Onko värillä väliä? : Haastattelututkimus lypsykarjarodun valinnasta
Bibliographic record
Abstract
Ayrshire on ollut pitkään Suomen yleisin lypsykarjarotu. Sen osuus maamme lypsylehmistä on kuitenkin vähentynyt jo pidemmän aikaa samalla kun holsteinin osuus on kasvanut. Pian ollaan siinä tilanteessa, että suurin osa Suomen lypsykarjasta on holsteinia.\n\nTutkimuksen tavoitteena oli auttaa pitämään ayrshire-rotu elinvoimaisena Suomessa. Yhteisen jalostusohjelman myötä tavoite kosketti samalla kaikkia punaisia rotuja Pohjoismaissa. Tarkoituksena oli löytää syitä, joiden takia ayrshiresta luovutaan, tai syitä, jotka saavat ayrshiren säilymään karjassa. Tutkimuksen toimeksiantajana toimi Faba, joka on valtakunnallinen tuotantoeläinten jalostuspalveluita tarjoava yritys.\n\nTutkimus toteutettiin teemahaastattelumenetelmällä. Haastateltavat valittiin tuotosseurantaan kuuluvien, yli 100 lehmän tilojen joukosta koko Suomen alueelta. Haastateltavien valintaan vaikutti tilan koon lisäksi myös ayrshire-lehmien osuuden muutos karjassa vuodesta 2012 vuoteen 2017. Haastatteluja tehtiin 12.\n\nTutkimuksen tuloksista kävi ilmi, että yksi suurimmista syistä ayrshiren vähentämiseen karjassa on huono utarerakenne. Tämä näkyy myös tuotosseurannan tuloksissa, joiden mukaan ayrshireja on poistettu huonon utarerakenteen takia selkeästi holsteinia enemmän. Muita esiin nousseita syitä oli muun muassa ayrshiren alhaisempi maitotuotos ja sekakarjan ruokinnalliset haasteet. Tiloilla, joilla ayrshiren osuus ei ollut pienentynyt, rodun hyvistä ominaisuuksista nousi esiin erityisesti kestävyys. \n\nTutkimuksesta selvisi myös, että ayrshiren osuutta vähentäneet tilat aikovat pääasiassa vähentää rodun osuutta myös jatkossa. Sen sijaan tilat, joilla ayrshiren osuus ei ollut vähentynyt, aikoivat pääasiassa säilyttää rodun osuuden ennallaan tai jopa lisätä sitä. Tätä kannattaa tulevaisuudessa hyödyntää rodun markkinoinnin kohdentamisessa.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.060 | 0.021 |
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".