Yksityisteiden kunnossapitoavustukset : analyysi yksityistiemäärältään suurimmista kunnista
Bibliographic record
Abstract
Yksityistiet kattavat merkittävän osan Suomen tieverkosta ja niiden yhteiskunnallinen vaikutus liikkumisen näkökulmasta on tärkeä monella tavalla. Yksityisteiden kunnossapito on tien osakkaiden vastuulla, ja toisinaan kunnossapitoon liittyvät negatiiviset seikat ylittävät myös valtakunnallisen uutiskynnyksen. Yhteiskunta on tukenut yksityisteiden kunnossapitoa niin valtion kuin kuntien toimesta jo pitkään. Kunnat saavat päättää itse myöntämistään avustuksista suhteellisen vapaasti, ja avustuskäytännöt sekä hakemisen vaatimustaso voivat vaihdella merkittävästi kunnasta toiseen. Tämän opinnäytetyön tarkoituksena oli tutkia Suomen yksityistievaltaisimpien kuntien käytänteitä yksityisteiden kunnossapitoavustusten myöntämiseen. Opinnäytetyön teoriaosuudessa tarkastellaan yksityisteitä yleisellä tasolla, yksityisteiden tienpitoa ja yhteiskunnan tarjoamia tukimuotoja sekä kuntien roolia julkisena hallintoviranomaisena avustusprosessiin liittyen. Empiirisessä osuudessa kerrotaan ensiksi tutkimukseen valittujen kuntien rajaamisesta ja esitellään tutkimusaineisto sekä sen kerääminen. Tämän jälkeen esitetään tutkimuksen tulokset ja johtopäätökset. Koska avustusta mahdollisesti hakevat tiekunnat sekä muut sidosryhmät tarvitsevat hakuprosessiin liittyen tietoa kunnan myöntämistä avustuksista ja toisaalta kunta on julkistoimijana tiedotusvelvollinen toiminnastaan, toteutettiin tutkimus dokumenttianalyysinä lähteinään kuntien verkkosivut ja sähköiset, julkiset päätösdokumentit. Tutkimusaineistoa yhdisteltiin ja luokiteltiin ja pyrittiin löytämään kuntien välisiä yhdistäviä ja erottavia tekijöitä. Aineiston perusteella tutkimukseen nostettiin neljä tarkasteltavaa teemaa: avustuskäytännöt, avustusehdot, hakemus sekä tiedon saavutettavuus. Avustuskäytännöissä ja -ehdoissa esiintyi kunnasta toiseen samoja tekijöitä, mutta niiden arvottaminen vaihteli. Myös avustushakemuksissa kunnat vaativat samankaltaisia tietoja, mutta tiedontarpeen määrässä ja tarkkuudessa syntyi eroja. Avustustiedon saavutettavuuden osalta parannettavaa löydettiin lähes jokaisesta tutkitusta kunnasta.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 0.007 |
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".