Henkilöstön suoritusarvioinnit turvallisuusorganisaatioissa
Bibliographic record
Abstract
2000-luvulla valtionhallinnossa aloitettiin siirtyminen uusiin palkkausjärjestelmiin. Osana uusia järjestelmiä on henkilöstön suoritusarvioinnit, joissa henkilöstön suoriutumista arvioidaan ja jonka perusteella maksetaan osa palkkauksesta. Puolustusvoimat, rajavartiolaitos ja poliisi käyttävät myös henkilöstön suoritusarviointeja ja viime vuosina on noussut esille, että ovatko käytetyt mittaristot toimivia. Tässä tutkimuksessa selvitetään puolustusvoimien, rajavartiolaitoksen ja poliisin käyttämien henkilöstön suoritusarviointimittaristojen perusteita ja niiden keskinäisiä suhteita. Päätutkimusongelmana on selvittää, että mihin perustuvat turvallisuusorganisaatioiden käyttämät henkilöstön suoritusarviointimittaristot. Tähän pääkysymykseen vastataan neljällä alakysymyksellä 1) Mitä on henkilöstön suorituskyky 2) Miten henkilöstön suorituskykyä voidaan mitata 3) Minkälaisia henkilöstön suoritusarviointimittaristoja Suomen turvallisuusviranomaisilla on käytössä ja 4) Miten Suomen turvallisuusviranomaisten henkilöstön suoritusarviointimittaristot poikkeavat toisistaan. Aineistonkeruumenetelmä on aineistotriangulaatio, jossa aineistoa kerätään eri lähteistä eri tavoilla. Aineisto on koostunut tieteellisistä artikkeleista, tutkimuksista, kirjoista, lehtiartikkeleista ja virallisista asiakirjoista. Tutkimuksen alkuosa on luonteeltaan käsite-analyyttinen, jossa eri lähteistä kerätty informaatiota tarkastellaan rajoitetussa ympäristössä valittuun teoriapohjaan pohjautuen. Tutkimuksen loppuosassa tarkastellaan puolustusvoimien, rajavartiolaitoksen ja poliisin henkilöstön suoritusarviointimittaristoja ja verrataan niiden suhtautumista teoriaan ja toisiinsa. Henkilöstön suoritusarviointimittaristojen käyttö perustuu mittaamisen ja johtamisen perusajatukseen, jossa oikein valitulla mittaristolla voidaan ohjata henkilöstön suorituskykyä orga-nisaation kannalta suotuisaan suuntaan. Mittaristot perustuvat tasapainotetun mittaamisen pe-riaatteelle, johon on pyritty lisäämään älyllisen pääoman vaikutteita. Kaikilla tutkituilla mit-taristoilla oli olemassa linkki tieteenalan teoriapohjaan. Mittaristot eivät poikenneet toisistaan rakenteellisesti paljoakaan, ohjeistuksen yksityiskohtaisuudessa oli poikkeavaisuutta. Poliisin suoritusarviointimittaristossa oli luotu oma mittaristo ylimmälle johdolle, kun puolustusvoi-milla ja rajavartiolaitoksella oli koko henkilöstölle käytössä vain yksi mittaristo. Puolustus-voimat eivät arvioi esimiesten johtamiskäyttäytymistä suoritusarvioinnin osana, kun taas poliisi ja rajavartiolaitos arvioivat johtamiskäyttäytymistä esimiehiltä.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.071 | 0.015 |
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".