Kehityshankkeen tulosten mittaaminen
Bibliographic record
Abstract
Tutkimuksen tavoitteena oli selvittää 2. asteen valtakunnallisen lentokoneasentajakoulutuksen kehittämishankkeen tuloksia. Hankkeen tarkoitus oli kehittää koulutuksen järjestäjien yhteisiä toimintamalleja. Hanke alkoi vuonna 2019 ja päättyy lentokoneasentajakoulutuksen osalta kesäkuussa 2021. Hankkeessa on mukana kaikki Suomen lentokoneasentajakoulutusta järjestävät koulutuksen järjestäjät ja sitä rahoittaa Opetus- ja kulttuuriministeriö. \n \nTutkimustyössä määritettiin tavoitteiden mukaiset mittarit, jolla hankkeen tuloksia tarkasteltiin. Hankkeen tuloksia tarkasteltiin hankkeen parissa toimineiden henkilöiden , työelämän sekä opiskelijoiden osalta. Tutkimuksessa hyödynnettiin kvantitatiivisia tutkimus- sekä analyysimenetelmiä, kyselytutkimuksen muodossa. \nTutkimuksen tuloksena syntyi mittarit, jolla hankeen tuloksia tarkasteltiin. Luotettavimmin \ntarkasteltiin hankkeen parissa toimineiden henkilöiden mielipidettä hankkeen onnistumisesta, sekä opiskelijakyselyn tuloksia. Toimintamallien hyödyllisyyttä kartoittaneessa kyselyssä vastausten jakauma koulutuksen järjestäjien kesken oli heikko, sekä vastausten hajonta suurta. \n \nHankkeen parissa toimineiden henkilöiden kokemusten ja opiskelijakyselyn välillä ei voitu \nhavaita merkittävää syy-seuraussuhdetta. Hankkeen parissa toimineet henkilöt kokivat \nyleisesti hankkeen onnistuneen tavoitteessaan. Tuloksista kävi ilmi koulutuksen järjestäjien \nerilaiset painotukset hankkeen eri osa-alueilla. Opiskelijat pitivät hankkeen aikana kehitettyjä osa-alueita hyvin oppimistaan tukevina. Lisäksi opintoihin kuuluvia käytännönharjoituksia pidettiin oppimisen kannalta hyödyllisinä.
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 | 0.001 |
| 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 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.078 | 0.029 |
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".