Sapere-Makukoulun tuominen käytäntöön Espoon ryhmäperhepäiväkoteihin
Bibliographic record
Abstract
Espoon kaupungissa toteutettiin Sapere-Makukoulua kuuteen ryhmäperhepäiväkotiin pilottikokeiluna syksyllä 2009. Opinnäytetyön tarkoituksena oli selvittää, miten syksyn 2009 pilottikokeilu sujui Espoon kuudessa ryhmäperhepäiväkodissa ja onko Sapere-Makukoulun avulla saatu aikaan positiivisia tuloksia lasten ruokailutottumuksissa. Opinnäytetyö toteutettiin Espoon kaupungille. Sapere-Makukouluissa yhteistyötä tekivät Laurea-ammattikorkeakoulun lisäksi myös terveystoimi, varhaiskasvatus ja Espoo Catering. \n \nKeskeinen tutkimuskysymys oli, mitä ryhmäperhepäiväkodit tarvitsevat avukseen, jotta voisivat itsenäisesti jatkaa Makukoulujen toteuttamista tulevaisuudessa. Opinnäytetyön teoreettinen viitekehys muodostuu Sapere-Makukoulun teoriasta ja historiasta sekä aisteista ravitsemuskasvatuksessa. Lisäksi viitekehyksessä perehdytään lasten ravitsemuskasvatukseen, lasten ravinnontarpeeseen, syömispulmiin ja niiden ratkaisemiseen. \n \nOpinnäytetyö on survey-tutkimus, jonka tutkimusmetodina käytettiin teemahaastattelua. Teemahaastattelu toteutettiin seitsemälle ryhmäperhepäiväkodin hoitajalle. Kysymykset lähetettiin haastateltaville jo etukäteen, jotta he pystyivät kysymään mielipiteitä myös lapsilta. Tutkimuksen tuloksista selvisi, että jo lyhyellä aikavälillä on saatu muutoksia aikaan lasten ruokailussa. Pidemmällä aikavälillä Sapere-Makukoulun koettiin tuovan jo näkyviä tuloksia. \n \nTeemahaastattelun tulosten mukaan ryhmäperhepäiväkodit kokevat tarvitsevansa avukseen lisää ideoita Makuhetkiin sekä toimintaoppaan, joka auttaisi heitä pääsemään eteenpäin Sapere-Makukoulun toteuttamisessa. Haastattelujen tulosten perusteella syntyi tuotos joka on nimeltään Ideoita Makuhetkien toteuttamiseen. Opas on tehty Espoon ryhmäperhepäiväkotien Sapere-Makukoulujen toteuttamisen avuksi. Lisäksi oppaaseen on koottu kaikki Espoon ryhmäperhepäiväkotien suosikki Makuhetket sekä useita muita hauskoja Makuhetkiä. Opas soveltuu hyvin niille, jotka vasta suunnittelevat Makukoulujen aloittamista, toteuttavat niitä tai tarvitsevat vain lisää ideoita Makukouluun. Opas löytyy liitteestä 3. Lasten terveys on tärkeä asia ja Makukoulu auttaa sisällyttämään terveelliset elämäntavat leikkimielisesti lasten mieleen.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.089 | 0.019 |
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".