Erätaukomenetelmän käyttö Suomen yleissä kirjastoissa
Bibliographic record
Abstract
Opinnäytetyön aiheena on erätaukomenetelmän käyttö Suomen yleisissä kirjastoissa. Erätaukomenetelmä on Sitran luoma keskustelutyökalu, jonka tavoitteena on edistää rakentavaa dialogia ja madaltaa jyrkkiä mielipide-eroja ja kiistoja keskustelijoiden välillä. Kirjastolaki määrittelee yleisen kirjaston tehtäväksi edistää tasa-arvoa ja lisätä yhteiskunnallista keskustelua. Opinnäytetyön teoriassa käsitellään kirjaston yhteiskunnallista roolia ja kirjastotyöhön liittyviä ohjaustaitoja. \nTutkimus toteutettiin kvantitatiivisesti kyselytutkimuksella ja vastaukset käsiteltiin Webropol-työkalun avulla. Kysely oli ensin auki kaksi viikkoa, mutta avattiin uudelleen viikoksi, sillä vastaukset jäivät vähäisiksi. Kyselyn kohderyhmänä toimivat kaikki Suomen yleiset kirjastot ja kysely julkaistiin Kirjastot.fi-sivuston ilmoituspalstalle. Lisävastauksia haettiin myös Alueellisen kehittämistehtävän kirjastojen kautta sähköpostitse. \nKyselyn perusteella erätaukomenetelmä on yleisille kirjastoille vielä vieras, mutta sitä on kyselyn mukaan käytetty 13 kirjastossa eripuolella Suomea. Menetelmää käyttäneet ovat siihen tyytyväisiä, ja erätaukokeskusteluille on toivottu jatkoa. Vastausten perusteella erätaukoon liittyvä palaute on ollut positiivista ja sen koetaan sopivan hyvin yleisen kirjaston tehtäviin. Vastaajien mukaan kirjastoympäristön avoimuus toimii yhdessä erätaukomenetelmän kanssa. Erätaukokeskusteluun osallistuneet ovat olleet aktiivisia ja keskustelu on ollut rakentavaa. Kirjastot, jotka eivät ole menetelmää käyttäneet, perustelivat esimerkiksi koulutuksen, resurssien tai ajanpuutteen vuoksi jättäneen menetelmän käyttämättä.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.093 | 0.037 |
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".