Suomen elinaikakerroin - tulevaisuudennäkymät pohjoismaisessa valossa
Notice bibliographique
Résumé
Tämän tutkielman tarkoituksena on arvioida kolmen eri tulevaisuudennäkymän kautta, miten Suomen lakisääteisten eläkkeiden arvoa automaattisesti sopeuttava elinaikakerroin kehittyy vuoteen 2060 mennessä. Tutkielma vertailee myös pohjoismaisten vertailumaiden (Ruotsi ja Norja) eläkejärjestelmiä ja elinajanodotteeseen sidottujen lakisääteisten eläkkeiden automaattisia sopeuttamismekanismeja Suomen vastaaviin. Tutkielman kolme tarkastelumaata kuuluvat kaikki ns. pohjoismaisen hyvinvointimallin ryhmään. \n\nPohjoismaisen mallin kivijalat koostuvat asumisperusteisesta perusturvasta, oikeudesta julkisiin palveluihin ja toimeentuloturvaan sekä kattavista hyvinvointipalveluista. Euroopan väestö elää kuitenkin yhä pidempään eikä eläkkeellesiirtymisikä ole pidentynyt merkittävästi. Siksi eläkejärjestelmien kestävyys on tulevaisuudessa entistä kovemmalla koetuksella. \n\nMonissa Euroopan maissa eläkkeiden suuruutta onkin pyritty hillitsemään eliniänodotteen kasvun tahdissa. Niin Suomi, Ruotsi kuin Norjakin ovat siis ottaneet käyttöön eläkkeiden tasoa hillitsevät automaattiset mekanismit. Suomessa on käytössä elinaikakerroin, Ruotsissa laskennallinen tilijärjestelmä ja Norjassa jakoluku. \n\nSuomen eläkejärjestelmän automaattisena vakautusmekanismina on toiminut vuodesta 2010 alkaen niin sanottu elinaikakerroin. Kerroin lasketaan 62-vuotiaiden eliniänodotteen perusteella. Eläkettä määrättäessä kertynyt kuukausieläke kerrotaan elinaikakertoimella, joka on kasvavan eliniän oloissa alle 1. \n\nEläkejärjestelmien kestävyys on pinnalla mediassa, mutta faktatietoa Suomen elinaikakertoimesta tarjotaan niukalti. Tämä viittaa siihen, ettei elinaikakerrointa tunneta kummemmin. Tässä tutkielmassa pyritään lisäämään elinaikakertoimen tunnettavuutta.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,012 |
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 ».