Kotihoidon esihenkilöstön työhyvinvointi digitalisoituvassa työympäristössä
Bibliographic record
Abstract
Tässä tutkimuksessa tutkittiin kotihoidon esihenkilöiden työhyvinvointia ja sen kehittymistä digitalisoituvassa työympäristössä. Kasvavissa määrin työpai-koilla ollaan siirtymässä digitaalisiin ratkaisuihin, joten on tärkeää tiedostaa myös se, minkälaisia vaikutuksia sillä on henkilöstön työhyvinvointiin. Työhyvinvointi on käsitteenä monelle hyvinkin yksipuolinen ja usein se ajatellaan vain fyysisen hyvinvoinnin parantamisena. Fyysinen hyvinvointi on kuitenkin vain pieni osa laajempaa kokonaisuutta, kun tarkastellaan kokonaisvaltaisesti käsitettä työhyvinvointi. \n \nTutkimuksen tarkoituksena oli selvittää Kymsoten kotihoidon esihenkilöiden työhyvinvoinnin nykytilaa sekä työhyvinvointiin vaikuttavia tekijöitä jatkuvasti digitalisoituvassa työyhteisössä. Tutkimus on toteutettu laadullisena tutkimuksena ja aineisto tähän kerättiin teemahaastattelun avulla. Haastatteluun osallistui yhteensä neljä esihenkilöä, jotka kaikki työskentelivät kotihoidossa Kymsoten alueella. \n \nEtätyön lisääntymisestä on selkeästi havaittavissa sekä positiivisia että negatiivisia vaikutuksia työhyvinvointiin. Pitkään jatkuneesta etätyöskentelystä puuttuvat lähes kokonaan työhyvinvointiin vaikuttavat tärkeät tekijät, kuten fyysinen läsnäolo, yhteiset tauot ja sosiaalisten suhteiden ylläpito. Nyt kun pandemia on jo pitkittynyt, niin työkavereiden tärkeys korostuu entisestään. Edes ajoittaisella työkavereiden fyysisellä kohtaamisella on merkittäviä vaikutuksia omalle työhyvinvoinnille ja jaksamiselle. \n \nTämä tutkimus osoittaa sen, että työhyvinvointi koostuu useista eri osatekijöistä, jotka ovat varsin subjektiivisia kokemuksia. Tähän vaikuttaa yksilön oma henkilökohtainen asenne sekä ajattelutapa. Työyhteisössä jokaisella on vastuu yhteisestä työhyvinvoinnista, riippumatta siitä mitä työtehtäviä tekee tai missä asemassa työskentelee. Hyvä ja kehittyvä työhyvinvointi on lopputulos hyvästä johtamisesta, joka kuuluu esihenkilön tärkeimpiin työtehtäviin.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.030 | 0.005 |
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".