Tilusjärjestelyjen vaikutukset pelto-alueiden kiinteistörakenteeseen
Bibliographic record
Abstract
Tämän insinöörityön tavoitteena oli tutkia Suomen historiassa käytettyjä erilaisia tilusjärjestelymenetelmiä sekä antaa esimerkkejä nykyisistä tilusjärjestelyprosesseista ja tarkastella niiden tuomia vaikutuksia Suomen peltotilusrakenteeseen. \n \nTyössä avattiin tärkeimpiä kohtia Maa- ja metsätalousministeriön laatimasta tilusjärjestelystrategiasta sekä kiinteistömuodostamislain (554/1995) määräyksiä koskien peltotilusjärjestelyiden laatimista. \n \nTilusjärjestelyjen vaikutuksia peltotilusrakenteeseen sekä maa- ja metsätaloustuotannon kustannustehokkuutta tarkasteltiin kahden toisistaan poikkeavan tilusjärjestelytoimituksen avulla. Aineisto saatiin Maanmittauslaitokselta, ja se sisältää hankkeiden kustannusarviot, toimituspöytäkirjat sekä loppuraportit. Toimitusten kohteet sijaitsevat Honkajoen entisen kunnan pohjoisosassa sekä Sastamalan ja Punkalaitumen kun-tien alueella. \n \nPeltojen tilusrakenne on Suomessa hajallaan maantieteellisistä syistä sekä historian aiheuttamien muutoksien vuoksi. Maatilojen määrä on pysynyt ennallaan, mutta koko on kaksinkertaistunut 2000-luvulle tultaessa. Lohkokoko on pysynyt ennallaan, ja tämä aiheuttaa merkittäviä lisäkustannuksia maatalousyrittäjille. Pitkät välimatkat ja pieni lohkokoko ovat tämän hetken suurimmat ongelmat maatalousyrittämisessä.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.064 | 0.011 |
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".