Näkyvyyttä Svengaava vuosi -työpajan avulla: Palvelumuotoilun ja kokeilemalla kehittämisen mahdollisuudet näkyvyyden ja tietoisuuden lisäämiseksi 4H-toiminnasta
Bibliographic record
Abstract
Tämän toiminnallisen opinnäytetyön ensisijaisena tavoitteena on lisätä Hämeenlinnan Seudun 4H-yhdistyksen näkyvyyttä ja tietoisuutta sen toimintamahdollisuuksista ja sitä kautta yhdistyksen kiinnostavuutta erityisesti paikallisten nuorten keskuudessa. Lisäksi opinnäytetyön avulla selvitetään, kuinka palvelumuotoilua menetelmänä voidaan soveltaa nopeatempoiseen kehittämiseen, jolle on asetettu tiukka aikaraami ja joka toteutetaan yhdessä nuorten kanssa. \n \nOpinnäytetyön teoriaosuus käsittelee palvelumuotoilua. Palvelumuotoilun menetelmistä kolmea; aivoriihi, luotain ja havainnointi -menetelmiä käytetään tutkimusmetodeina. Opinnäytetyön tavoitetta lähestytään suunnittelemalla ja perustamalla työpaja nimeltään ”Svengaava vuosi”. Työpajojen suurimpana tavoitteena on tarjota erityisesti nuorille tietoa yhdistyksen osallistumismahdollisuuksista. Näiden työpajojen konkreettisena lopputuotoksena tuotettiin seinäkalenteri vuodelle 2023. Tämä palvelee myös opinnäytetyön alkuperäistä tavoitetta lisätä näkyvyyttä ja tietoisuutta 4H:n osallistumismahdollisuuksista. \n \nLaadullisen havainnointitutkimuksen tuloksena 4H-yhdistys saa sovellettavaa tietoa mikä tällä hetkellä nuoria kiinnostaa. Johtopäätökseksi nousi, että 4H-toiminnassa nuoria kiinnostaa erityisesti: 4H-yrittäjyys, työllistymismahdollisuudet, nuorten vapaamuotoinen iltatoiminta sekä iloinen ja positiivinen tekeminen. \n \nOpinnäytetyön loppupäätelmänä voidaan esittää, että palvelumuotoilu toimii hyvin tämän tyyppisen kehittämistyön toteuttamiseen. Tässä tapauksessa erityisesti palvelumuotoilun sovellettavuus ja menetelmien mahdollistama nuorten osallistaminen muotoutui tärkeäksi.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.096 | 0.038 |
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".