Ulkomaalaisrikkomukset vuonna 2015 : erityistarkastelussa maahantulokiellon rikkominen
Notice bibliographique
Résumé
Tämä opinnäytetyö on tehty tilaustyönä Poliisihallitukselle. Poliisihallitus pyysi tarkastelemaan ulkomaalaisrikkomuksia Suomessa vuonna 2015. Tutkimus kohdistuu ainoastaan poliisin paljastamiin ulkomaalaisrikkomuksiin. \n \nPoliisihallitusta kiinnosti ulkomaalaisrikkomusten määrä, niiden esiintymisalueet, niihin syyllistyneiden kansalaisuudet sekä se, missä yhteydessä ulkomaalaisrikkomukset paljastuvat. Eritoten maahantulokiellon rikkomisen osuus ulkomaalaisrikkomuksista kiinnosti, sillä maahantulokiellon rikkomisesta saatavan rangaistuksen koventamisesta on pohdinnassa lakialoite. Lisäksi Poliisihallitus pyysi selvittämään, ovatko ulkomaalaisrikkomusten rangaistukset suhteessa laittomasti Suomessa oleskeltuun aikaan ja syyllistyvätkö ulkomaalaisrikkomuksiin syyllistyneet myös muihin rikoksiin. \n \nTutkimus toteutettiin käymällä läpi vuodelta 2015 rikosilmoitukset, joissa nimikkeenä oli ulkomaalaisrikkomus. Tulokset havainnollistettiin kaavioin ja taulukoin. \n \nTutkimuksessa ilmeni, että ulkomaalaisrikkomuksia vuonna 2015 paljastui 823, joista 468 oli maahantulokiellon rikkomista. Ulkomaalaisrikkomukset paljastuivat pääasiassa Helsingissä ja muualla pääkaupunkiseudulla. Ulkomaalaisrikkomus paljastui pääosin hälytystehtävien, lupahallinnon ja liikennepysäytysten yhteydessä sekä satamissa. Ulkomaalaisrikkomuksiin syyllistyivät pääosin virolaiset. Suurin osa epäillyistä oli miehiä ja työikäisiä. Maahantulokieltoaan rikkovat syyllistyivät yli 500 muuhun rikokseen ja rikkoivat maahantulokieltoa usein useammin kuin kerran. Joka kymmenes virolainen rikkoi maahantulokieltoa ja jäi siitä kiinni. \n \nUlkomaalaisrikkomusten rangaistukset eivät tutkimuksen mukaan olleet suhteessa laittomasti maassa oleskeltuun aikaan. Työssä listattiin kehitysehdotuksia muun muassa tämän epäkohdan korjaamiseen.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,008 | 0,007 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,009 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,213 | 0,646 |
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 ».