Bibliographic record
Abstract
Diplomová práce "Chráněné bydlení pro osoby s fyzickým postižením" se věnuje aspektům, které zasahují do vzniku a úspěšného poskytování této služby. Jedná se o aktuální otázku, která je v souladu s cíli probíhajícího procesu transformace sociálních služeb, který směřuje k individualizaci sociální péče a přechodu ke komunitnímu typu pobytových služeb s důrazem na sociální začlenění uživatelů, což by služba chráněného bydlení měla pomoci naplnit. Prvotním záměrem práce bylo prozkoumat využití, případně absenci, metodických materiálů ve vztahu k chráněnému bydlení a na základě těchto zjištění navrhnout jejich úpravy či doplnění. Dále nahlédnout do důvodů, které způsobují nedostatek chráněného bydlení pro osoby s fyzickým postižením oproti možnostem pro osoby s postižením mentálním. Data byla sbírána prostřednictvím hloubkových rozhovorů s poskytovateli chráněného bydlení (či jejich zástupci) a analyzována dle principů kvalitativního výzkumu pomocí otevřeného, axiálního a selektivního kódování. V průběhu sběru a analýzy dat vyplynulo, že poskytovatelé metodické materiály příliš nevyužívají a neudávali tedy jejich výrazný dopad na praxi. Naopak poskytovatelé zmiňovali jiné aspekty, které poskytování chráněného bydlení pozitivně ovlivňují. Kromě zodpovězení výzkumných otázek, které se týkají výše...
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 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".