Asuin- ja liikerakennusten paloturvallisuus
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli esitellä Suomen rakennusten paloturvallisuutta erilaisten asuin- ja liikerakennuksia koskevien määräyksien ja uusimpien paloasetusten mukaan. Opinnäytetyössä esiteltiin myös rakennusten erilaisia paloturvallisuustuotteita sekä kodille palovaaraa aiheuttavia tuotteita, laitteita ja koneita. \n \nUusien paloasetusten vuoksi työssä käsitellään ensin tarkemmin rakennuksia koskevia määräyksiä ja asetuksia. Toisena asiana selvitettiin eri paloturvatuotteiden toimintaa ja tarpeellisuutta uudis- ja korjausrakentamisessa. Lopuksi käytiin läpi tilojen palovaaraa aiheuttavia asioita. \n \nSelvitettyjen tietojen mukaan uudis- ja korjausrakentamisessa asennetaan yleensä vain ainoastaan ne paloturvatuotteet, jotka ovat pakollisia asetusten, lakien ja määräysten näkökulmasta. \n \nSuomessa olevat asetukset ja lait eivät takaa rakennukselle tarpeeksi suojaa tulipaloa vastaan. Ehdotuksena rakennusten paloturvallisuuden takaamiselle on paloturvatuotteiden lisääminen rakennuksiin, vaikka asetukset eivät niitä määräisikään. Jatkotoimenpiteinä rakennuksilla voisi enemmän valvoa ja tarkastaa paloturvallisuustuotteiden asentamista ja niiden sopivuutta kohteisiin. Sekä tehdä enemmän tarkastuksia ja parannuksia säännöllisesti jo olemassa oleviin rakennuksiin.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.083 | 0.027 |
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".