Työvoimapula ja työperäinen maahanmuutto: Vertailuteos Suomen verrokkimaiden käytännöistä
Bibliographic record
Abstract
Tämän opinnäytetyön tarkoituksena on vertailla työperäisen maahanmuuton käytänteitä Suomen ja sen vertailumaiksi valittujen maiden välillä. Tässä opinnäytetyössä vertailumaiksi on valittu Pohjoismaista Norja, Ruotsi sekä Tanska ja lisäksi Saksa. Työllä ei ole ulkopuolista toimeksiantajaa. Teoreettinen osuus keskittyy Suomen nykyisen väestön ikärakenteeseen ja sen vaikutukseen työmarkkinoihin. Suomen tilannetta tarkasteltaessa, on otettu huomioon erityisesti väestön ikääntyminen, syntyvyysluvut sekä nykytilanne työperäisen maahanmuuton osalta. Samalla tarkastellaan lyhyesti työperäisen maahanmuuton vaikutuksia paikalliseen väestöön. Aineistokeruumenetelminä on ollut tässä työssä käsiteltävien maiden ulkomaalaislainsäädäntö, tilastot ja maahanmuuttoviraston verkkosivujen tarjoama tieto. Lisänä lähteinä on hyödynnetty aiheeseen liittyvää kansainvälistä tutkimuskirjallisuutta sekä muuta akateemista kirjallisuutta. Opinnäytetyön lopputuloksen valmistuu vertailuteos, joka tarjoaa tiivistetyn kuvauksen työperäisestä maahanmuutosta Suomen ja tähän työhön valittujen maiden välillä. Vertailuteoksessa tarkastellaan Suomen haasteita liittyen työvoiman saatavuuteen ja samalla siinä esitellään muiden maiden esimerkkejä hyödyntäen keinoja, joilla kussakin maassa on pyritty vastaamaan työvoimapulaan työperäisellä maahanmuutolla.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.073 | 0.025 |
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".