistuneista vain muutama. Taustatekijöiden vaikutusta maksuvaikeuksien yleisyyteen ei alkuperäisestä suunnitelmasta poiketen tutkittu kovin tarkasti, sillä näiden henkilöiden lukumäärä oli niin vähäinen.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.050 | 0.023 |
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".