Ihmiskaupan torjuntasuunnitelmat Sloveniassa ja Suomessa
Notice bibliographique
Résumé
Opinnäytetyön tarkoituksena oli vertailla Suomen ja Slovenian ihmiskaupan torjuntasuunnitelmia ja ennalta estäviä toimia. Tarkoituksena oli tuoda esille maiden eroavaisuuksia ja yhteneväisyyksiä ihmiskaupan torjunnassa. Sisältö on hyödyllinen Suomelle ja Slovenialle, mutta myös kaikille, jotka voivat työssään kohdata ihmiskaupan uhrin. Sisältö auttaa ymmärtämään, mitä toimia tehdään jo ihmiskaupan torjumiseksi, missä on haasteita, ja mitä kehitettävää Suomella ja Slovenialla on: Mitä maat voivat oppia toisiltaan. Opinnäytetyössäni vertailin viranomaislähteitä ja tutkittuja tutkimuksia. Sain hyvän kattavan kuvan, sekä Slovenian että Suomen ihmiskaupan torjunnasta ja ennalta estävistä toimista. Maiden väliltä löytyi paljon yhtäläisyyksiä, mutta myös eroavaisuuksia. Yhtäläisyyksiä ilmeni esimerkiksi koulutuksen, uhrien tunnistamisen, uhrien työllistymisen ja yhteiskuntaan sopeutumisen suhteen sekä kuinka neuvontaa mahdollisille uhreille jaetaan. Suurimpana eroavaisuutena selvisi, että Slovenian toiminta-suunnitelmassa on oma painoarvonsa ennalta estävälle työlle. Sloveniassa ei ole erillistä yhtenäistä tutkintaryhmää ihmiskaupparikoksia varten kuten Suomessa, vaan Slovenian koulutetut tutkijat ovat sijoitettuna kahdeksalla eri poliisilaitoksella. Johtopäätöksenä voidaan todeta, että Suomi voi ottaa mallia Slovenian ennalta estävistä valistus- ja tiedotuskampanjoista sekä nuorille ja nuorten kanssa työskenteleville järjestetyistä työpajoista. Slovenia voi oppia Suomelta työperäisen hyväksikäytön ilmitulosta; kuinka tunnistaa työperäiset ihmis-kaupan uhrit, tutkia ja syyttää niitä ihmiskauppana, eikä työlain rikkomuksina. Rajasin aiheeni keskittymään ennalta estäviin toimiin, ja tämän vuoksi jouduin rajaamaan mielenkiintoisia lisäaiheita pois. Jatkotutkimuksissa voisi esimerkiksi verrata Suomen ja Slovenian ihmiskaupan uhrien auttamisjärjestöjen toimintaa.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,104 | 0,032 |
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 ».