Venäläisten matkailijoiden palveluodotukset Lappeenrannan alueella
Bibliographic record
Abstract
Opinnäytetyön tavoitteena oli saada tietoa Lappeenrannan alueelle saapuvien venäläisten matkailijoiden palveluodotuksista. Tarkoituksena oli perehtyä Lappeenrannan alueella vierailevien ja rajan yli saapuvien venäläisten matkailijoiden mielenkiinnon kohteisiin sekä selvittää heidän odotuksiaan ja toiveitaan matkalla hyödynnettävistä vapaa-ajan palveluista. Rinnakkaistavoitteena oli myös saada tietoa siitä, saapuuko venäläinen matkailija Lappeenrannan alueelle ennakkokäsitysten mukaan ainoastaan ostosten, mökkeilyn tai kylpylänautintojen vuoksi vai tuoko tehty tutkimus esiin jotain muita alueen palveluiden kehittämisen kannalta merkittäviä seikkoja. Tutkimustietoa on tarkoitus hyödyntää tukena Lappeenrannan matkailun kehittämisessä. \n\nTutkimus suoritettiin kvantitatiivisena eli määrällisenä haastattelututkimuksena. Tutkimustieto hankittiin kaksikielisillä kyselylomakkeilla eri puolilta Lappeenrannan kaupunkia. Vastauksia saatiin 256 kappaletta. Saadun tiedon tueksi haastateltiin matkailualan ammattilaisia ja osallistuttiin venäläisten matkustamiseen liittyviin seminaareihin. \n\nTutkimuksessa kävi ilmi, että Lappeenrannan alue on suosittu lomakohde ja alueella vieraillaan pääasiassa yhden tai kahden päivän ajan. Ostosten tekeminen on merkittävin syy alueella vierailuun. Myös yhden päivän lomailija tekee lomallaan ostoksia. Venäläinen matkailija nauttii kiireettömästä aikataulusta, rentoutumisesta ja matkustamisesta aikuisessa seurassa, vaikka lasten merkitys perheessä onkin suuri.
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 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.076 | 0.026 |
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".