Esteettömyys Oulun katurakentamisessa
Bibliographic record
Abstract
Tämän työn tavoitteena oli selvittää kadunrakentamiseen liittyviä esteettömyysnäkökohtia. Työn tilaajana toimi Oulun kaupungin katu- ja viherpalvelut. Oulun kaupungilla oli keväällä 2013 tarve selkeyttää katurakentamisen esteettömyysohjeistustaan ja luoda malli, jossa esitettäisiin, mitä esteettömyystoimenpiteitä suunnittelijoiden tulisi ottaa huomioon uusia kaupunginosia ja niiden liikenneväyliä suunniteltaessa. Työn tavoiteena oli siis tehdä katsaus siihen, mitä Suomen laki sanoo esteettömyydestä katurakentamisessa ja millä tavalla Oulussa on esteettömyyttä suunniteltu ja kuinka siinä on onnistuttu. Lopuksi tavoitteena on kerätä yhteen ja perustella erilaisia suunnittelukäytäntöjä ja luoda ohjeistuslista uusien alueiden suunnittelijoille. \n \nTyömenetelmäksi vakiintui lähdeainestoselvitys, jossa lakitekstien ja suunnitteluohjeiden lisäksi käytettiin runsaasti erilaisia Oulun ja muiden kaupunkien teettämiä suunnitelmia ja suunnitteluoppaita. Työssä käsitellään esteettömyyttä koskevia lakeja ja esitellään esteettömyyttä. Käsittelyn pääpaino on Oulun kaupungin esteettömyysohjelmassa, tehtyjen katujen saneeraussuunnitelmissa ja eri kaupungin osien esteettömyysselvityksissä. \n \nSelvitysten perusteella huomattiin, ettei lainsäädäntö juuri käsittele kadunrakentamisen esteettömyyttä, vaikka rakennusten esteettömyydestä on määräyksiä useammassakin laissa. Kaupunkeja vertailemalla saatiin selville, että Turku ja Tampere ovat hiukan edellä Oulua esteettömyysasioissa, sillä niissä esteettömyyssuunnitelmia on tehty jo varhemmin ja niitä on myös ehditty toteuttaa. Oulun osalta havaintoina oli suunnitelmien suuri määrä ja toteutuksen keskeneräisyys. Ohjeistuksen suurin huomio oli suojateiden merkityksen korostuminen esteettömässä katurakentamisessa.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.129 | 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".