Bibliographic record
Abstract
Antud bakalaureusetöö eesmärk on uurida, milline on FIRE-liikumine Eestis ning milline on \nFIRE-liikumise järgija olemus – isiksus, väärtused, eesmärgid, kokkupuude finantsharidusega. \nUurimisküsimustele vastamiseks viidi läbi küsitlusuuring Eesti investeerimiskogukondade \nseas. Põhiliste tulemustena saab välja tuua, et Eesti investeerimiskogukondade liikmed ei ole \nFIRE-järgijad. Seetõttu keskendus tulemuste kirjeldamine Eesti investeerimiskogukonna \nliikme profiili kirjeldamisele ehk kogu valimi analüüsimisele. Samuti saab öelda, et erinevalt \nFIRE-järgijatest ei minimeeri Eesti investeerimishuvilised oma kulusid ning võlgu, vaid \ntekitavad lisasissetulekuid, et varasid kasvatada – nad ei loobu tänasest tarbimisest, et tulevikus \noleks parem. \nEesti investeerimiskogukonna liige on kõrge ekstravertsusega, kõrge nõustumisvalmidusega, \nkõrge meelekindlusega, kõrge neurootilisusega ning kõrge avatusega. Nad väärtustavad \nsäästlikku ning jätkusuutlikku elustiili, säästlikku tarbimist ning teadlikku tarbijakäitumist, \ntarbimise vähendamist, süsinikujalajälje vähendamist, keskkonnasäästlikkust ning \nminimalismi. Nende investeerimiseesmärgid on mitmekesised – mitte raha teenimise pärast \ntööd teha, varakult töötamise lõpetamine, rahalise tuleviku kindlustamine, pere/sõpradega \nrohkema aja veetmine, otsustusvabadus, reisimine ning põnevus. Väike osa Eesti \ninvesteerimiskogukondade liikmetest on finantsharidusega kokku puutunud haridussüsteemis. \nSuur osa vastajaid on rahatarkuse kohta iseseisvalt infot otsinud. Tulemused näitasid, et \nfinantsvabaduse saavutamine on Eesti investeerimishuvilistele oluline.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.127 | 0.041 |
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".