Bibliographic record
Abstract
Tutkimuksen tavoitteena on osallistua sotilaskoulutuksen käytäntöjen kehittämiseen selkeyttämällä tiedon ja taidon käsitteellistä suhdetta. Tutkimuksen näkökulmasta yksilön osaaminen muodostuu tiedon, taidon ja asenteen kokonaisuutena. Tämän kokonaisuuden sisällä tutkimus keskittyy erityisesti tiedon ja taidon suhteeseen. Tutkimukseni pyrkiikin vastaamaan kysymykseen: miten tiedon ja taidon yhteys tulee ilmi sotilaskoulutuksessa? Tiedon ja taidon, kuten opetuksen ja kasvatuksen, erottaminen toisistaan on kulttuurillemme luonteva, mutta yksioikoinen ajattelutapa. Se tulee ilmi niin käsitteellis-teoreettisena erona kuin koulutusjärjestelmän kautta. Samalla tapaa kuin tieto ja taito esiintyvät maailmassa aina yhdessä, on kasvatuksessakin aina kyse myös tiedoista ja taidoista. Lähestyn tutkimusongelmaa teoreettis-käsitteellisenä tutkimuksena. Tämä filosofinen näkökulma tutkimustehtävään kiinnittää huomion pyrkimykseen selkeyttää tiedon käsitettä ja tarkastella sen yhteyttä taitoon ja taidon käsitteeseen. Tiedon asema sotilaskoulutuksen käytännöissä on moniulotteinen. Sotilaskoulutuksen ulkoinen olemus erottelee vahvasti teorian ja käytännön. Molemmille niille on osoitettu oma paikkansa – teoria kuuluu koulun penkille ja käytännön soveltaminen sotilaallisiin harjoituksiin. Kahtiajako on ongelmallinen. Ajattelutapa, joka erottelee teorian ja käytännön, luo merkittävän haasteen juuri sotilastoiminnan kaltaiselle soveltavalle taitamiselle. Yksi sotilaskoulutuksen perimmäisistä tavoitteista on valmistaa yksilöä kohtaamaan jotain, mitä hän ei ole kyennyt ennalta arvioimaan. Tämä odottamaton ympäristö edellyttää tietojen taitavaa soveltamista – siihen ei ole ennalta määritettyä ratkaisua.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.089 | 0.045 |
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".