Alle 15-vuotiaaseen lapseen rikoksen johdosta kohdistuvat seuraamukset
Bibliographic record
Abstract
Tutkielman tarkoituksena oli selvittää kattavasti alle 15-vuotiaaseen rikollisen teon tehneeseen lapseen kohdistuvat seuraamukset oikeuskirjallisuuden, lakien esitöiden sekä vallitsevan oikeuskäytännön pohjalta. Seuraamusjärjestelmän ohella tutkittiin lasten rikollisuuden kehitystä tilastojen avulla.¨ \n \nLasten rikollisten tekojen seuraamukset painottuvat lastensuojelullisiin toimenpiteisiin. Suomen järjestelmää voidaankin kuvailla huoltomalliksi, jossa huomio keskitetään lapsen tukeen ja hoitoon rangaistusten sijasta. Alle 15-vuotiaisiin pystytään kuitenkin soveltamaan laajalti myös muita seuraamuksia. Erityisesti vahingonkorvausvelvollisuus voi muodostua lapselle erittäin raskaaksi rikollisen teon seuraamukseksi. Lasten rikollisuuden kehityssuuntana on viime aikoina ollut rikollisten tekojen kasautuminen pienelle osalle lapsista, kun samanaikaisesti yhä suurempi osa lapsista pidättäytyy rikollisista teoista kokonaan. \n \nAlle 15-vuotiaisiin lapsiin rikollisten tekojen johdosta kohdistuva seuraamusjärjestelmä näyttäisi lähtökohtaisesti toimivalta. Ongelmana lapsiin kohdistuvan seuraamusjärjestelmän arvioinnissa on kuitenkin se, että yleisimmistä puuttumiskeinoista eli lastensuojelullisista toimenpiteistä sekä sovittelusta puuttuvat vaikuttavuustutkimukset käytännössä kokonaan, joten emme tiedä mikä merkitys kyseisillä toimenpiteillä on lasten rikollisten tekojen jatkamiseen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.164 | 0.045 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".