Palautejärjestelmän toimivuus : Case Lehtipiste
Bibliographic record
Abstract
Tämän opinnäytetyön tarkoitus oli tarkastella palautejärjestelmän tilaa kohdeyrityksessä. Tutkimuksen tavoitteena oli selvittää, onko palautteella vaikutusta yksilön työssä suoriutumiseen ja jos niin miten. Sekä selvittää millaista palautetta henkilökunnan keskuudessa kaivataan ja millaisia muutoksia nykyiseen palautejärjestelmään kaivataan. Opinnäytetyön teoriaosassa käsiteltiin sisäistä viestintää, sen kanavia, viestinnän haasteita, johtamisviestintää sekä alaistaitoa. Lisäksi tarkasteltiin palautetta ja palautejärjestelmiä. Empiirisessä osassa käytin kvantitatiivista tutkimusta. Henkilöstölle jaettiin yhteensä 21 kyselylomaketta, joista 19 palautettiin. Lomakkeen vastausten perusteella analysoin henkilöstön käsityksiä palautteesta sinänsä, käytössä olevasta palautejärjestelmästä sekä siitä millaisia muutoksia palautejärjestelmä vaatii. Pyrin myös vertailemaan vastauksia keskenään siten, että pyrin selvittämään eroavatko vastaukset eri toimipisteiden välillä. Vastauksista selvisi, että kehityskeskusteluihin haluttaisiin muutoksia, ne haluttaisiin järjestettävän kaksi kertaa vuodessa ja niihin varattua aikaa tulisi pidentää. Vastaukset kertoivat myös alaisten arvostavan ja pitävän esimiehestä, mutta ongelmana koettiin se, ettei esimiestä ole helppo saada kiinni esimerkiksi puhelimella. Esimiestä on helppo lähestyä ja hänen kanssaan on mukava käydä keskusteluita ja voi aidosti antaa oman mielipiteensä kuuluviin, mutta keskustelut jäävät usein vastaajien mielestä käymättä, koska esimiestä ei pystytä tavoittamaan. Tutkimuksessa selkeni nykyisen palautejärjestelmän tila ja se tuntuu olevan vankkaa tekoa ja tätä kautta tarjoavan hyvät raamit palautejärjestelmän kehittämiseksi. Nykyiseen palautejärjestelmään ei olla täysin tyytyväisiä työyhteisön sisällä ja sen kehittämiseksi saatiin monia varteenotettavia ehdotuksia. Tutkimuksen ongelmana oli kuitenkin kunkin kysymysten yhteydessä ilmenneet monet epävarmat mielipiteet, joten aivan realistista kuvaa ei nykytilasta saatu. Kuitenkin kyselystä selvisi, että pienillä muutoksilla järjestelmästä saadaan paremmin toimiva.
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 | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".