Ei koskaan enää yksin, herra kenraali! : Ideologiset fantasiat suomalaisten kansanedustajien Nato-puheissa
Bibliographic record
Abstract
Toukokuussa 2022 Suomi haki jäsenyyttä Pohjois-Atlantin liitto Natossa. Tämä oli seurausta siitä, että aiemmin saman vuoden keväällä Venäjä oli hyökännyt aiempaa suuremmalla voimalla Ukrainaan. Ukrainan sodan aiheuttama muutos Suomen ulko- ja turvallisuuspoliittisessa linjassa oli nopea ja merkittävä. Suomi on perinteisesti vältellyt sotilaallista liittoutumista, varsinkin Natoon liittymistä, koska tämän on katsottu heikentävän liiaksi suhteita Venäjään. Nato-jäsenyyden kannattaminen on ollut suomalaisessa politiikassa arka aihe, jopa tabu. Silti valtaisa enemmistö kansanedustajista kannatti Natoon liittymistä. Tämä tutkielma selvittää, mikä kansanedustajia motivoi, kun he tekivät päätöstä Nato-jäsenyyden hakemisesta. Tutkielma pohjautuu Ernesto Laclaun ja Chantal Mouffen diskurssiteoriaan sekä Jacques Lacanin psykoanalyyttiseen teoriaan. Aineistona on eduskunnan täysistunnon pöytäkirja maanantailta 16.5.2022, jolloin eduskunnassa käytiin lähetekeskustelu valtioneuvoston Nato-jäsenyyttä puoltavasta selonteosta. Pöytäkirja käsittää 208 puheenvuoroa, joihin on sovellettu sekä Laclaun ja Mouffen diskurssinalyysia että Jason Glynosin ja David Howarthin logics approachia. Tutkielma osoittaa, että Natoon liittymistä kannattaneet kansanedustajat priorisoivat nopeita päätöksiä ja yksimielisyyttä yli puoluerajojen. Heidän toimintaansa motivoivat ideologiset fantasiat, joissa Venäjä näyttäytyy uhkana Suomen turvallisuudelle ja Nato tarjoaa pelastuksen. Nämä fantasiat perustuivat yhtäläisyyden ketjulle, jossa Suomi ja Ukraina samaistetaan maina, jotka molemmat ovat joutuneet Venäjän hyökkäyksen kohteeksi. Naton liittymistä vastustaneet kansanedustajat eivät puolestaan onnistuneet luomaan selkeää viholliskuvaa, eikä heistä siksi muodostunut yhtenäistä poliittista liikettä. Naton vastustajien ideologisissa fantasioissa sotilasliiton jäsenyys tekee Suomesta ydinsodan osapuolen, mikä johtaa tuhoon.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 0.005 |
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".