Suomalainen fiktiotuotantojen avustajaroolitus
Bibliographic record
Abstract
Opinnäytetyössä käsiteltiin media-alan avustajaroolitusta fiktiotuotannoissa ja kuvattiin roolitusprosessin vaiheet. Opinnäytetyön aineisto koostui aiheesta kirjoitetusta opinnäytetöistä ja kirjoittajan omista kokemuksista avustajaroolittajana. \n \nMedia-alan roolituksesta kertovassa luvussa esiteltiin Suomen media-alan roolituksen kokoa, tekijöitä ja siitä löytyvää kirjallista materiaalia. Roolitusprosessia käsittelevässä luvussa tarkennettiin roolitusta ja siihen kuuluvia osa-alueita. Roolitusprosessia vertailtiin ammatti- ja amatöörinäyttelijöiden osilta. \n \nTyössä kerrottiin myös amerikkalaisesta avustajaroolituksesta ja siitä, kuinka amerikkalaisten avustajien on mahdollista liittyä ammattiliittoon omien työllistymismahdollisuuksiensa parantamiseksi. Luvussa kerrottiin vastaavista suomalaisista ammattiliitoista ja kuvailtiin, millainen on elokuva- ja televisio avustajan asema Suomen media-alalla. \n \nTyössä käsiteltiin myös avustajaroolitusta sekä avustajaroolittajan että avustajien näkökulmista. Avustajaroolittajan näkökulma perustui kirjoittajan omiin kokemuksiin alalta ja avustajien näkökulmat tulivat kirjoittajan avustajille tekemästä kyselystä. Kyselyssä kartoitettiin, kuinka avustajat etsivät töitä alalta, onko roolituspalveluille kysyntää avustajien keskuudessa ja miten avustajien mielestä tuotantojen kannattaisi kertoa avustaja tarpeestaan. \n \nPohdinnassa ja johtopäätöksissä kirjoittaja kertoi johtopäätöksensä, että Facebook ei ole avustajaroolitukselle paras alusta. Kirjoittaja kertoi teoreettisella tasolla mitkä olisivat hyötyvaikutukset, jos avustajaroolitusta ei tehtäisi sosiaalisessa mediassa. \n \nOpinnäytetyön tuloksena on syntynyt kokoelma näkökulmia siitä mikä on avustajaroolituksen tulevaisuuden tila Suomessa. Ongelmia on alalla avustajien sekä tuotantoyhtiöiden kohdalla. Ongelmien syynä on kirjoittajan mukaan raha ja se mihin sitä käytetään.
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 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.110 | 0.032 |
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".