EKOKOMPASSIN VALTAKUNNALLISEN AUDITOINTIMALLIN KEHITTÄMINEN
Bibliographic record
Abstract
Opinnäytetyön tilaus oli Suomen Luonnonsuojeluliiton tarve auditointijärjestelmän kehittämistyölle, sillä PK-yrityksille tarkoitettu ISO 14001:2015 standardista kevennetty ympäristöjärjestelmä Ekokompassin koordinointivastuu siirtyi Helsingin\nkaupungilta Suomen Luonnonsuojeluliitolle vuonna 2018. Samalla Ekokompassin lanseerausta on lähdetty suunnittelemaan koko Suomen kattavaksi ympäristöjärjestelmäksi kaikille organisaatioille sopivaksi huolimatta näiden toimialasta.\nUudistuksen myötä kehittämistyötä tarvitaan monella osa-alueella, kuten auditointijärjestelmän suhteen. Ulkoisella auditoinnilla todennetaan organisaation Ekokompassi- ympäristöjärjestelmän asettamien kriteereiden toteutuminen.\nKehittämistyö alkoi lähdemateriaalin hankinnalla, johon kuului kaikki Ekokompassin materiaali liittyen auditointiin, kuten\nauditoijien valintakriteerit ja koulutus. Lisäksi tutustuttiin Norjan ja Ruotsin kansallisiin ympäristöjärjestelmiin, niin näiden\nkotisivuilta löytyvään materiaaliin kuin avainhenkilöiden kanssa käydyissä sähköpostikeskusteluissa saatuihin tietoihin.\nKehittämistyön tuloksena syntyi Ekokompassin auditointijärjestelmän menettelytapaohje, jossa käsitellään auditoijien valintakriteereitä, auditoijien koulutusta, auditointiprosessiin liittyvää riskienhallintaa ja jatkuvatoimisen kehittämisen periaatteita. Kehittämistyön tuloksena syntyneen menettelytapaohjeen pohjalta on auditointityöryhmän hyvä jatkaa auditointiin liittyvien toimintaperiaatteiden kehittämistyötä.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.068 | 0.024 |
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".