Sukupuolten välisen palkkatasa-arvon oikeudellinen sääntely Suomessa
Notice bibliographique
Résumé
Tämän opinnäytetyön tarkoituksena oli tarkastella sukupuolten välisen palkkatasa-arvon oikeudellisen sääntelyn kehitystä Suomessa. Opinnäytetyön tavoitteena oli havainnollistaa Suomen lainsäädännön historiallista kehityskulkua palkkatasa-arvon edistämiseksi sekä myös tuoda esille vielä mahdollisesti olemassa olevia kehityskohteita lainsäädännössä palkkatasa- arvon toteuttamiseksi. Suomen lainsäädännön lisäksi tässä opinnäytetyössä tarkasteltiin myös EU-oikeuden ja kansainvälisten sopimusten merkitystä palkkatasa-arvon kehitykselle. \n \nSamapalkkaisuus on sekä perus- ja ihmisoikeus, että yksi keskeisimmistä tasa- arvokysymyksistä työelämässä. Sukupuolten välisen tasa-arvon edistämisen eteen on Suomessa tehty monia lainsäädännön uudistuksia viimeisten vuosikymmenten aikana. Näiden uudistusten tarkoituksena on ollut parantaa naisten asemaa erityisesti työelämässä. Lainsäädännön uudistuksista huolimatta sukupuolten välinen palkkatasa-arvo kaventuu Suomessa hitaasti. Naisen euro oli Suomessa Tilastokeskuksen ansiotasoindeksillä mitattuna noin 84,7 senttiä vuonna 2023, vaikka korkea-asteen suorittaneista yli puolet olivat naisia vuonna 2022. \n \nOpinnäytetyössä oli hyödynnetty pääosin lainoppia tutkimusmenetelmänä, mutta koska opinnäytetyössä tutkittiin myös palkkatasa-arvon oikeudellisen sääntelyn kehittymistä ja kehityksen taustalla olevia rakenteita, tutkimusmenetelmä oli osin oikeushistoriallinen ja oikeussosiologinen. Työssä oli käytetty aineistona voimassa olevaa lainsäädäntöä, hallituksen esityksiä, oikeuskäytäntöä, kansainvälisiä sopimuksia ja aiheeseen liittyvää oikeuskirjallisuutta. \n \nTyön lopuksi oli tuotu esille sukupuolten palkkaeron poistamiseen liittyneitä haasteita, kuten palkkasyrjinnän tunnistamisen vaikeus, perhevapaiden epätasainen jakautuminen ja työmarkkinasegregaatio, sekä pohdittu mahdollisia ratkaisukeinoja niihin. Yksiselitteistä ratkaisua sukupuolten palkkaeron poistamiseksi ei ole esitettävissä, mutta EU:n palkka- avoimuusdirektiivin tuomien lainsäädännöllisten muutosten myötä, sukupuoleen perustuvaa palkkasyrjintää voidaan tunnistaa ja siihen puuttua aikaisempaa matalammalla kynnyksellä, mikä on todennäköisesti merkittävä askel myös palkkaeron kaventamiseksi.
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 | 0,002 | 0,002 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,025 |
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 ».