Maahanmuuttopalveluiden hyödyntäminen kansainvälistymisessä: kohteena tutkimuslaitoksien yhteistyöverkosto
Bibliographic record
Abstract
Tutkimuksessa käsitellään maahanmuuttopalveluiden hyödyntämistä tutkimusorganisaatioissa. Tutkimuksen kohteena on yhdeksän suomalaisen tutkimuslaitoksen yhteistyöverkosto Tulanet. Laitoksissa on tarve rekrytoida yhä enemmän ulkomaisia työntekijöitä, mikä edellyttää monenlaisia muutoksia nykyiseen toimintaan. Osa organisaatioista hyödyntää niin sanottuja relokaatio- eli maahanmuuttopalveluita ja toisille asia on melko vieras. Kehittämistyön tavoitteena oli tuottaa kuva tämänhetkisestä tilanteesta ja luoda sen perusteella suosituksia yhteisiksi käytännöiksi. \n \nTutkimukset todistavat, että ulkomailta rekrytoitujen henkilöiden tukeminen on tarpeellista ja kannattavaa. Tämän toimintatutkimuksen aineisto koottiin lomakekyselyn ja haastatteluiden avulla. Molempiin saatiin vastaukset kaikista yhdeksästä tutkittavasta organisaatiosta. Lisäksi järjestettiin keskustelutilaisuuksia organisaatioiden HR-asiantuntijoiden ja erilaisten esihenkilöfoorumien kanssa. \n \nSelvisi, että ulkomaalaistaustaisen henkilöstön määrä on 5–10 % organisaation kokonaisvahvuudesta, ja se on kaikilla lisääntymässä. Vain kolmannes organisaatioista hyödynsi relokaatiopalveluita. Työssä kirjattiin myös ehdotuksia muista kansainvälistymistä tukevista yhteistyötavoista. Lisäksi tunnistettiin kansainvälisen työelämän kehittämiseen liittyviä aiheita, jotka vaativat nopeaa selvittämistä tai lisätutkimuksia, tärkeimpinä korvattavien kustannuksien juridiset perusteet, perheenjäsenten tuki ja ulkomailta tehtävä etätyö. \n \nTulanetissa halutaan lisätä yhteistyötä ja jakaa tietoa sekä vahvistaa yhtenäisiä käytäntöjä sisarlaitoksien kesken. Yhteisiin käytäntöihin sitoutumisen tarve ja perusteet hyväksytään, mutta kysymys on kuitenkin itsenäisistä laitoksista, joilla on valta päättää aikatauluistaan ja priorisoinneistaan. Suositukset muotoiltiin kehikoksi, jonka ytimen muodostaa pakollisten hallinnollisten tehtävien tuki. Lukuisia muita tukivaihtoehtoja, esimerkiksi asunnon hakemisen tai perheen palveluita on luokiteltu siten, että työnantaja voi harkita, miten niitä hyödyntää. \n \nTyössä saavutettiin tavoitellut tulokset ja niiden hyödyntäminen pääsi vasta perustetun HR-asiantuntijaverkoston kautta hyvin käyntiin. Tulokset ovat suurelta osin sovellettavissa myös muissa ainakin julkishallinnon organisaatioissa.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 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".