Sovinto riita-asioiden ratkaisukeinona. Sovinnon edellytysten mallintamisesta taloustieteen
Bibliographic record
Abstract
Tässä tutkielmassa tarkastellaan dispositiivisen riita-asian ratkaisua Suomen oikeusjärjestelmässä taloustieteen menetelmiä hyödyntämällä. Tutkielman tarkoituksena on yhtäältä selvittää, miksi osa tapauksista etenee käräjäoikeuden pääkäsittelyyn, ja toisaalta havainnollistaa sovintoneuvottelun kulkua ja tulosta. Tärkeimpinä lähteinä ovat olleet S. Shavellin <i>Economic analysis of litigation and the legal process</i> (2003) sekä R. D. Cooterin ja D. L. Rubinfeldin <i>Economic analysis of legal disputes and their resolution</i> (1989). Lisäksi useita peliteoreettisia tutkimuksia on käytetty esikuvana mallien muodostamisessa ja analysoinnissa. \n \nOikeustaloustieteellinen tutkimus perustuu oletukseen, että sovinto on aina tuomiota tehokkaampi ratkaisukeino. Sovinto on kuitenkin mahdollinen vain, jos kantajan odotettu voitto oikeudenkäynnistä on enintään yhtä suuri kuin vastaajan odotettu tappio. Tutkielmassa osoitetaan, että käytännössä sovinnon esteenä on vähintään toisen osapuolen relatiivinen optimismi oikeudenkäynnin lopputuloksesta. Siten sovittelijan tehtävä on poistaa erot asianosaisten informaatiossa, eikä muunsisältöisen sovinnon edistäminen ole oikeustaloustieteen näkökulmasta tehokasta. \n \nOikeuteen voidaan kuitenkin aina edetä positiivisella todennäköisyydellä, jos epäsymmetristä informaatiota ei voida uskottavasti jakaa tai ainakin toisella asianosaisista on kannuste käyttäytyä strategisesti neuvottelussa. Peliteorian avulla on analysoitu sekä neuvotteludynamiikkaa että informaation yksi- ja kaksipuolisen epäsymmetrian vaikutusta neuvotteluongelman tasapainoon. Tuloksena voidaan esittää seuraavat neljä havaintoa: Kun neuvottelun enimmäiskesto tiedetään, sovinnon syntymisen todennäköisyys on suurempi neuvotteluprosessin alkaessa ja päättyessä kuin sen keskivaiheilla. Heikommin informoidun kantajan neuvotteluvoima perustuu oikeudenkäyntiuhkauksen uskottavuuteen, joten hänen on rajoitettava mahdollisuuttaan omaksua epäedullista tietoa kanteen kannattavuudesta. Paremmin informoidulla vastaajalla on kannuste strategiseen käyttäytymiseen, jos sovintotarjous voi paljastaa hänen yksityisen informaationsa. Kun kummallakin osapuolella on yksityistä tietoa, sovintoehdotuksen tekijän on signaloitava tyyppinsä vastapuolelle, ja roolien satunnainen määräytyminen saattaa aiheuttaa yhteiskunnallista tehottomuutta liiallisten oikeudenkäyntien vuoksi.
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) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.005 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.058 | 0.049 |
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".