Bibliographic record
Abstract
Mobiilioppaiden merkitys on kasvanut nykymatkustajien keskuudessa huomattavasti vuosi vuodelta ja tämän opinnäytetyön tarkoituksena on rakentaa mobiilimatkaopas Ontarion alueesta. Opinnäytetyössä käsitellään Kanadan matkailua Ontarion alueella ja käydään läpi eri palveluntarjoajia sekä kirjoittajan kokemuksia palvelujen testaajana. Työn toimeksiantajana toimii mobiilisovelluksen kautta matkaoppaita ja sosiaalista matkasuunnittelua matkailijoille tarjoava suomalainen CreateTrips. Mobiilisovellus on ladattavissa maksutta App Storesta iOS laitteille. Työn tavoitteena on luoda ladattava mobiiliopas matkailijoiden käyttöön sekä taustakartoituksen avulla saada lisätietoa mitkä aktiviteetit ja aihealueet potentiaalisia matkailijoita kiinnostavat ajatellen Kanadaa ja Ontariota matkakohteena. Webropol- surveys sivustolle luotua tutkimuskyselyä jaettiin sosiaalisessa mediassa mahdollisimman suuren otoksen saamiseksi. Tutkimustulosten antaman tiedon sekä kirjoittajan kokemuksien pohjalta rakennettiin matkailijoiden käyttöön alueesta mobiilimatkaopas joka luo tietoisuutta Ontarion alueesta matkakohteena. Mobiilioppaan materiaali ja käyntikohteet kerättiin kirjoittajan Ontarion matkalla touko-kesäkuussa 2015 sekä aikaisemmin tehtyjen matkojen aikana. Tutkimustulosten perusteella oppaaseen valittiin aihealueiksi: taiteet, teatteri ja kulttuuri, olutpanimot, viinitarhat, historia, luontomatkailu, yöelämä, ostokset, urheilu sekä luontomatkailu. Tarkoituksena oli käsittää näitä aiheita koko Ontarion alueella, mutta suuren alueen vuoksi opinnäytetyö keskittyy aihealueiden suhteen Toronton, Ottawan ja Niagaran alueille sekä oppaassa listataan kirjoittajan oman kokemuksen pohjalta luontomatkailuun soveltuvia luonnonpuistoja ja kohteita.Luontokohteiksi valitut luonnonpuistot ja alueet on valittu helposti tavoitettavissa oleviksi kohteiksi Ontarion suurimmista kaupungeista jonne matkustajat todennäköisimmin saapuvat lentäen, maanteitse tai rautateitse provinssin ulkopuolelta.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.909 | 0.791 |
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".