Kylätoiminnan tila maaseututyypeittäin ja maakunnittain
Bibliographic record
Abstract
Ajantasaisen kuvan saamiseksi suomalaisesta kylätoiminnasta toteutettiin Kylätoiminnan tila 2010 -hanke, jossa tutkittiin millaista kylätoiminta on Suomen 2010-luvun alussa. Tutkimuksen aineistona toimi postikysely - kaikille Suomessa toimiville kylätoimintaa harjoittaville yhteisöille. Tässä raportissa hyödynnetään em. tutkimusta varten kerättyä laajaa postikyselyaineistoa. Raportissa tarkastellaan kylätoiminnan muotoja ja aktiivisuutta erilaisilla maaseuduilla sekä eri maakunnissa. Millaisia eroja ja painotuksia kylätoiminnassa on eri puolilla Suomea? Miten kylätoiminnan muodot poikkeavat kaupungin läheisellä maaseudulla, ydinmaaseudulla tai syrjäisellä maaseudulla? Maaseututyypeittäin tarkasteltuna kylätoiminta on aktiivisinta ja monipuolisinta ydinmaaseudulla. Kaupungin läheisellä maaseudulla kylätoiminta on myös suhteellisen aktiivista, mutta poikkeaa jonkin verran sisällöltään ydinmaaseudun kylätoiminnasta. Ydinmaaseudulla toiminnassa korostuvat perinteiset kylätoiminnan muodot, kun kaupungin läheisellä maaseudulla mm. liikenne-, kaavoitus- ja muut infrastruktuuriasiat ovat suuremmassa roolissa. Syrjäisellä tai harvaan asutulla maaseudulla kylätoiminta on juuri harvan asutuksen ja pitkien etäisyyksien vuoksi vähäisintä. Maakunnittaisessa tarkastelussa nousee muutamien maakuntien kyläyhteisöjen toiminta muiden edelle. Pohjanmaalta ja Kainuusta löytyvät aktiivisimmat ja toiminnaltaan monipuolisimmat kylätoimintaa harjoittavat yhteisöt.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 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) | 0.098 | 0.025 |
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".