Työvoimapula ja työperäinen maahanmuutto: Vertailuteos Suomen verrokkimaiden käytännöistä
Notice bibliographique
Résumé
Tämän opinnäytetyön tarkoituksena on vertailla työperäisen maahanmuuton käytänteitä Suomen ja sen vertailumaiksi valittujen maiden välillä. Tässä opinnäytetyössä vertailumaiksi on valittu Pohjoismaista Norja, Ruotsi sekä Tanska ja lisäksi Saksa. Työllä ei ole ulkopuolista toimeksiantajaa. Teoreettinen osuus keskittyy Suomen nykyisen väestön ikärakenteeseen ja sen vaikutukseen työmarkkinoihin. Suomen tilannetta tarkasteltaessa, on otettu huomioon erityisesti väestön ikääntyminen, syntyvyysluvut sekä nykytilanne työperäisen maahanmuuton osalta. Samalla tarkastellaan lyhyesti työperäisen maahanmuuton vaikutuksia paikalliseen väestöön. Aineistokeruumenetelminä on ollut tässä työssä käsiteltävien maiden ulkomaalaislainsäädäntö, tilastot ja maahanmuuttoviraston verkkosivujen tarjoama tieto. Lisänä lähteinä on hyödynnetty aiheeseen liittyvää kansainvälistä tutkimuskirjallisuutta sekä muuta akateemista kirjallisuutta. Opinnäytetyön lopputuloksen valmistuu vertailuteos, joka tarjoaa tiivistetyn kuvauksen työperäisestä maahanmuutosta Suomen ja tähän työhön valittujen maiden välillä. Vertailuteoksessa tarkastellaan Suomen haasteita liittyen työvoiman saatavuuteen ja samalla siinä esitellään muiden maiden esimerkkejä hyödyntäen keinoja, joilla kussakin maassa on pyritty vastaamaan työvoimapulaan työperäisellä maahanmuutolla.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,073 | 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 ».