Bibliographic record
Abstract
Tämä ammattikorkeakoulun opinnäytetyö oli kirjallisuuskatsaus hiusalan värivalmisteista. Työ käsitteli ihoa, hiuksia ja hiusvärikosmetiikan kemiaa. Opinnäytetyön taustalla ei ole empiiristä tutkimusta, vaan työ oli teoreettinen. Tavoite oli koota materiaalia, jota voi käyttää opetuksessa ja koulutustilaisuuksissa. \n \nOpinnäytetyössä käsiteltiin hiuksen rakennetta, luonnollisen väripigmentin muodostumista, erilaisia hiusvärivalmisteita ja niiden koostumusta. Tavoitteena oli syventää tietämystä erilaisista värivalmisteista, niiden toimintaperiaatteista ja kemiallisesta koostumuksesta. Värivalmisteiden teoreettisen käsittelyn lisäksi työssä esiteltiin käytännön työtehtävissä käytettäviä värivalmisteita tuoteryhmittäin. Yhtenä aiheena opinnäytetyössä oli myös hiustenvärjäyksen turvallisuus. Värivalmisteet ovat jatkuvassa valvonnassa. Suomen kosmetiikkalainsäädäntö perustuu EU:n kosmetiikkadirektiiviin. Se on korvautunut 11.7.2013 alkaen uudella EU-asetuksella. Lainsäädännön muutosten taustalla on halu parantaa turvallisuutta, johon liittyen komissio on päivittänyt joitakin rajoituksia asetusten liitteisiin. \n \nTyön tuloksena saatu tieto värivalmisteiden aiheuttamista haittavaikutuksista ei ollut yllättävää. Tuotteen käyttö on nykyisen tietämyksen mukaan turvallista, mikäli tuotetta on käytetty käyttöohjeiden mukaisesti ja on vältetty toistuvaa altistusta. Tuotteet saattavat aiheuttaa ärsytystä ja allergiaa, mutta herkistymisen taustalla voi olla muita tekijöitä, joita tässä opinnäytetyössä on myös tuotu esiin.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.071 | 0.022 |
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".