Opiskelijoiden liikuntakulttuuri suomalaisissa ja yhdysvaltalaisissa korkeakouluissa : analyysi palveluiden vaikutuksista ja markkinoinnista
Bibliographic record
Abstract
Työn toimeksiantaja oli Opiskelijoiden Liikuntaliitto. Sen tavoitteena oli vertailla Yhdysvaltojen ja Suomen opiskelijaurheilutapahtumia. Vieraillessani Yhdysvalloissa George Mason Universityssä, ja University North Carolina Statessa halusin löytää tapoja ja käytänteitä, joita voisi täällä Suomessa oppia ja toteuttaa. \n \nGeorge Mason Universitystä haastateltiin yliopistourheilun markkinointipäällikköä, sekä suomalaista jalkapallon pelaajaa. Suomesta vertailupohjan toi oma kokemukseni. Vuonna 2008 olin Jyväskylän ammattikorkeakoulun opiskelijakunta JAMKO:n liikuntavastaava ja vuonna 2009 Opiskelijoiden Liikuntaliiton hallituksen jäsen. Näiden vuosien aikana sain kattavan kuvan siitä, miten opiskelijoiden SM-kisat järjestetään ja miten niitä voisi parantaa. Haastattelun tuloksia verrattiin Jyväskylän ammattikorkeakouluun. \n \nTyö osoitti, ettei Suomessa ole resursseja samanlaiseen korkeakoulu-urheiluun kuin Yhdysvalloissa, mutta hyviä tapoja ja käytänteitä opiskelijaurheilutapahtumiin on saatavilla. Markkinointia tulisi suunnata yleisölle, sekä lisätä opiskelijaurheilun tietoisuuttaa valtakunnallisesti.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.039 | 0.008 |
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".