Uutistyötä aamunkoitteessa : uutistyö Huomenta Suomen ulkoistamisen jälkeen
Bibliographic record
Abstract
Opinnäytteen tarkoituksena on eritellä muutoksia, joita Huomenta Suomen uutistyössä ja -elementeissä on tapahtunut vuoden 2014 ulkoistamisen jälkeen. Arkiaamuisin MTV3-kanavalla nähdyn Huomenta Suomi -ajankohtaisohjelman tuotanto ulkoistettiin MTV:ltä Nouhau Productions -tuotantoyhtiölle vuonna 2013. Uudistettu ohjelma alkoi 27.1.2014. \nTutkimuskysymykseni on, miten käytännön uutistyö on muuttunut Huomenta Suomessa ulkoistamisen jälkeen ja miten se on mahdollisesti näkynyt uutisten rakenteissa ja sisällöissä. \nOpinnäytetyön tekijä on työskennellyt sekä MTV:n että Nouhau Productionsin tuottaman ohjelman uutiskoneistoissa. Osa opinnäytteessä olevista tiedoista siis perustuu tekijän tietoihin. \nOpinnäytetyö esittelee lyhyesti Huomenta Suomi -ajankohtaisohjelman ja erittelee ohjelman uudistuksen jälkeiset keskeiset muutokset käytännön uutistyöprosesseissa työn alkupuolella. \nTutkimusmenetelmä on pääosin laadullinen, kvalitatiivinen menetelmä. Aineistoa on kerätty valmiista aineistosta, eli tässä tapauksessa Huomenta Suomi -ajankohtaisohjelman tallenteista ja muistiinpanoista. Aineiston otanta on harkinnanvarainen, eli vertailuun on valittu rajattu määrä lähetyksiä rajattuna aikana. Aineistoa on analysoitu sisällönanalyysin keinoin sekä kvalitatiivisesti että kvantitatiivisesti. \nSisällönanalyysissa eritellään uutislähetysten erilaisten elementtien käyttöä, lähetyksiin valittuja aiheita sekä niissä tapahtuneita muutoksia vertailujaksoilla. Vertailujaksot ovat kello 6.30 ja 8.00 uutislähetykset helmikuun ja syyskuun ensimmäisinä täysinä kahtena viikkona vuosina 2013 ja 2014. \nKeskeisimmät huomiot ovat, että suorien osuuksien, sähkeiden ja lyhyiden kommenttien määrät näyttävät kasvaneen ulkoistamisen jälkeen. Tulkinta on, että muutokset työtavoissa, tavoitteissa ja Huomenta Suomen uutisorganisaatiossa ovat johtaneet muutokseen.
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 | 0.004 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.100 | 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".