’’Sanotaan näin, että kevät oli niinku oppimista isolla oolla’’ : Jyväskylän avoimen yliopiston työntekijöiden kokemuksia työssä oppimisesta etätyössä koronaviruspandemian aikana
Bibliographic record
Abstract
Tämän tutkimuksen tavoitteena oli lisätä ymmärrystä työssä oppimisesta etätyössä. Tavoitteen saavuttamiseksi tutkimuksessa tarkasteltiin työssä oppimisen tapoja etätyössä sekä sitä, minkälaisia rajoittavia tai tukevia tekijöitä etätyö asettaa työssä oppimiselle. Tutkimusaihe on ajankohtainen maailmalla vallitsevan koronaviruspandemian vuoksi, jonka myötä myös Suomessa on ollut voimassa laaja etätyösuositus keväästä 2020 lähtien. Tutkimus toteutettiin laadullisena tutkimuksena ja aineistonkeruumenetelmäksi valikoitui puolistrukturoitu teemahaastattelu. Aineisto kerättiin joulukuun 2020 aikana haastattelemalla kahdeksaa Jyväskylän avoimen yliopiston opetus-, tutkimus- ja muuhun henkilöstöön kuuluvaa työntekijää. Aineiston analysointiin käytettiin aineistolähtöistä sisällönanalyysia. Tulosten mukaan etätyössä opitaan yhteisten keskustelujen, kysymisen, muiden seuraamisen ja opiskelijoilta oppimisen kautta, kuin myös itsenäisesti uuden työtehtävän ja ongelmanratkaisutilanteen sekä oman toiminnan tarkastelun kautta. Etätyössä oppimista koettiin tukevan autonomia, lisääntynyt yhteydenpito, koulutusten saatavuus ja työrauha, kun taas rajoittavan epävirallisen vuorovaikutuksen vähentyminen, hiljaisen tiedon jakamisen vaikeus, kysymisen kynnys, viestinnän ongelmat sekä työn kuormitus ja yksitoikkoisuus. Tulosten perusteella etätyön nähdään haastavan erityisesti vuorovaikutusta ja viestintää etätyössä. Tarve olisikin kehittää sellaisia käytänteitä, joilla kyetään parantamaan ja tehostamaan virtuaalista vuorovaikutusta organisaatioissa.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 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 | 0.003 |
| Insufficient payload (model declined to judge) | 0.037 | 0.009 |
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".