Kunnan maine työnantajana. Tarkastelussa teknisen alan opiskelijoiden Kokkolan kaupunkiin liittämät mielikuvat
Bibliographic record
Abstract
Tutkimuksessa on tavoitteena Kokkolaan liitettyjen mielikuvien avulla selvittää, millainen Kokkolan kaupungin maine työnantajana on. Tutkimuksessa tarkastellaan lisäksi kuntatyönantajiin yleensä ottaen liitettyjä mielikuvia, jotta tutkimustuloksia voitaisiin hyödyntää koko kuntasektorin osalta. Menetelmänä käytetään tutkimusta varten laadittua kyselylomaketta, joka koostuu väittämistä ja kahdesta avokysymyksestä. Aineisto muodostuu Kokkolassa teknistä alaa opiskelevien henkilöiden kyselyyn antamista vastauksista. Väittämiä analysoidaan kvantitatiivisesti ja avokysymyksiä kvalitatiivisen sisällönanalyysin avulla. Tutkimuksen taustaksi tarkastellaan ulkoisen kuvaan liittyvien käsitteiden välisiä eroja ja pohditaan, mitkä niistä soveltuvat juuri tähän tutkimukseen. Tutkimuksessa on käytetty ulkoiseen kuvaan liittyvistä käsitteistä pääasiassa mielikuvaa ja mainetta. Mielikuvan on määritelty tarkoittavan tarkastelun kohteesta syntyvää sub-jektiivista kuvaa. Maineella on tarkoitettu puolestaan organisaatioon liitettyjen mielikuvien kokonaisuutta, joka vaatii syntyäkseen vuorovaikutusta organisaation ja sen sidosryhmien välillä. Mainetta on käytetty imagon sijasta, koska maine on organisaation todelliseen toimintaan pohjautuva ja sidosryhmien päätettävissä, kun taas imago on visuaalinen, organisaation tuottama kuva itsestään. Tutkimuksen perusteella kunnan maine työnantajana on keskinkertainen. Kuntia pidetään yleensä ottaen hyvinä työantajina, mutta niillä koetaan olevan tiettyjä puutteita, kuten liian pienet palkat. Kokkolan maine työnantajana on puolestaan hieman parempi kuin kuntatyönantajien keskimäärin. Kaupunki on saanut hyvän arvion organisaatiokulttuuristaan, menestymisestään sekä palveluistaan ja kohtalaisen arvion muutos- ja kehityskyvystään, yhteiskuntavastuustaan ja organisaation minä-vastaavuudestaan. Kaupungin julkinen kuva on saanut negatiivisen arvion. Kokkolan kaupungin keskimääräistä hieman parempi maine työnantajana saattaa johtua joko siitä, että se on muita parempi työnantaja tai sitten tiettyä, nimeltä mainittua kuntaorganisaatiota on ollut helpompi arvioida kuin kuntia yleensä ottaen.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.058 | 0.018 |
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".