MétaCan
Menu
Retour à la cohorte
Enregistrement W7115249636

Itäisen ja pohjoisen Suomen aluetaloudellinen kehitys

2024· other· fi· W7115249636 sur OpenAlexaboutno aff

Notice bibliographique

RevueDoria (University of Helsinki) · 2024
Typeother
Languefi
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Value for moneyQuarter (Canadian coin)Time value of money
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tässä selvityksessä tarkastellaan itäisen ja pohjoisen Suomen aluetaloudellista kehitystä verraten sitä muuhun Suomeen. Selvitys toimii tukena valtioneuvoston asettamien Pohjoisen ja Itäisen Suomen ohjelmien valmisteluryhmien työlle. Pääasiallinen tavoite on tarkastella alueellista kehitystä sen jälkeen, kun Venäjä hyökkäsi Ukrainaan helmikuussa 2022. Tarkasteluissa huomioidaan kuitenkin myös Venäjän hyökkäystä edeltäneitä talouden shokkeja sekä pitkän aikavälin trendejä. Itäisen ja pohjoisen Suomen ohjelma-alueiden taloudellisen toiminnan taso on ollut pitkään muuta maata heikompi. Ohjelma-alueilla on matalampi työllisyysaste, korkeampi työttömyysaste, matalammat keskimääräiset tulot, enemmän työkyvyttömyyttä ja vähemmän työpaikkoja asukasta kohti kuin muualla maassa. Ohjelma-alueiden ero muuhun maahan ei kuitenkaan ole suuri, kun vertailusta jätetään pois Uusimaa, joka on taloudelliselta toiminnaltaan Suomessa hyvin poikkeuksellinen alue. Vaikka ohjelma-alueet suoriutuvat monella taloudellisesti muuta maata heikommin, on niiden kehitys ollut joillain mittareilla samankaltaista tai jopa suotuisampaa kuin muualla Suomessa, eli ohjelma-alueet ovat joiltain osin kuroneet kiinni takamatkaansa. Taloustilanne on heikentynyt kaikkialla Suomessa Venäjän hyökkäyssodan alkamisen jälkeen. Lomautusten, konkurssien ja lopettaneiden yritysten määrä on kasvanut, työttömyys on lisääntynyt, työllisyysaste on supistunut, ja avoimien työpaikkojen määrä on vähentynyt. Itäisen ja pohjoisen Suomen ohjelma-alueiden kehitys ei näytä joitain rajattuja toimialoja ja maakuntia lukuun ottamatta poikenneen muiden alueiden kehityksestä Venäjän hyökkäyssodan alkamisen jälkeen. Itäisellä ohjelma-alueella työntekijöiden lukumäärä on kehittynyt viime aikoina muuta maata heikommin kaikilla toimialoilla, jopa julkisella sektorilla. Koska kehitys koskee kaikkia toimialoja ja alkoi jo ennen Venäjän hyökkäyssotaa, ei voida sulkea pois mahdollisuutta, että kyseessä on pitkän aikavälin väestöllisen ja rakenteellisen trendin jatkuminen. Muusta maasta ja pitkän ajan trendistä poikkeavaa heikkoa kehitystä havaitaan kuitenkin erityisesti Kaakkois-Suomen matkailualalla ja vähittäiskaupassa. Itäisellä ohjelma-alueella väkiluku vähenee voimakkaasti, koska kuolevia on enemmän kuin syntyviä. Muuttoliikkeestä johtuva väestönmuutos on sen sijaan lähellä nollaa. Pohjoisella ohjelma-alueella muuhun maahan verrattuna korkea syntyvyys on kannatellut väestönkehitystä, mutta sielläkin luonnollinen väestönmuutos on kääntynyt negatiiviseksi. Suomessa väestön väheneminen koskee useimpia alueita, ja väkimäärä kasvaa lähinnä suurissa kaupungeissa ja niiden ympäryskunnissa. Luonnollinen väestönmuutos on painunut huomattavan negatiiviseksi koko maassa, ja ikääntyneiden osuus väestöstä kasvaa. Väkiluvun väheneminen supistaa sekä työvoiman kysyntää että tarjontaa. Väestönkehityksen takia erilaiset taloudellisen toiminnan mittarit voivat antaa toisistaan poikkeavan kuvan. Esimerkiksi itäisessä Suomessa työllisyysaste on viimeisen kymmenen vuoden aikana kasvanut voimakkaasti, vaikka työllisten määrä on vähentynyt.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0550,278

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,212
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDoria (University of Helsinki)Travaux en français237 207