Audiovisuaalisen alan tuotantokannustimet : kannustinjärjestelmän hyödyt ja haasteet \nSuomessa
Notice bibliographique
Résumé
Suomen tuotantokannustinjärjestelmän pilottivaihe käynnistyi tammikuussa 2017 ja päättyi vuoden 2019 lopussa. Pilottivaiheen päättymisen jälkeen maksuhyvitystä tarjotaan edelleen tuotannoille järjestelmän tuottamien hyötyjen ansiosta. \n \nTässä työssä esitellään kannustinjärjestelmää käymällä läpi eri kannustinmalleja eri puolilla maailmaa, sekä Suomessa käytössä olevan kannustimen käyttöönottoa, rahoitusehtoja ja hakuprosessia. Opinnäytetyö kysyy, mitä todettuja hyötyjä kannustinjärjestelmästä on Suomen taloudelle ja millaisia haasteita Suomella on järjestelmän suhteen. \n \nTyön menetelmänä on käytetty haastatteluja. Työtä varten on haastateltu kolmea eri henkilöä, jotka ovat toimineet työssään kannustinjärjestelmän parissa: tuotantokannustinta tarjoavan toimijan edustajaa, suomalaisen elokuvakomission edustajaa sekä suomalaista freelance-tuotantopäällikköä. Lisäksi työssä on käytetty laajasti kirjallisia lähteitä ja seurattu aiheeseen liittyvää uutisointia. \n \nOpinnäytetyössä todetaan kannustinjärjestelmän tuovan Suomelle paljon taloudellisia hyötyjä sekä kasvattavan työllisyyttä niin audiovisuaalisella, kuin myös muillakin aloilla. Järjestelmä on tuonut maahan lisää kansainvälisiä yhteistuotantoja ja kasvattanut Suomen brändiä tuotantomaana. Suomen haasteena on vastata kasvavaan kysyntään, sillä vuosittainen budjetti on pieni ja ammattitaitoista henkilöstöä ei ole riittävästi suuriin kansainvälisiin tuotantoihin. \n \nTyö kokoaa yhteen haastatteluissa sekä kirjallisissa lähteissä esiintuotuja kehitysehdotuksia, joiden avulla tuotantokannustinjärjestelmästä voitaisiin saada suurempia hyötyjä irti. Näitä kehitysehdotuksia ovat esimerkiksi budjetin koon kasvattaminen sekä alan henkilöstön koulutuksen parantaminen. Järjestelmän budjetin suurentaminen ei ole mahdotonta, sillä se rahoittaa itse itsensä tuomalla alueelle lisää tuloja tuotantokustannusten kautta. Opinnäytetyön lopputulemana on, että järjestelmän pitää olla pysyvä osa suomalaista taloutta ja siihen tulisi panostaa suuremmilla resursseilla.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,149 | 0,060 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».