Sukupolvien välinen oikeudenmukaisuus Suomen työeläkejärjestelmässä
Bibliographic record
Abstract
Seuraavat vuosikymmenet tulevat olemaan Suomen työeläkejärjestelmälle sen historian haasteellisimmat. Eläkeläisiä on jo tällä hetkellä enemmän kuin koskaan aikaisemmin määrän vain jatkaessa kasvuaan. Eläkeläisten määrän kasvun mukana kasvavat myös eläkkeiden maksuun tarvittavat varat, joita Suomen eläkejärjestelmässä maksetaan osittain eläkerahastoista ja osittain työntekijöiden eläkemaksuina. Eläkerahastoissa oli vuoden 2012 lopussa sijoitettuna noin 150 miljardia euroa suomalaisten varoja, mutta ennusteet osoittavat, että rahastot ja nykyiset eläkemaksut eivät riitä kattamaan eläkkeiden maksua tulevilla eläkeläisten ja palkansaajien määrillä. \n\t\nHelpoin tapa saada työeläkejärjestelmän rahoitus jälleen tasapainoon olisi nostaa työeläkemaksuja. Tämä olisi kuitenkin epäoikeudenmukaista nuorempia ja tulevia sukupolvia kohtaan, sillä pääosa ns. eläkepommin kustannuksista tulisi tällöin heidän maksettavakseen. Oikeudenmukaisin keino ratkaista ongelma olisi pienentää maksettavia eläkkeitä, mutta Suomen etuusperusteisessa eläkejärjestelmässä tämä ei ole kovin todennäköinen vaihtoehto. Etuusperusteisessa eläkejärjestelmässä eläkkeiden taso on ennalta päätetty ja eläkkeiden rahoittamiseksi tarvittavat maksut joustavat tarpeen vaatiessa. Työeläkemaksujen korottamista oikeudenmukaisempi vaihtoehto olisi nostaa työntekijöiden eläkkeellesiirtymisikää, jolloin järjestelmän menot laskisivat ja tulot kasvaisivat.\n\nTämän tutkielman puitteissa parhaiksi keinoiksi eläkkeellesiirtymisiän nostamiseksi valikoituivat iäkkäämpien työntekijöiden kannustinkarttumien muokkaaminen sekä vanhuuseläkkeen alaikärajan nostaminen. Myös työoloilla todettiin olevan suuri merkitys työssä jatkamiseen.
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) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.192 | 0.226 |
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".