Bibliographic record
Abstract
Tämä opinnäytetyö käsittelee keraamisen veistoksen tekemistä valutekniikalla sekä siihen tarkoitetun kahden kipsimuotin valmistamista, joihin molempiin tulee monta osaa. Tavoitteena on saada aikaiseksi rotumääritelmän mukainen monistettava villakoiraveistos, joita on toistaiseksi liian harvassa. Opinnäyte koostuu kirjallisesta osuudesta ja produktiosta. \n \nVeistoksen aiheena on villakoira, jonka rakennetta tutkin rotumääritelmien ja kuvien avulla. Oleellisena osana muotoa on myös villakoiran trimmausmallin tutkiminen, koska koira on lähes kokonaan pörröisen karvan peitossa. Trimmausmalliksi valikoitui skandinaavinen leijonaleikkaus, koska se sopii muotonsa puolesta keramiikan tekemiseen. Opinnäytteessä käydään läpi työprosessi mallineen tekemisestä, muotin valmistukseen sekä käyttö valusavella valamiseen ja valun lopputulos. Muotin malline tehdään savesta umpisavisena käsin rakentamalla. Muotti valetaan kipsistä ja koiraan tulee viisi osaa. Ensimmäinen osa tulee koiran etuosasta, toinen jalkojen väliin koiran alla, kaksi sivuille ja yksi takaosaan. Koiran häntä tulee erillisestä muotista, koska sen liitos koiran vartaloon on kapea ja häntä irtoaa helposti koiran vartalosta, kun valua poistetaan muotista. Häntä tehdään kaksiosaisella muotilla ja se liitetään vartaloon juoksevan valusaven avulla. \n \nOpinnäytteessä perehdytään lisäksi keraamisiin figuureihin Suomessa keskittyen pääasiassa Suomen suurimman keramiikkatehtaan Arabian tuotantoon. Arabia valmisti käyttöesineitä, astiastoja ja koriste-esineitä Helsingin Arabianrannassa vuosina 1874-2016, jonka jälkeen yhtiö siirtyi käyttämään ulkomaisia alihankkijoita. Arabialla on ollut tuotannossa keraamisia figuureja vuodesta 1886 lähtien. Pääasiassa aiheena ovat olleet eläimet, niin kotimaiset kuin ulkomaiset villieläimet sekä kotieläimet. Arabian eläinfiguurit ovat pääasiassa tyyliteltyjä ja pelkistettyjä. Osa on realistisempia ja selvästi lajikseen tunnistettavia, kun taas toiset ovat hyvinkin tyyliteltyjä.
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) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.057 | 0.577 |
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".