”Se on kivaa, koska et ole yksin” : pelilliset menetelmät apuna etsimässä laadullista tietoa lasten ja nuorten harrastustoiveista
Bibliographic record
Abstract
Harrastamisen Suomen malli on vuoden 2021 alussa käynnistynyt, opetusministeriön rahoittama toimintamalli, jossa pyritään edistämään lasten ja nuorten hyvinvointia mahdollistamalla jokaiselle lapselle ja nuorelle koulupäivän yhteyteen mieluisa ja maksuton harrastus. Harrastamisen Suomen mallissa yhdistyvät kolme tavoitetta: lasten ja nuorten kuuleminen harrastustoiveista, olemassa olevien hyvien käytäntöjen ja toimintatapojen koordinoiminen sekä koulun ja harrastustoimijoiden yhteistyö. Opinnäytetyössä keskityttiin Harrastamisen Suomen mallin tavoitteista ensimmäiseen, lasten januorten toiveiden kuulemiseen. \n \nLaadullisen kehittämistyön tavoitteena oli asiakasymmärryksen vahvistaminen. Työssä pyrittiin selvittämään, miten harrastuspalveluita suunnitellessa olisi mahdollista kuulla nuoria laadukkaammin palvelumuotoilun menetelmiä käyttämällä. Opinnäytetyössä kehitettiin pelillisiä menetelmiä ja pelimekaniikkoja hyödyntävää työpajakonseptia, jossa lapsilta ja nuorilta selvitettiin harrastustoiveiden lisäksi syitä harrastaa. Työpajamallin kehittäminen perustui lapsikeskeiseen palvelumuotoiluun ja työssä huomioitiin ikätasoisen lähestymisen vaatimukset. Aineistonkeruussa hyödynnettiin työpajojen lisäksi teemahaastatteluita ja yhteiskehittämiseen ja pelillisiin menetelmiin painottuvaa tietoperustaa. \n \nTavoitteena oli kehittää monistettavissa oleva kuulemisen konsepti, joka tuottaisi harrastustoiveiden lisäksi laadullista tietoa lasten ja nuorten harrastuksille asettamista odotuksista. Opinnäytetyön tuloksena syntyi pelillistetty työpajakonsepti, jonka kehittäminen jatkuu. Prosessi syvensi asiakasymmärrystä ja palvelumuotoilun menetelmät tuottivat ideoita harrastuspalveluiden kehittämiseksi.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.068 | 0.034 |
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".