ICT-alan kilpailukyky ja verotus : Case: Suomen työvoimakustannukset ja yhteisövero
Notice bibliographique
Résumé
Globaalin vapaakaupan kasvu on tarkoittanut varsinkin pienten valtioiden tuotannon erikoistumista. Kiristyvässä kilpailussa pärjätäksemme on tällä vuosikymmenellä tiedotusvälineissä ja akateemisessa keskustelussa paljon puhuttu Suomen kilpailukyvystä ja sen ongelmista. Varsinkin kansainvälisesti hyvinkin kilpailulla ICT-alalla on Suomessa koettu viimeisten vuosikymmenten aikana voimakasta turbulenssia. Tämän tutkimuksen tavoitteena on selittää, mitkä asiat vaikuttavat ICT-alan kustannus- ja verokilpailukykyyn. Tutkimuksen aineistona olen käyttänyt Tilastokeskuksen ja Euroopan komission julkaisemia avoimen datan tietokantoja, joita olen tutkinut tilastoanalyysin keinoin, kuitenkin kirjallisuuslähteisiin tukeutuen. Suomessa ICT-alan palkat ovat nousseet äärimaltillisesti vuosien 2012-2017 välillä ja vuoteen 2020 asti palkkojen kehityksen määrää maltilliseksi sovittu palkkasopimus. Nämä toimet ovat uskoakseni parantaneet Suomen kustannuskilpailukykyä myös ICT-alalla verrattuna kilpailijamaihin. Alan kasvanut henkilöstömäärä erikoisasiantuntijoissa viittaisi työvoimakustannusten olevan ICT-alan korkeakoulutetuilla kilpailukykyiset. Sukupuolten väliset palkkaerotkin näyttäisivät ICT-alalla olevan tutkimukseni mukaan hyvin pienet verrattaessa muihin aloihin. ICT-alan yritysten kansainväliseen kilpailukykyyn vaikuttaa myös valtioiden välisen verokilpailun kiristyminen. Tässä Suomi sijoittuu yhteisöverokantaa EU:n sisällä verrattaessa alempaan keskikastiin. ICT-alan kannalta keskeisistä kilpailijamaista vain Irlannissa ja Puolassa on Suomea alhaisempi verotus. ICT-alan kilpailukyky ja työtilanne on parantanut huomattavasti viimevuosina varsinkin erikoisasiantuntijoiden osalta, mutta asiantuntijatason töissä suuntaus on ollut laskeva. Jatkossa Suomen ICT-alan työmarkkinaneuvotteluissa tulisi tarkkaan keskittyä kilpailukyvyn ylläpitämiseen kustannuskilpailukyvyn osalta. Alan toimijoiden yhteiskunnallista vaikuttamista tulee edistää kilpailukykyisen verotuksen ylläpitämiseksi, koulutuspaikkojen lisäämiseksi, yrityksien kansainvälistymisen edistämiseksi ja sääntelyn vähentämiseksi.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».