Maahanmuuton työmarkkinavaikutukset Euroopassa
Notice bibliographique
Résumé
Tämä tutkielma tutkii maahanmuuton työmarkkinavaikutuksia Euroopassa etenkin koulutetun työvoiman osalta. Teoreettiset mallit selvittävät muutoksia sekä kantaväestön että aikaisempien maahanmuuttajien palkoissa ja työllisyydessä, johon vaikuttaa investointikäyttäytyminen. Empiirikatsaus tarkastelee koulutettua maahanmuuttoa, jota Suomessa on vähän tutkittu.\n\nValtaosa maahanmuuttoa koskevasta empiirisestä tutkimuksesta tulee siihen tulokseen, että maahanmuutolla ei ole pelättyjä negatiivisia vaikutuksia kantaväestön työmarkkina- asemaan, vaan vaikutukset vaihtelevat lähes olemattomista vaikutuksista pieniin positiivisiin vaikutuksiin. Koulutettujen maahanmuuton osalta maahanmuuttajia usein alennetaan, varsinkin saapumisvaiheessa, työtehtäviin, jotka eivät vastaa heidän koulutustaan. Alkuvaiheessa he kilpailevat työmarkkinoilla lähinnä aikaisempien maahanmuuttajien kanssa.\n\nSuomeen suuntautunutta nuorten parhaassa työiässä olevien maahanmuuttoa tarkastellaan vuodelta 2012 käyttäen hyväksi Euroopan Komission Eurostat-tilastoja. OECD-maista tulleiden 25–44-vuotiaiden osuus koko muuttoliikkeestä oli 16,84 prosenttia. Oletettavasti nuorten parhaassa työiässä olevien joukossa on eniten osaavia, korkeasti koulutettuja ja Suomen työmarkkinoille soveltuvia maahanmuuttajia. OECD- maista tullutta muuttoliikettä estimoidaan OLS-regressiolla. Suomen ja ulkomaan elintasoeron kasvulla ja aikaisemmalla maahanmuutolla oli maahanmuuttoa lisäävä vaikutus. Maastamuutto lähtömaasta väheni, jos valtiolla oli paljon henkistä pääomaa (tutkimus- ja kehitystoimintaa, T&K).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,107 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».