Koulukuljetusten kustannukset Lopen kunnassa : Vaihtoehtovertailu Läyliäisten kasvatusalueella
Bibliographic record
Abstract
Opinnäytetyön aihe on peräisin Lopen kunnassa keväällä 2014 järjestetystä kuljetuskilpailutuksesta, jossa kilpailutettiin kunnan kaikki kuljetukset. Koulukuljetusten kustannukset ovat merkittävä osa kunnan kaikista kulje-tuskustannuksista. Työn toimeksiantajana oli Lopen kunta. \n \nTyön tarkoituksena oli etsiä uusia tapoja koulukuljetusten järjestämiseen, jolla saavutettaisiin työn tavoitteena ollut kuljetuskustannusten vähenemi-nen. Nykytila-analyysin ja vaihtoehtoisten järjestämistapojen vertailu koh-dennettiin Läyliäisten kasvatusalueelle. Vertailun vaihtoehdot ovat myö-hemmin sovellettavissa kaikkiin Lopen kunnan koulukuljetuksiin. \n \nOpinnäytetyön teoria ja tietotaustana käytettiin pääasiassa Lopen kunnan koulukuljetuksiin liittyviä aineistoja, Suomen kuntaliiton tutkimustuloksia, sähköpostiviestejä sekä omakohtaista tietotaitoa ja keskusteluja kunnan henkilöstön kanssa. Tutkimusmenetelmänä käytettiin vaihtoehtovertailua, joka suoritettiin yhdellä kunnan kasvatusalueista. \n \nVaihtoehtovertailun tuloksena koulukuljetusten kustannusten vähentämi-seen esitettiin ratkaisua, jossa reittisuunnittelu ulkoistetaan konsultille. Konsultti laatii tarvittaessa sisällön kilpailutuksen tarjouspyyntöön. Vertai-lun muut vaihtoehdot eivät johtaisi merkittäviin kustannussäästöihin. \n \nLopen kunta päätyi ostamaan reittisuunnittelun ja tarjouspyynnön sisällön-tuoton konsultilta. Ratkaisusta syntyviä säästöjä pystytään tarkastelemaan aikaisintaan vuoden 2014 lopulla.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.037 | 0.010 |
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".