Urheiluseurat voivat liikuttaa lapsia ja nuoria entistä monipuolisemmin ja kestävämmin
Bibliographic record
Abstract
Suomessa liikuntaseurat tavoittavat yli puolet lapsista ja nuorista, ja vain yksi kymmenestä ei ole ollut seuratoiminnassa ollenkaan. Lasten ja nuorten vähäinen liikkuminen näkyy myös seurojen toiminnassa muun muassa heikkona kestävyyskuntona tai heikkoina motorisina taitoina. Seurojen ei yksin tarvitse ratkaista liikkumisvajetta, mutta seuroilla on mahdollisuus kehittää omaa toimintaansa tukemaan liikkumisen lisäämistä ja monipuolistamista. Tämä tukee myös seurojen urheilullisia tavoitteita. Tunnistamme urheiluseurojen itsenäisen aseman osana vapaata kansalaistoimintaa sekä seurojen moninaisuuden niin lajien kuin paikallisolosuhteiden suhteen. Tässä julkaisussa esiteltävien suositusten tarkoituksena onkin herättää kriittistä pohdintaa nykyisestä seuratoiminnasta, sekä tarjota seuroille keinoja olla mukana liikkuvamman Suomen rakentamisessa. Liikunnallinen elämäntapa kestävän kasvun aikaansaajana (STYLE) tutkii kestävän kasvun edellytyksiä arkiliikunnan edistämisen keinoin. Hanke tukee liikenne- ja viestintäministeriön kävelyn ja pyöräilyn edistämisohjelman tavoitetta nostaa kävelyn ja pyöräilyn yhteistä kulkutapaosuutta 38 prosenttiin vuoteen 2030 mennessä. Tutkimusta rahoittaa strategisen tutkimuksen neuvosto, joka toimii Suomen Akatemian yhteydessä. Tutustu tarkemmin hankkeeseen: www.styletutkimus.fi.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.008 |
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".