ICT-alan kilpailukyky ja verotus : Case: Suomen työvoimakustannukset ja yhteisövero
Bibliographic record
Abstract
Globaalin vapaakaupan kasvu on tarkoittanut varsinkin pienten valtioiden tuotannon erikoistumista. Kiristyvässä kilpailussa pärjätäksemme on tällä vuosikymmenellä tiedotusvälineissä ja akateemisessa keskustelussa paljon puhuttu Suomen kilpailukyvystä ja sen ongelmista. Varsinkin kansainvälisesti hyvinkin kilpailulla ICT-alalla on Suomessa koettu viimeisten vuosikymmenten aikana voimakasta turbulenssia. Tämän tutkimuksen tavoitteena on selittää, mitkä asiat vaikuttavat ICT-alan kustannus- ja verokilpailukykyyn. \nTutkimuksen aineistona olen käyttänyt Tilastokeskuksen ja Euroopan komission julkaisemia avoimen datan tietokantoja, joita olen tutkinut tilastoanalyysin keinoin, kuitenkin kirjallisuuslähteisiin tukeutuen. \nSuomessa ICT-alan palkat ovat nousseet äärimaltillisesti vuosien 2012-2017 välillä ja vuoteen 2020 asti palkkojen kehityksen määrää maltilliseksi sovittu palkkasopimus. Nämä toimet ovat uskoakseni parantaneet Suomen kustannuskilpailukykyä myös ICT-alalla verrattuna kilpailijamaihin. Alan kasvanut henkilöstömäärä erikoisasiantuntijoissa viittaisi työvoimakustannusten olevan ICT-alan korkeakoulutetuilla kilpailukykyiset. Sukupuolten väliset palkkaerotkin näyttäisivät ICT-alalla olevan tutkimukseni mukaan hyvin pienet verrattaessa muihin aloihin. \nICT-alan yritysten kansainväliseen kilpailukykyyn vaikuttaa myös valtioiden välisen verokilpailun kiristyminen. Tässä Suomi sijoittuu yhteisöverokantaa EU:n sisällä verrattaessa alempaan keskikastiin. ICT-alan kannalta keskeisistä kilpailijamaista vain Irlannissa ja Puolassa on Suomea alhaisempi verotus. \nICT-alan kilpailukyky ja työtilanne on parantanut huomattavasti viimevuosina varsinkin erikoisasiantuntijoiden osalta, mutta asiantuntijatason töissä suuntaus on ollut laskeva. Jatkossa Suomen ICT-alan työmarkkinaneuvotteluissa tulisi tarkkaan keskittyä kilpailukyvyn ylläpitämiseen kustannuskilpailukyvyn osalta. Alan toimijoiden yhteiskunnallista vaikuttamista tulee edistää kilpailukykyisen verotuksen ylläpitämiseksi, koulutuspaikkojen lisäämiseksi, yrityksien kansainvälistymisen edistämiseksi ja sääntelyn vähentämiseksi.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.071 | 0.128 |
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; both teacher heads agree on what is shown here.
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".