Mehiläisten ravinnon kulutus : Ajalla 1.8. - 31.5.
Bibliographic record
Abstract
TIIVISTELMÄ \n \nMehiläisten ravinnon kulutus kiinnostaa mehiläistarhaajia kovasti, sillä se vaikuttaa suoraan mehiläisten tuottaman hunajan määrään sekä mehiläisille suoritettaviin hoitotoimenpiteisiin. Tämän vuoksi Suomen Mehiläishoitajain Liitto SML ry antoi opinnäytetyön aiheeksi selvittää mehiläisten ravinnon kulutus. \n \nTämän opinnäytetyön tavoitteena on selvittää paljonko mehiläiset kuluttavat ravintoa omiin toimintoihinsa ajalla 1.8. – 31.5. Selvitystyön pohjana on Suomen Mehiläishoitajain Liitto SML ry:n toimittama vaakapesäaineisto, jonka perusteella on laskettu kuinka paljon mehiläiset kuluttavat ravintoa vuodessa. Aineisto käsitti kaksi vuotta, joten opinnäytetyössä on laskettu erikseen ravinnon kulutus talviaikana ja kesäaikana sekä vertailtu kahden vuoden ravinnon kokonaiskulutusta keskenään. \n \nTutkimuksen tuloksena mehiläispesän ravinnon kulutus on elo-toukokuun välisenä aikana noin 60 – 80 kiloa. Tämä on enemmän kuin tutkimuksen taustalla olevassa kirjallisuudessa on esitetty. Suurempaan kulutukseen saattaa vaikuttaa mehiläisten nykyaikainen jalostaminen sekä koko mehiläishoidon kehittyminen viime vuosikymmenten aikana. \n \nVaakapesän keräämä aineisto oli valtavan laaja ja monipuolinen. Tämän vuoksi aineistosta voi tehdä useita tutkimuksia eri näkökulmista. Suomen Mehiläishoitajain Liitto SML ry todennäköisesti jatkaa vaakapesäaineiston keräämistä ja tuleviin tutkimuksiin kannattaa ottaa mukaan kirjalliset muistiinpanot sääolosuhteista, pesän toiminnasta sekä hoitotoimenpiteistä. Yhdessä näillä tiedoilla voi tutkia mehiläisten elämää ja siihen vaikuttavia asioita kattavasti monesta eri näkökulmasta.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.202 | 0.143 |
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".