Mitattavasti, tavoitteellisesti ja toteutettavuus huomioiden : vanhuspalvelusuunnitelmien toimenpiteet tarkastelussa
Bibliographic record
Abstract
Tämän maisterintutkielman tavoitteena on hahmottaa rakenteellisen sosiaalityön tasolla parempia vanhuspalveluita. Parempien vanhuspalveluiden välineenä käytän iäkkäiden sosiaali- ja terveyspalveluista annetun lain (980/2012) 5 §:ssä säädettyä suunnitelmaa ikääntyneen väestön tukemiseksi. Kutsun näitä kuntien velvoitteena olevia asiakirjoja vanhuspalvelusuunnitelmiksi. Mukana aineistossa on kuntien lisäksi kuntien yhteistoimintaorganisaatioiden suunnitelmia. Vanhuspalvelusuunnitelmien tulee sisältää toimenpiteitä. Olen käsitteellistänyt toimenpiteen kolmen mittarin avulla. Kokonaisuutena toimenpiteet täyttävät heikosti määritelmän. Toimenpiteet ovat yleisesti tavoitteita vailla toteuttamisnäkökulmaa sekä jo olemassa olevia resursseja. Tällöin niissä ei ole suunnitelmallista toimeenpantavaa. Suunnitelmissa on myös muita puutteita. Kaikki suunnitelmat eivät sisällä lainkaan toimenpiteitä. Yli puolet Suomen kunnista ei sisälly mihinkään paikantamaani suunnitelmaan. Tutkimuskysymykseni on: millaisilla vanhuspalveluiden toimenpiteillä voisi toteuttaa parempia vanhuspalveluita. Vastaus kysymykseen on metodologinen työkalu, jossa yksittäisen toimenpiteen laatua arvioidaan kolmella mittarilla: yksiselitteinen mitattavuus, tavoitteellinen muutos ja vastuun sisältävä toteutettavuus. Samalla käsittelen sitä, millä tavoin toimenpiteet ovat mittarien näkökulmasta epäonnistuneet. Vanhuspalvelulain 5.1 §:n perusteella vanhuspalvelusuunnitelmissa tulee painottaa kotona asumista ja kuntoutumista edistäviä toimenpiteitä. Käsittelen kotona asumista ja kuntoutumista ja päädyn tulokseen, jossa emme tiedä mitä lain velvoite tarkoittaa. Käsittelen myös vanhuspalveluiden kritiikkiä. Hyvinvointialueuudistuksen myötä tutkielma vanhenee muodollisesti päivälleen valmistumisestaan. Samalla tutkielma valmistuu juuri oikeaan aikaan: myös hyvinvointialueet tarvitsevat tietoa työnsä tueksi.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.003 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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; both teacher heads agree on what is shown here.
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".