Koulutuksen merkitys maahanmuuttajien työllistymiseen Pirkanmaalla
Bibliographic record
Abstract
Maahanmuutto Suomeen on lisääntynyt merkittävästi maailmalla tapahtuvien konfliktien myötä. Tavallisimmin Suomeen muutetaan perhesyistä, mutta viime vuosina turvapaikkahakemuksia ja pakolaisia on tullut Suomeen enemmän kuin koskaan aiemmin. Muuttajien kansalaisuus, koulutustaustat ja ammatit ovat hyvin monenlaiset. Maahanmuuttajien kasvava määrä Suomessa on tuonut yhteiskunnallemme lukuisia haasteita. Kotouttamista on pitänyt kehittää ja siihen on täytynyt käyttää paljon resursseja ja tätä on jatkettava. Maahanmuuttajien pääsy Suomen työmarkkinoille on vain yksi lukuisista haasteista, vaikkakin erittäin suuri sellainen. \n \nMaahanmuuttajien koulutustaustoista on olemassa hyvin vähän aiempaa tietoa. Tutkimuksessa selvitettiin maahanmuuttajien taustoja, kuten syntymämaa, kansalaisuus, ikä ja syy maahanmuuttoon sekä ajankohta Suomeen muuttoon. Lisäksi tarkasteltiin heidän koulutus- ja työhistoriaansa sekä työllistymistä Suomessa. Tutkimuksen tarkoituksena oli selvittää, onko lähtömaassa suoritetusta koulutuksesta ollut hyötyä Suomessa ja parantaako kouluttautuminen työllistymismahdollisuuksia Suomessa. \n \nTutkimus suoritettiin määrällisenä tutkimuksena kyselyaineiston avulla. Aineisto kerättiin suomen kielen kursseilta, joissa jäseninä oli maahanmuuttajia ympäri Pirkanmaata. Aineistossa mukana olleet maahanmuuttajat ovat tulleet Suomeen pääosin avioliiton tai perheen yhdistämisen myötä. Pakolaisuuden tai turvapaikan vuoksi Suomeen oli tullut noin kuudesosa vastaajista. \n \nMaahanmuuttajien työmarkkina-asema on Suomessa melko huono ja työttömyysaste on korkea. Huonoa työmarkkina-asemaa selitetään usein puutteellisella kielitaidolla, riittämättömällä ammattitaidolla ja koulutuksen puutteella. On todettava myös, että syrjinnällä ja ennakkoluuloilla on merkittävä rooli. \n \nTutkimuksen myötä on havaittavissa, että maahanmuuttajien työllistyminen Pirkanmaalla koulutustaan vastaavalle alalle on vaikeaa.
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.046 | 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; 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".