Ratkaisukeskeisyys ja itsensä johtaminen asiantuntijatyössä
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli selvittää, miten ratkaisukeskeiset keinot voivat auttaa asiantuntija työtä tekevien itsensä johtamista. Opinnäytetyön tavoitteena oli tuottaa tietoa ratkaisukeskeisestä ajattelusta ja toiminnasta jonka avulla asiantuntijat voivat tehokkaammin hyödyntää itsensä johtamis-ta työssään. Itsensä johtamista tarkasteltiin resilienssin, itsetuntemuksen, tietoisuustaitojen ja itsereflektion kautta. Tämä opinnäytetyö oli laadullinen ja se tehtiin narratiivisena kirjallisuuskatsauksena. Kirjallisuuskatsauksen tulosten pohjalta selvisi että asiantuntijoilla on haas-teita nopeasti muuttuvan maailman ja työelämän kanssa. Työtä ja arkea kuormittavat eniten ajan- ja voimavarojen puute sillä vastuut ovat lisäänty-neet asiantuntijatyössä. Erityisesti työssä jaksaminen asettaa haasteita työ-hyvinvoinnille. Asiantuntijat käyttävät kuitenkin ratkaisukeskeisyyttä monin eri tavoin itsensä johtamisessa näissä haastavissa tilanteissa ja hyötyvät siitä. Tästä opinnäytetyöstä kehittyi myös huomattavasti syvempi henkilökohtai-nen oppimisprosessi kuin mitä alussa oli odotettavissa. Itsensä johtaminen asiantuntijatyössä oli paljon laajempi kokonaisuus kuin mitä aihetta valites-sa oli tietoa. Se miten voimakkaasti yksityiselämän tapahtumat ja niiden he-rättämät tunteet vaikuttavat työelämässä jaksamiseen nousi omaan tietoi-suuteen vasta tämän opinnäytetyön seurauksena. Olen kiitollinen kaikesta opista mitä tässä prosessissa sain ja haluan jatkaa samaa polkua myös eteenpäin oppiakseni lisää.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.084 | 0.029 |
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".