Maahanmuuttajataustainen vuokratyöntekijä osana Tampereen Aterian työyhteisöä
Bibliographic record
Abstract
Suurten ikäluokkien jäädessä eläkkeelle työvoimapula lisääntyy. Työvoimapulaa korvaamassa on jo runsaasti ulkomaalaisia työntekijöitä ja tulevaisuudessa heidän määränsä odotetaan edelleen kasvavan. Kunta-alan ammattikeittiöissä maahanmuuttajat työskentelevät pääasiassa vuokratyöntekijöinä. Tämän opinnäytetyön tarkoituksena oli selvittää, miten Tampereen Aterian työntekijät kokevat maahanmuuttajataustaiset vuokra-työntekijät ja miten mahdollisia kieli- ja kulttuuriongelmia voidaan ratkaista. Tutkimusmenetelmänä käytettiin kvantitatiivista kyselytutkimusta. \n \nTutkimuksen tuloksissa korostui maahanmuuttajataustaisten vuokratyöntekijöiden heikko tai olematon suomen kielen taito. Kyselyyn vastanneet Tampereen Aterian työntekijät eivät ilmoittaneet oman kielitaitonsa olevan kovin hyvä. Yhteisen kielen puuttumisen koettiin vaikeuttavan merkittävästi työhön opastamista ja perehdyttämistä. Vaikka sekä opastettava että opastaja puhuisivat jonkin verran englantia, ammattisanaston hallinnassa oli puutteita. Maahanmuuttajat koettiin ahkeriksi ja motivoituneiksi työntekijöiksi. Työturvallisuusohjeiden noudattamisessa oli toivomisen varaa. Erilaisista kulttuureista johtuvia ongelmia ei tullut esiin. \n \nTutkimusten tulosten perusteella kohteena olevilla työpaikoilla tarvitaan työnantajan järjestämät ohjeet suomen kieltä osaamattomille vuokratyöntekijöille. Koska maahanmuuttajien määrä ja kulttuurien kirjo todennäköisesti vielä lisääntyvät tulevaisuudessa, ongelmien estämiseksi tarvitaan myös monikulttuurisuuskoulusta.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.085 | 0.027 |
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".