Ihmisiin asennettavat mikrosiruimplantit ja niiden tulevaisuus
Bibliographic record
Abstract
Tämän tutkimustyyppisen opinnäytetyön tavoitteena oli selvittää miten ihmiset suhtautuvat kaupallisiin mikrosiruihin, joita voi asentaa ihon alle. Tutkimuksen taustana on opinnäytteen tekijän oma kokemus mikrosiruimplantin omistamisesta. Tutkimuksesta on rajattu pois lääketieteelliset implanti. Tämä tutkimus toteutettiin keväällä 2024. \n \nTietoperustan alussa esitellään mikrosiruimplanteille oleelliset teknologiat, kuten RFID ja NFC. Tämän jälkeen kerrotaan mikrosiruimplanttien taustasta ja nykytilanteesta. Tässä osiossa on tieteellisten lähteiden lisäksi lähetetty sähköpostia eri tahoille liittyen mikrosiruimplanttien määriin ja hintoihin. Tietoperustassa keskitytään erityisesti Walletmorin maksuimplanttiin ja sen toimintaan. \n \nEmpiirinen osa on toteutettu kyselytutkimuksena. Kysely suoritettiin Webropol-sovelluksella. Kysely oli avoinna 26.2.2024-11.3.2024 ja sitä jaettiin sosiaalisessa mediassa. Tutkimus on kvantitatiivinen tutkimus, eli kyselyssä oli pääosin monivalintakysymyksiä. Kyselyyn vastattiin anonyymisti ja vastaajia se sai yhteensä 173. Opinnäytetyön tekijän oma hypoteesi oli, että suurin osa vastaajista ei haluaisi ihonalaista mikrosirua, vaikka niitä jaettaisiin ja asennettaisiin ilmaiseksi. \n \nKyselytutkimuksen tulosten perusteella vastaajat eivät ole valmiita asennuttamaan mikrosiruimplanttia ihonsa alle, koska niitä ei ole tutkittu vielä tarpeeksi. Suurin osa vastaajista kuitenkin uskoo, että mikrosiruimplantit ovat tulevaisuutta. \n \nOpinnäytetyön kirjoittajan päätelmä on, että mikrosiruimplantit voivat olla tulevaisuutta, jos niiden turvallisuutta tutkitaan enemmän. Lisäksi mikrosiruimplantin ominaisuuksia on tarpeen kehittää, jotta ne kiinnostaisivat ihmisiä.
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 | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.065 | 0.031 |
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".