Lukiolaisten informoiminen velkaantumisen ennaltaehkäisemiseksi
Bibliographic record
Abstract
Tämä opinnäytetyö on toiminnallinen ja toteutettiin toimeksiantona Suomen Lukiolaisten Liitolle liittyen lukiolaisten informoimiseen velkaantumisen ennaltaehkäisemiseksi. Tämän toiminnallisen opinnäytetyön toteutustavaksi valittiin tekstimuotoinen infopaketti, joka suunniteltiin yhdessä toimeksiantajan kanssa. Tuotos eli infopaketti julkaistiin toimeksiantajan verkkosivuille helmikuussa 2022. Tuotos sisältää tietoa velkaantumisesta, siihen johtavista tekijöistä, siihen suhtautumisesta ja eri ratkaisuista tilanteeseen. Tuotoksen infopaketin tieto on muotoiltu helposti ymmärrettäväksi ja siihen on koottu tiivistettynä kaikki merkittävimmät velkaantumiseen liittyvät asiat, jotka voisivat askarruttaa tai kiinnostaa nuorta. \n \nTuotos liitettiin osaksi Suomen Lukiolaisten Liiton Pikatippi-nimistä kampanjaa ja se rakennettiin sisällöltään vastaamaan toimeksiantajan toiveita ja tuomaan kampanjaan yhden osa-alueen lisää. Pikatippi-kampanjan tarkoituksena on jakaa lukiolaisille tietoa työntekoon, toimeentuloon, tukiin, säästämiseen sekä sijoittamiseen liittyen. Kampanja näkyi Liiton sosiaalisessa mediassa, joten myös tuotosta pystyttiin hyödyntämään verkkosivujen lisäksi Liiton sosiaalisen median alustalla Instagramissa. Tuotos velkaantumiseen liittyen toi kampanjaan täten lisäarvoa. \n \nYksityishenkilöiden velkaantuminen on jo kauan kasvussa ollut, paljon puhuttava ongelma yhteiskunnassa. Tuotoksen tavoitteena on ennaltaehkäistä velkaantumista. Idea työhön lähti siitä, että yhteiskunnalliset ongelmat tulisi kohdata siellä, mistä ne saavat alkunsa. Mikäli nuorille annetaan jo ennen velkaantumisen alkamista tarvittavaa tietoa, voisi se vähentää myöhemmän iän velkaantumista. Tuotoksen kohderyhmä on nuoret lukioikäiset aikuiset ja Suomen Lukiolaisten Liitto valikoitui toimeksiantajaksi, sillä Liitolla on erinomainen alusta tavoittaa nuoria koko Suomen alueella. On lisäksi merkittävää, että Liitto tarjoaa jäsenilleen tietoa tärkeisiin aihealueisiin liittyen ja näin myös vahvistaa asemaansa lukiolaisten edunvalvojana. Tuotos tuo tätä kautta hyötyä toimeksiantajalle. \n \nRaportin tietoperustaan kerättiin viimeaikaista tietoa asiaankuuluvilta tahoilta ja sen tarkoitus on antaa perustelut sille, miksi tuotos on ajankohtainen ja tarpeellinen. Tuotos eli tietopaketti kirjoitettiin nojaten kerättyyn tietoperustaan. Tietoperustassa käydään läpi velkaantumista ilmiönä, velkaantumisen seurauksia sekä eri tahojen tilastoja, jotka näyttävät velkaantumisilmiön kasvusuunnan. Lisäksi tietoperustassa käydään läpi, mitä eri ratkaisuja velkaantumisen estämiseksi on kehitetty tai toteutettu. \n \nOpinnäytetyöhön kuuluu tuotoksen ja tietoperustan lisäksi Suomen Lukiolaisten Liiton sosiaalisen median kanavassa Instagramissa toteutettu kysely, joka tarkoitus oli tuoda suuntaa antavaa tietoa nuorten ajatuksista raha-asioihin ja velkaantumiseen liittyen. Kysymykset olivat rahan käyttöön, säästämiseen, lainaamiseen sekä maksuhäiriömerkintään liittyviä. Kysely oli opinnäytetyön lisäksi hyödyllinen myös Suomen Lukiolaisten Liitolle, sillä Liitto sai osallistavaa ja herättävää sisältöä sosiaaliseen mediaansa sekä kohderyhmästään lisätietoa ja täten liiton julkaisemaa materiaalia on helpompi muotoilla kohderyhmälle sopivaksi.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.121 | 0.061 |
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".