Suomalaisten matkailualan asiantuntijoiden some- ja medianäkyvyys sekä somestrategiat
Bibliographic record
Abstract
Tutkielman tarkoitus on selvittää, miten suomalaiset matkailualan asiantuntijat ovat ottaneet huomioon some-ja medianäkyvyyden sekä somestrategiat. Tutkimus haluaa myös selvittää, onko asiantuntijoilla somestrategioita ja miten asiantuntijat ovat varautuneet some-ja medianäkyvyyteen. Lisäksi tutkitaan, millaisia vaikutuksia ja hyötyjä some-ja medianäkyvyydellä sekä strategioilla voi olla matkailualan asiantuntijoille. Tutkimuksen aikana koronapandemia valtasi maailmaa. Pandemian vaikutukset asiantuntijoille on myös otettu huomioon tutkimuksessa. Tutkielman aiheen inspiraationa on toiminut Pori Jazzin ex-toimitusjohtajanpotkut somekohun saattelemana. \n \nAineistona toimivat matkailualan asiantuntijoiden asiantuntijahaastattelut. Lisäksi tutkimuksessa on tapausesimerkkeinä Lapin matkailun ja Porin kaupungin markkinointitoimet sekä some-ja medianäkyvyys. Aineistoa tukee monipuolinen aiheeseen liittyvä kirjallisuus sekä esimerkiksi tapausesimerkkeihin liittyvä uutisointi.Tutkimus on laadullinen tutkimus, jossa on käytetty metodeina haastatteluja, diskurssi-ja sisällönanalyysiä, tarkastelua, seurantaa ja vertailua. Useita tutkimusmenetelmiä hyödynnetään triangulaation avulla. \n \nTutkimuksen perusteella asiantuntijat kokevat, etteivät suomalaiset matkailualan asiantuntijat ole vielä ottaneet tarpeeksi huomioon some-ja medianäkyvyyttä sekä somestrategioita. Haastatelluilla asiantuntijoilla oli somestrategioita tai someen liittyviä ohjeistuksia, mutta yleisesti Suomessa käytetään vielä vähän somestrategioita. \nTutkimuksesta selvisi, etteivät asiantuntijat olevielä tarpeeksi hyvin varautuneet mahdollisiin somekohuihin ja some-ja medianäkyvyyteen. Asiantuntijat, jotka käyttävät somestrategioita ja ovat saaneet näkyvyyttä ovat kokeneet strategioiden käytön ja näkyvyyden positiivisena asiana, mikä on lisännyt esimerkiksi asiakastyytyväisyyttä, sitoutuneisuutta ja seuraajamääriä. Koronapandemiasta johtuen some-ja medianäkyvyyteen varautumisen tärkeys ja somestrategioihin panostamisen merkityksellisyys korostui entisestään. \n \nTutkimuksen tuloksista päätellen kaikki matkailualan asiantuntijat eivät ota vielä somestrategioita tosissaan, vaikka niistä olisi hyötyä,erityisesti poikkeustilanteissa. Matkailualan asiantuntijoiden tulisi ottaa somestrategiat käyttöön. Lisäksi positiivista näkyvyyttä sekä onnistunutta somestrategiaa varten on esitelty keskeiset teemat lopputuloksissa.
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) | 0.003 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.048 | 0.087 |
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".