Poliisin ja Suomen Lentopelastusseuran yhteistyö
Bibliographic record
Abstract
Tässä opinnäytetyössä tutkitaan poliisin ja Suomen Lentopelastusseura ry:n (SLPS) yhteistyön nykyistä tilaa. Tutkimuksen alkuvaiheilla aihe oli molemmille tutkijoille hyvin tuntematon, koska kummallakaan ei ollut työkokemusta muuta kuin työharjoittelun ajalta. Myöskään opintojen ja koulutusten aikana Lentopelastusseuran toiminnasta ei ollut meille opiskelijoille kerrottu mitään. Tutkimus lähti kuitenkin liikkeelle työharjoittelupaikan kahvipöydällä olleesta esitteestä. Tietämättömyys aiheesta herätti kipinän tutkimuksen tekemiselle ja lähdimmekin yksissä tuumin selvittämään, että onko aihepiirin ympärillä mahdollista tehdä opinnäytetyötä. Poliisin ja Lentopelastus-seuran yhteistyöstä löytyi todella vähän tietoa ottaen huomioon, kuinka valtavasti resurssia Lentopelastusseuralla olisi avustaa viranomaisia erilaisilla tehtävillä. Päädyimmekin tekemään aiheesta niin sanotun ”nollapisteopparin”, jonka ympärille toivomme jatkossa tulevan lisää tutkimusta aiheesta. \n \nTutkimuksessa on haastateltu poliisin edustajaa sekä Lentopelastusseuralta kahta edustajaa. Haastatteluissa on saatu opinnäytetyön kannalta arvokasta tietoa niin yhteistyön mahdollisuuksista kuin myös haasteista. Mahdollisuuksien osalta on arvioitu Lentopelastusseuran kalustoa ja tehtäviä, jotka heidän toiminnalleen sopivat. \n \nTutkimuksessa on käytetty hyväksi myös laajalti muuta aineistoa, johon lukeutuu muun muassa poliisin nettisivut, Suomen Lentopelastusseuran nettisivut, Poliisihallituksen ohjeita, erilaisia lakeja sekä Suomen Lentopelastusseuran sidosryhmälehtiä. Haastatteluiden ja muun aineiston yhteisestä käytöstä olemme laatineet kattavan tietoiskun liittyen poliisin ja Lentopelastusseuran yhteistyöhön. \n \nTutkimuksessamme olemme käyttäneet pääasiassa kvalitatiivista tutkimusmenetelmää sekä teemahaastattelua. Opinnäytetyön tarkoituksena on tutkia poliisin ja Suomen Lentopelastusseuran yhteistyön nykyistä tilaa ja se on kohdennettu erityisesti poliiseille sekä poliisiopiskelijoille. Tutkimuksessa on todettu, että erityisesti tiedon ja yhteisten harjoitusten lisäämisellä voisi olla positiivisia vaikutuksia yhteistyön kehittämisen kannalta.
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 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.010 |
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".