Suomi nousuun – Maakuvatyö Berliinin suurlähetystön Facebook-sivuilla
Bibliographic record
Abstract
Suomen Ulkoasiainministeriö ja sen alaisuudessa toimivat Suomen edustustot tekevät maakuvatyötä Suomen vaikutusvallan, kaupallisten ja poliittisten suhteiden parantamiseksi. Maakuvatyö on yksi Suomen edustustojen perustehtävistä ja koska Suomen edustustoilla on käytössään Facebook-sivut yhtenä viestintäkanavanaan, on maakuvatyön sisällyttäminen Facebook-viestintään perusteltua.\n\nTässä tutkimustyyppisessä opinnäytetyössä tutkitaan Suomi-kuvan ja maabrändin välittymistä Suomen Berliinin suurlähetystön julkisilta Facebook-sivuilta. Työssä tarkkaillaan Facebook-sivun sisältöä ja päivityksiä relevanttiin lähdekirjallisuuteen perustuvan teoriaosuuden pohjalta, jossa käsitellään ja määritellään maakuvatyötä, maabrändiä ja onnistunutta Facebook-viestintää.\n\nTyön laadullinen tutkimus perustuu Suomen Berliinin suurlähetystön sekä Suomen Madridin ja Washington D.C.:n suurlähetystöjen julkisten Facebook-sivujen ja -päivitysten tarkkailuun ja saatuihin analysointituloksiin pohjautuvaan vertailuanalyysiin. Tutkimuksen tavoitteena on selvittää Suomi-kuvan onnistunut välittyminen Facebook-sivuilta ja vastaavasti Facebook-viestinnän tehokkuuden nykytilanne. Näiden pohjalta on tavoitteena tehdä mahdollisia kehitysehdotuksia Suomen Berliinin suurlähetystön kannalta. Tutkimus koskee ainoastaan Suomen Berliinin suurlähetystön julkisia Facebook-sivuja ja niiden sisältöä eikä käsittele muita sosiaalisen median kanavia. Opinnäytetyö kirjoitettiin ja tutkimus suoritettiin vuoden 2016 helmi–huhtikuun aikana.\n\nSaatujen tulosten perusteella Suomen Berliinin suurlähetystön Facebook-viestintä maakuvatyön näkökulmasta vastaa hyvin Suomen maabrändiä, mutta sitä voisi monipuolistaa. Ottaen huomioon viestintäkanavan, Berliinin suurlähetystön Facebook-viestintä ei ole yhtä tehokasta kuin Washington D.C.:n ja viestintä on sävyltään hyvin tiedottavaa ja heikosti kommunikoivaa. Tuloksista tehtyjen johtopäätösten pohjalta kehitettävää löytyy viestityn Suomi-kuvan monipuolisuudessa ja Facebook-viestinnän toteutuksessa, jonka on oltava tehokasta välittääkseen maabrändiä parhaalla mahdollisella tavalla. Työssä esitellään neljä kehityskohtaa: Suomi-kuvan monipuolistaminen, aktiivisuuden parantaminen, kommunikoivan viestintätavan lisääminen ja palautteeseen reagoinnin parantaminen.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.118 | 0.050 |
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".