Suomen Uimaliiton sähköisen Pisara-osaamiskeskuspalvelun kehittämissuunnitelma 2014-2015
Bibliographic record
Abstract
Tämän opinnäytetyön tavoitteena oli yhteistyössä Suomen Uimaliiton asiantuntijoiden kanssa laatia sähköisen Pisara-osaamiskeskuspalvelun kehittämissuunnitelma vuosille 2014–2015. Tavoitteena oli sisällyttää suunnitelmaan konkreettisia kehittämiskohteita ja toimenpiteitä kehittämistyön toteuttamiselle. Pisara-osaamiskeskus on internetpohjainen palvelu, joka tukee päivittäistä uintivalmennusta esimerkiksi mahdollistamalla valmentajan ja urheilijan välisen kommunikoinnin. Palvelu on tarkoitettu valmennuksen apuvälineeksi ja suomalaisen uintiurheiluvalmennuksen kehittämiseksi. Valmentajan on mahdollista käyttää Pisara-palvelua valmennuksen suunnittelussa, toteutuksessa ja arvioinnissa. \n\t\t\t\t\t\t \nSuomen Uimaliiton sähköisen Pisara-osaamiskeskuspalvelun kehittämisprojekti käynnistyi keväällä 2014. Ensimmäisenä toimenpiteenä teetettiin yhteistyössä Suomen Uimaliiton kanssa palautekysely, jossa kartoitettiin palvelun käyttöastetta, käyttötiheyttä ja käyttötarkoitusta sekä vastaajien mielipiteitä palvelun kehittämiskohteista. Palautekyselyn lisäksi keväällä ja syksyllä 2014 pidettiin neljä kehittämiskokousta, joiden pääasiallinen tavoite oli konkreettisten kehittämiskohteiden määrittäminen ja ratkaisujen löytäminen kehittämistyön toteuttamiseksi. \n\t\t \nKehittämissuunnitelma pitää sisällään kehittämistyön tavoitteet, palvelun kehittämiskohteet sekä toimenpiteet kehittämistyön toteuttamiselle. Lisäksi suunnitelma pitää sisällään kehittämistyön aikataulun sekä kehittämistyön vastuualueet. Palvelun pääkehittämiskohteiksi muotoutui projektin aikana tietoisuuden lisääminen palvelusta, sisältöjen monipuolistaminen sekä käyttöominaisuuksien parantaminen. Kehittämissuunnitelman arvioinnista vastasivat Suomen Uimaliiton koulutusvastaava Outi Kokko-Ropponen sekä Kansainvälisen Jääkiekon kehityskeskuksen kehityspäällikkö Antti Laaksonen.\t \n\t \nTämän opinnäytetyön tuotoksena syntynyt Pisara-osaamiskeskuspalvelun kehittämissuunnitelma käynnistää pitkäjänteisen kehittämistyön. Pitkäjänteisen kehittämistyön tavoitteina ovat käyttäjämäärän lisääminen sekä palvelun ominaisuuksien parantaminen. Tämän opinnäytetyön tuotoksena syntyneen kehittämissuunnitelman toimenpiteiden valmistuttua kehittämistyö jatkuu uusien tavoitteiden ja kehittämiskohteiden puitteissa. Kehittämistyön aikataulutus sekä selkeä vastuunjako helpottavat kehittämistyön toteuttamista myös tulevaisuudessa.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.138 | 0.038 |
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".