Apukattilakäytön simulaatioharjoituksen kehitys
Bibliographic record
Abstract
Kaakkois-Suomen ammattikorkeakoululta puuttui moderni höyrykattilakäytön simulaatioharjoitus höyrytekniikka-kurssilta. Käytössä on ollut Unitestin kaaviopohjainen simulaattori, joka ei sovellu syvempään koulutukseen höyrykattiloita operoitaessa. Tämän vuoksi tutkimuksessa pyrittiin suunnittelemaan koululle uusi simulaatioharjoitus, joka perustuu Unitestin MED3D -konehuonesimulaattoriin. Tämän lisäksi tutkimuksessa hyödynnettiin tutkimusmateriaalia itse Höyrytekniikka-kurssin kehittämiseen tulevaisuutta silmällä pitäen. \n \nSimulaatioharjoituksesta tehtiin step-by-step-tyyppinen harjoitus, jossa avataan valmistajan määrittelemiä turvallisuusohjeita sekä tärkeimpiä teknisiä tietoja. \n \nOpinnäytetyössä on käytetty hyväksi Alfa Laval Aalborg Oy:ltä sekä Öljyntorjunta-alus Hallilta saatua materiaalia. Tutkimustyössä suoritettiin myös opiskelijoille kaksi erillistä Survey- tyyppistä kyselyä. Tämän lisäksi simulaatioharjoitusta suunniteltaessa on otettu huomioon IMO:n määräykset simulaatioharjoituksista. \n \nTutkimuksen tuloksena saatiin koululle nykyaikainen 3D-pohjainen höyrykattilakäytön simulaatioharjoitus, jossa avataan erivaiheiden turvallisuusohjeistuksia ja komponenttien teknisiä ominaisuuksia. Tällä saavutetaan opiskelijoille tietotaso, jolla he voivat turvallisesti siirtyä laivoille harjoitteluun ja operoimaan höyrykattilaa.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.076 | 0.016 |
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".