Kansalaisjärjestöjen asiantuntijoiden vastuukäsitykset arktisen alueen ympäristövastuusta
Bibliographic record
Abstract
Tässä pro gradu -tutkielmassa tutkitaan ympäristövastuuta arktista aluetta koskien kansalaisjärjestöjen asiantuntijoiden näkökulmasta. Tutkin aihetta kansalaisyhteiskuntatutkimuksen näkökulmasta. Tutkimus on toteutettu teemahaastatteluina keskeisimpien ympäristöjärjestöjen kanssa, jotka ovat antaneet myös tilannekuvaa arktisen alueen kehityksestä. Tutkimuksen tarkoitus on tuottaa ymmärrystä, minkälaista ympäristövastuu on arktisen kontekstissa ja miten esimerkiksi valtio on toteuttanut ympäristövastuutaan. Tutkimuskysymyksinä työssäni toimivat seuraavat: 1. Kuinka Suomen valtion vastuu näyttäytyy koskien arktista aluetta? Millaisia vastuita Suomen valtio arktista aluetta koskien ja arktisella alueella kantaa? 2. Miten kansalaisjärjestöjen vastuu näyttäytyy asiantuntijoiden mukaan koskien arktista aluetta ja miten se heijastuu valtion vastuuseen? 3. Onko kansalaisilla jonkinlaisia vastuita ja jos on niin minkälaisia kansalaisjärjestöjen asiantuntijoiden mukaan? 4. Millaiseksi kansalaisjärjestöjen asiantuntijat kuvaavat valtion ja yritysten vastuun? Työ toteutettiin laadullisena tutkimuksena ja sen teoreettinen viitekehys on kestävä kehitys sen ulottuvuuksineen sekä ympäristövastuun käsite. Menetelmänä tutkimuksessa on käytetty aineistolähtöistä sisällönanalyysia ja aineistoa kerättiin teemahaastatteluilla. Tutkimustuloksina selvisi, että arktisen alueen ympäristövastuun suhteen olisi voitu tehdä enemmän valtion osalta. Kansalaisjärjestöjen ääntä on tahosta riippuen kuultu, mutta valtion retoriikka ei ole näkynyt käytännössä samalla tavalla. Kansalaisten vastuun asiantuntijat näkevät esimerkiksi arjen liikkumisessa, ympäristön kunnioittamisena ja perustuslain kautta. Yritysten vastuu pitäisi toteutua heidän mukaansa arktisen resurssien jättämisenä arktiselle alueelle. Valtion kuuluisi asiantuntijoiden mukaan asettaa raamit ympäristön kestävyydelle.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.007 |
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".