Sisäisen yrittäjyyden ilmeneminen ja johtaminen sosiaali- ja terveysalalla
Bibliographic record
Abstract
Tämän tutkimuksen tavoitteena oli kuvata, millaista sisäistä yrittäjyyttä hoitotyötä tekevällä henkilöstöllä on ja kuinka se ilmenee hoitotyössä. Tavoitteena oli myös selvittää, miten lähijohtajat tukevat ja kannustavat hyödyntämään sisäistä yrittäjyyttä. Tarkoituksena oli tuottaa tietoa, millaista osaamista henkilöstöllä on, ja millaista lähijohtamista tarvitaan sosiaali- ja terveysalan kehittämisessä. Tutkimusstrategiana oli triangulaatio. Hoitotyötä tekevältä henkilöstöltä kerättiin määrällistä aineistoa verkkokyselyllä. Teemahaastatteluilla kerättiin laadullista aineistoa hoitotyötä tekevältä henkilöstöltä sekä heidän lähijohtajiltaan. Analysointivaiheessa aineistoa tiivistettiin tilastollisesti sekä luokiteltiin teoriaohjaavalla ja aineistolähtöisellä sisällönanalyysillä. Tulokset osoittivat, että sisäisen yrittäjyyden ominaisuuksia, osaamista ja asenteita tunnistettiin hyvin. Sekä hoitajat ja heidän lähijohtajansa sanoittivat sisäisen yrittäjyyden näkymistä pääsääntöisesti samalla tavalla. Sisäisen yrittäjyyden ilmenemistä sanoitettiin osin sosiaali- ja terveysalan erityispiirteiden, kuten potilasturvallisuuden ja hierarkisuuden kautta. Uran rakentamiseen liittyvät sisäisen yrittäjyyden ominaisuudet hajauttivat vastauksia eniten. Tukea ja kannusta sisäisen yrittäjyyden hyödyntämiseksi koettiin saatavan melko hyvin. Palautteen antamisessa ja läsnäolossa havaittiin ristiriitaisuuksia hoitajien ja lähijohtajien kokemuksien välillä. Sekä hoitajat että lähijohtajat kokivat, että aikaa kohtaamisille on liian vähän. Tämä tutkimus avaa mielenkiintoisia näkökulmia sisäisen yrittäjyyden ja johtamisen jatkotutkimuksiin. Tarpeen olisi esimerkiksi selvittää, kuinka sosiaali- ja terveysalan rakenteita pystyttäisiin muokkaamaan joustavammiksi henkilöstön sisäisen yrittäjyyden kukoistamiseksi.
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 | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.064 | 0.024 |
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".