Kansanedustajien argumentointi euromaiden kriisipaketeista
Notice bibliographique
Résumé
Suomesta tuli euroalueen jäsen ensimmäisten joukossa vuonna 1999. Rahaliiton ongelmat konkretisoituivat keväällä 2010, jolloin Kreikka tarvitsi muiden euromaiden avustusta. Kreikan jälkeen Suomen eduskunta on vuosina 2010-2012 päättänyt Suomen osallistumisesta myös Irlannin, Portugalin ja Espanjan pankkien tukipaketteihin sekä jo toistamiseen Kreikan avustamisesta. Käyn läpi kuusi eduskunnan täysistunnon keskustelua viidestä kriisimaiden tukipaketista. Metodina olen käyttänyt Chaïm Perelmanin uutta retoriikkaa. Olen tutkinut, millaista argumentointia kansanedustajat käyttävät hyväkseen, kun perustelevat omaa kantaansa kriisimaiden tukemiseen.Olen jakanut kansanedustajien kriisipaketteja puolustavat ja vastustavat puheenvuorot erilaisten jakolinjojen alle kuten hallitus-oppositio, vasemmisto-oikeisto, perussuomalaiset ja muut ja puolueiden sisäiset jakolinjat. Tutkimustulokseni on, että eniten kansanedustajan argumentoinnissa painaa se, onko hän puhehetkellä hallitus- vai oppositiopuolueen kansanedustaja. Yleisin peruste sekä tukea että vastustaa kriisipaketteja on Suomen ja suomalaisten etu. Argumentoinnissa käytetään hyväksi historiaa kuten Suomen 1990-luvun alun lamaa ja vertailua muiden maiden ratkaisuihin. Kun kansanedustajan asema on vaihtunut oppositiosta hallituspuolueen edustajaksi tai päinvastoin, hänen on pitänyt argumentoida yleisölle, miksi on eri mieltä kuin aiemmin. Erityisesti vasemmistopuolueiden edustajat käyttävät hyväkseen termejä sijoittajavastuu ja vakuudet. Kun nämä ehdot ovat lainoissa toteutuneet, heillä on mielestään ollut peruste vaihtaa kantaansa. Vaikka hallitus-oppositio-asema onkin merkittävin peruste vastustaa tai tukea kriisipaketteja, kansanedustajat koettavat argumentoinnissaan säilyttää myös oman poliittisen ideologiansa ja tehdä argumentoinnilla eroa muihin. Asiasanat: eurokriisi
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 | 0,002 | 0,004 |
| 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 | 0,003 | 0,004 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,007 |
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 ».