Pakkausjätteen kokonaismäärä Suomessa ja suositukset tilastoinnin kehittämiseksi
Bibliographic record
Abstract
Selvityksen tavoitteena oli arvioida Suomessa syntyneen pakkausjätteen kokonaismäärä. Selvityksessä myös verrattiin Suomen tilastointitapaa valittujen EU-jäsenvaltioiden tilastointiin. Suuntaa antavan pakkausjätteen kokonaismääräarvion ja vertailujen pohjalta annettiin suositukset tilastoinnin kehittämisestä Suomessa. \nEU-jäsenvaltioiden tilastojen vertailukelpoisuuden arviointi toteutettiin yhteensä kymmenen maan tilastointitapoihin tutustuen. Vertailussa todettiin, että tarkasteltujen jäsenvaltioiden toimittamien tietojen perusteet eroavat toisistaan eikä ilmoitettuja kierrätysasteita siten tulisi verrata suoraan toisiinsa. EU:ssa tulisikin pyrkiä yhdenmukaistamaan käytäntöjä. \nMarkkinoille saatettujen pakkausten osalta Suomen pakkaustilaston todettiin perustuvan pääasiallisesti Pakkausalan Ympäristörekisteri PYR Oy:öön rekisteröityneiden tuottajien ilmoittamiin tietoihin. Kierrätetyn pakkausjätteen tilastoinnin todettiin perustuvan pääasiallisesti tuottajayhteisöjen sopimuskumppaneiltaan keräämiin tietoihin. Selvityksen pohjalta todettiin, että keskeisin keino Suomen pakkaustilaston luotettavuuden lisäämikseksi olisi tiedonkeräyksen laajentaminen kattamaan muidenkin kuin rekisteröityneiden tuottajien markkinoille tuomat pakkaukset. Tilaston luotettavuutta voitaisiin lisätä myös lisäpanostuksilla tuottajavastuullisten yritysten tiedonkeräyksen laadun varmistamiseen. \nPakkausjätteen kokonaismääräksi arvioitiin noin 840 000 tonnia vuonna 2012, kun Suomen EU:lle toimittaman tilaston mukaan pakkausjätettä syntyi 715 000 tonnia. Arvio on suuntaa antava. Aineiston perusteella todettiin, että Suomessa tuottajavastuuvelvoitteen täyttämisen valvontaa tulisi tehostaa ja valmistautua kattavampaan tiedonkeräykseen.
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) | 0.001 | 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 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.073 | 0.031 |
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".