Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli kehittää Suomen Talousverkolle palkanlaskijan perehdyttämisopas. Suomen Talousverkko on tilitoimistoketju, jolla on \nuseita toimistoja ympäri Suomea. Suomen Talousverkko tarjoaa monipuolisesti erilaisia taloushallinnon palveluja. \nKyseessä oli produktiivinen opinnäytetyö eli toiminnallinen kehittämistyö, jossa \nselvitettiin, mitä ovat palkanlaskijan työtehtävät, millainen on Suomen Talousverkon palkanlaskennan prosessi ja millainen on hyvä palkanlaskijan perehdyttämisopas. Opinnäytetyön teoreettinen viitekehys koostuu opinnäytetyön \naiheeseen keskeisesti liittyvistä käsitteistä ja niihin liittyvästä teoriasta. Kirjallisuuskatsauksessa tutustuttiin perehdyttämiseen ja sen merkitykseen sekä palkanlaskijan työtehtäviin. \nKehittämistyössä käytettiin laadullisen tutkimuksen menetelmiä, havainnointia \nja sähköpostihaastattelua. Perehdyttämisopasta suunniteltaessa otettiin huomioon yrityksessä työskentelevien palkanlaskijoiden mielipiteitä ja ajatuksia \nsiitä, millainen olisi hyvä perehdyttämisopas ja mitä sen suunnittelussa tulisi \nottaa huomioon. Haastattelukysymykset lähetettiin kaikille yrityksessä työskenteleville palkanlaskijoille. \nPalkanlaskijan perehdyttämisopas on tarpeellinen ja hyödyllinen työkalu sekä \nuusille että jo kokeneemmille palkanlaskijoille. Opas on sähköisessä muodossa, jotta sitä voi tarvittaessa päivittää ja muokata. Hyvä perehdyttäminen \nparantaa työn laatua sekä tukee työntekijöitä onnistumaan työssään.
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 | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.097 | 0.037 |
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".