Seuran kehittämissuunnitelma : case: Keravan Luistinseura ry
Bibliographic record
Abstract
Suomessa on tällä hetkellä noin 130 000 yhdistystä, joista urheiluseurojen osuus on lähes 20 000. Suomen Taitoluisteluliiton (STLL) alaisuudessa toimii tällä hetkellä 99 taitoluisteluseuraa. Suomen hyvä menestys taitoluistelussa sekä muodostelmaluistelussa on tuonut lajin pariin uusia innokkaita harrastajia. Lajin suosio kasvaa tasaista vauhtia ja seurojen välinen kilpailu harrastajista on suurta. Vapaaehtoistoimintaan perustuvan yhdistyksen johtaminen tuo omat haasteensa alalle. Vaikka yhdistysten tarkoituksena ei ole tuottaa tulosta, on kuitenkin otettava huomioon talouden vakaus, jossa suunnittelu sekä ennakointi nousevat suureen rooliin. \n \nTämän toiminnallisen opinnäytetyön tarkoituksena on vahvistaa jo olemassa olevan yhdistyksen toimintasuunnitelmaa sekä tuoda siihen uusia ulottuvuuksia. Opinnäytetyö sisältää kaksi osaa, joista ensimmäisessä osassa paneudutaan yhdistyksen perustamiseen sekä hallinnointiin liittyviin perusasioihin ja toisessa osiossa paneudumme case yhdistykseemme Keravan Luistinseura ry:hyn. Yritämme sekä teorian että käytännön avulla luoda uutta mallia yhdistyksen johtamiseen ja hallinnointiin. Uuden teorian luominen ei ole tämän opinnäytetyön periaatteena, vaan hyödynnämme jo käytössä olevaa tietoa. \n \nYhdistyksille ei ole olemassa valmista liiketoimintasuunnitelman tai seuran kehittämissuunnitelman mallipohjaa, joten sovellamme olemassa olevia yrityksille suunnattuja liiketoimintasuunnitelmamalleja. Olemme myös jättäneet pois kohtia, jotka eivät suoranaisesti sovellu yhdistystoiminnan arviointiin tai kehittämiseen. \n \nKeravan Luistinseura ry on perustettu vuonna 1999 ja sen toiminta-alueena on Keskinen Uusimaa. Seurassa on tällä hetkellä luistelijoita 130 ja kahden päätoimisen valmentajan lisäksi seurassa työskentelee useita tuntivalmentajia. Seurassa voi harrastaa niin taito- kuin muodostelmaluistelua kilpa- tai harrastesarjoissa. Saimme seuralta toimeksiannon koskien yhdistyksen hallitustoimintaa. Tarkoituksenamme on selkeyttää organisaation toimintaa ja antaa ehdotelmia johtamiskäytänteisiin, jotta työskentelytavat tehostuisivat sekä loisivat yhdenmukaista linjaa pidemmälle aikavälille.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".