Työturvallisuus ja perehdytys rakennusalan toisen asteen koulutuksessa
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli selvittää Koulutuskuntayhtymä Tavastian rakennusalan oppimisympäristön työturvallisuuteen liittyviä asioita ja kehittää niitä. Tavoitteena oli toteuttaa rakennusalan perustutkinnolle toimivat ja selkeät Suomen määräyksiä ja asetuksia noudattavat turvallisuusohjeet, jotka olisivat jaettavissa tai koulutettavissa uusille ja vanhoille oppilaille. \nTutkimusmenetelmä oli toiminnallinen tutkimus. Nykyisen digitalisaation aikana sähköisten työturvaohjeiden ja perehdytyskaavakkeen ansiosta ohjeiden olisi mahdollista olla kaikkien mukana puhelimessa tai verkossa. Rakennusalan opiskelijoilla sekä opettajilla teetettiin Microsoft Forms-kyselytutkimus, jolla selvitettiin työturvallisuuden tämänhetkinen tila ja kehitystarpeet. Teettämäni kyselyn mukaan oppilaat pääsääntöisesti pitävät työturvallisuutta tärkeänä asiana ja sen perehdytystä merkityksellisenä. Uudet, sähköisessä muodossa olevat työturvallisuusohjeet saivat kannatusta siinä, että ne olisivat hyvä ja tärkeä uudistus, mutta ne eivät tietenkään poista turvallisuuden jatkuvaa valvontaa. \nJos opetustavat ja ohjeet muuttaa työturvallisuudesta mielekkäämpään muotoon, voisi se heijastua turvallisempana työympäristönä ja parempina asenteina. Ohjeita voisivat käyttää hyödyksi niin opiskelijat kuin opettajat muillakin kuin rakentamiseen tai kunnossapitoon liittyvillä aloilla.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.127 | 0.083 |
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".