Sotkamon Chinatown ja urheiluministeri puusuksilla: Diplomatian uudet muodot Suomen ja Kiinan talviurheiluyhteistyössä median silmin
Bibliographic record
Abstract
Vuonna 2019 Suomi ja Kiina viettivät yhteistä talviurheilun teemavuotta. Hankkeen taustalla on, että Pekingissä järjestetään vuonna 2022 talviolympialaiset, joissa Kiina haluaa esitellä sekä moitteettomat puitteet kisoille että omien urheilijoidensa menestystä talvilajeissa. Koska Kiinassa ei ole talviurheilun perinteitä, Kiina on päättänyt hankkia asiantuntemusta ulkomailta suurella budjetilla. Tässä Suomi on nähnyt mahdollisuutensa päästä osingoille rahakkaaseen bisnekseen. \n \nTässä tutkielmassa perehdytään siihen, millaisia toimijoita Suomen ja Kiinan talviurheiluyhteistyössä on mukana. Lisäksi perehdytään siihen, millaisia merkityksiä talviurheiluyhteistyölle muodostuu suomalaisessa mediassa. Lähtökohtana pidetään sitä, että kyseessä on diplomaattinen toiminta uuden vuosituhannen kontekstissa, jossa toimijat ja toimintatavat ovat huomattavasti moninaisempia kuin perinteisessä diplomaattisessa toiminnassa. \n \nTutkielma on toteutettu teoriaohjautuvana medialähteiden sisällönanalyysina. Yle Uutisten, Helsingin Sanomien, MTV Uutisten, Iltalehden ja Ilta-Sanomien julkaisemien verkkouutisjuttujen perusteella tullaan siihen tulokseen, että Suomen ja Kiinan talviurheiluyhteistyössä on kyse sekä vienninedistämisestä, julkisuusdiplomatiasta että urheiludiplomatiasta. Verkostodiplomatian mallin mukaan toiminnassa on ollut mukana sekä perinteisiä diplomaattisia toimijoita kuten valtionpäämiehet että esimerkiksi kaupunkeja, yrityksiä ja urheiluseuroja. Suomelle talviurheiluyhteistyö toimii sekä diplomatian tavoitteena että välineenä: yhtäältä diplomatian avulla pyritään edistämään talviurheiluvientiä, toisaalta jo muodostunut mielikuva Suomesta talviurheilumaana parantaa Suomen mainetta ja samalla diplomaattista suhdetta Kiinaan.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.099 | 0.014 |
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".