Suomen matkailullinen maabrändi italialaisissa matkablogeissa: visuaalisen aineiston analyysi maabrändi-identiteetin ja maabrändi-imagon kohtaavuudesta
Bibliographic record
Abstract
Visit Finland on asiantuntijaorganisaatio, joka on vastuussa Suomen matkailullisen maabrändin kehittämisestä ja markkinointiviestinnällisistä toimenpiteistä. Tavoitteena on erottua kilpailijoista ja tehdä Suomea tunnetummaksi matkailumaana. Matkailijoina tässä tutkimuksessa toimivat italialaiset matkabloggaajat. He tuottavat sosiaaliseen mediaan sisältöä, ja toimivat itse matkakohteen markkinoijana eli kanssatuottajana. Tutkielman teoreettinen viitekehys muodostuu maabrändin, asiakaslähtöisen brändipääoman ja markkinointiviestintää koskevan teoreettisen keskustelun pohjalta. Tutkimuksen tarkoitus on selvittää kuinka Visit Finlandin markkinoima brändi-identiteetti ja italialaisten matkabloggaajien kokema brändi-imago kohtaavat. Tutkielmani päätutkimuskysymys kuuluu: kuinka italialaisten matkailijoiden mielikuvat Suomesta vastaavat Suomen matkailullista maabrändiä? Ensimmäinen osakysymys on: kuinka Suomen matkailullinen maabrändi esitellään Visit Finlandin markkinointiviestinnässä? Toinen osakysymys on: kuinka Suomi esitellään italialaisissa matkablogeissa? Tutkimuksen aineisto kerättiin Visit Finlandin verkkosivustolta ja italialaisten matkabloggaajien blogisivustoilta. Tutkittavia blogeja oli yhteensä neljä. Mediaesitykset analysoitiin visuaalisen aineiston analyysillä, jossa hyödynnettiin vastaanottajakeskeistä kuva-analyysiä ja teemoittelua. Tutkimustulokset osoittavat, että Visit Finlandin markkinoima brändi-identiteetti, ja italialaisten matkailijoiden kokema brändi-imago kohtaavat suhteellisen hyvin, joka tarkoittaa, että maabrändäys on onnistunutta. Suomi esiteltiin blogeissa erittäin positiivisessa valossa – luontoa kunnioittavana, kylmänä, hiljaisena, lapsiystävällisenä ja toimivana maana.
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 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.046 | 0.008 |
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".