Vaitiolovelvollisuus tulkin näkökulmasta
Bibliographic record
Abstract
Helttula, Eveliina & Luhtala, Jenni. Vaitiolovelvollisuus tulkin näkökulmasta. Kevät 2017, 48 s., 2 liitettä.\nDiakonia-ammattikorkeakoulu. Viittomakielen ja tulkkauksen koulutus, Tulkki (AMK).\n\nOpinnäytetyön tavoitteena oli selvittää, miten viittomakielen ja puhevammaisten tulkit kokivat vaitiolovelvollisuuden työssään. Tutkimuksessa haluttiin selvittää, miten tulkit suhtautuvat vaitiolovelvollisuuteen ja kuinka lähipiirin suhtautuminen vaitiolovelvollisuuteen vaikuttaa tulkkiin ja tämän työhön. Tällä hetkellä vaitiolovelvollisuudesta keskustelu koetaan tulkkien kesken eräänlaisena tabuna, ja asiaan on toivottu muutosta. \n\nAineiston keruumenetelmänä käytettiin sähköisesti toteutettua Webropol-kyselyä. Kysely lähetettiin sähköpostitse Suomen Viittomakielen Tulkit ry:n ja Suomen Puhevammaisten Tulkit ry:n postituslistojen tulkeille sekä 20:lle satunnaisella otannalla valitulle tulkkausalan yritykselle. Kyselyä jaettiin myös Suomen Viittomakielen Tulkit ry:n Facebook-sivuilla. Vastauksia saatiin yhteensä 105. Vastanneista 92 oli viittomakielen tulkkeja, 6 puhevammaisten tulkkeja ja 7 sekä viittomakielen että puhevammaisten tulkkina työskenteleviä tulkkeja. \n\nTutkimuksesta selvisi, että tulkeilla oli pääosin yhtenäinen linja vastausten suhteen joitakin eroavaisuuksia lukuun ottamatta. Eroavaisuuksia löytyi esimerkiksi siitä, millaisia tulkkaustilanteeseen liittyviä asioita jaettiin lähipiirin ja kollegoiden kanssa. Lopussa vertailtiin 0–2 vuotta ja yli 10 vuotta työskennelleiden tulkkien vastauksia keskenään ja todettiin, ettei koulutustaustalla tai työskentelyajalla ollut merkittävää vaikutusta tutkimustuloksiin.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.080 | 0.038 |
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".