Metsät kuntoon marketissa -tapahtuman metsänhoidolliset vaikutukset
Bibliographic record
Abstract
Opinnäytetyön tavoitteena oli selvittää Metsät kuntoon marketissa -tapahtuman vaikutusta metsänhoitotöihin ja puukauppoihin. Metsätapahtuma järjestettiin Seinäjoella syksyllä 2013. Opinnäytetyö tehtiin Suomen metsäkeskuksen toimeksiantona ja tutkimusaineisto kerättiin postikyselynä metsänomistajilta, jotka oli kutsuttu metsätapahtumaan henkilökohtaisella kirjeellä. Tapahtumaan kutsutut valittiin Metsäkeskuksen metsävaratietojen perusteella ja metsätilat sijaisivat Seinäjoen, Ilmajoen, Kuortaneen tai Lapuan alueella. \n \nVastauksen palauttaneista yli 80 prosenttia oli miehiä, ja vastaajista puolet oli alle 61-vuotiaita. Vastaajissa oli lähes yhtä paljon eläkeläisiä, yrittäjiä ja palkansaajia. Metsät kuntoon marketissa -tapahtumaan osallistuneista lähes puolet oli eläkeläisiä. Kyselytutkimuksen aineistoa on analysoitu erikseen sekä kaikkien vastaajien että tapahtumaan osallistuneiden osalta. \n \nMetsät kuntoon marketissa -tapahtuma houkutteli paikalle suurten metsätilojen omistajia, sillä puolet tapahtumaan osallistuneista omistaa yli 50 hehtaaria metsää. Tapahtumaan osallistuneet metsänomistajat saivat myös suurempia puukauppatuloja kuin ne metsänomistajat, jotka eivät tapahtumaan osallistuneet. Metsätapahtumaan osallistuneet ovat olleet tyytyväisiä tapahtuman järjestelyihin, ja tapahtumasta on ollut apua metsänhoitotöiden ja puukauppojen tekemisessä. Osallistujat myös kilpailuttivat metsäkohdettaan useamman toimijan välillä. \n \nTutkimuksen perusteella voidaan todeta, että Metsät kuntoon marketissa –tapahtuman tyyppisen yleisötapahtuman avulla saadaan aktivoitua metsänomistajia metsänhoitotöihin tai puukauppaan. Puukauppojen yhteydessä tehdään myös muita metsänhoitotöitä. Tapahtuman järjestäjän suuri haaste on tarjota metsänomistajien omiin tavoitteisiin sopivaa, mielenkiintoista tietoa tai ohjelmaa sekä saada pienten ja suurten metsätilojen omistajat lähtemään tapahtumaan paikan päälle.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.241 | 0.077 |
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".