Supporting of well-being in the ICT-sector companies and a concept for an application supporting holistic well-being
Bibliographic record
Abstract
Tässä työssä tutkittiin hyvinvoinnin ja työhyvinvoinnin teoriaa, sekä yhdistettiin näitä kokonaisvaltaisen hyvinvoinnin määritelmäksi. Hyvinvointi ja työhyvinvointi koostuvat monesta eri tekijästä. Kokonaisuutena henkilön hyvinvointiin voi vaikuttaa pienemmillä ja suuremmilla teoilla ja tavoilla. Hyvinvoinnin teoriasta ja tutkimuksista käy ilmi, että hyvinvointiin vaikuttaa mm. terveys, sosiaalisuus, koulutus, työ, tulot, ympäristö, henkilökohtaiset toiminnot, motivaatio, onnellisuus, tyytyväisyys ja moni muu asia. Työhyvinvoinnin ja hyvinvoinnin erottamisen sijaan tekijä puhuu kokonaisvaltaisesta hyvinvoinnista, jossa kaikkien osien olisi hyvä olla jollain tavalla tasapainossa, jotta ihminen kokonaisuutena voi hyvin. Mikäli ihminen voi hyvin huonosti jollain elämänsä osa-alueella, ei hän voi kokonaisvaltaisesti hyvin. ICT-alan yritykset Suomessa tukevat työntekijöiden hyvinvointia monella tapaa ja sisällyttävät hyvinvoinnin tukemiseen liikunnan tukemisen lisäksi myös lounassetelit, kehityskeskustelut, työajanseurannan, työterveyshuollon, yhteiset kahvihetket ja monta muuta asiaa. Yritykset ovat siis tietoisia kokonaisvaltaisesta hyvinvoinnista, koska näkevät hyvinvoinnin tukemisen moniulotteisena asiana. Yhtä moniulotteista sovellusta yrityksillä ei ole käytössä, joten tässä työssä kehitetylle kokonaisvaltaista hyvinvointia tukevan sovelluksen konseptille olisi varmasti kysyntää niin ICT-alan yrityksissä, kuin muidenkin alojen yrityksissä. Tässä työssä kehitetyn konseptin, kokonaisvaltaisen hyvinvoinnin tukemisen sovellukselle pääsisältö on selvittää käyttäjän tuntemusta itsestään ja ohjata käyttäjää pienillä ja suuremmilla tehtävillä kohti itsetuntemusta ja kokonaisvaltaisempaa hyvinvointia. Käyttäjä voi myös itse valita osa-alueen, josta haluaa tehtäviä tehdä. Käyttäjää ohjataan myös miettimään aamuisin, mitä haluaa päivän aikana saada tehtyä. Kun käyttäjä saa merkittyä tehtäviä tehdyksi, hän saattaa tuntea edistyneensä. Edistymisen tunne tuo motivaatiota ja hyvää mieltä tehdyistä tehtävistä.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".