Yritysten valmistautuminen uudistuvaan Euroopan unionin tietosuojalainsäädäntöön
Bibliographic record
Abstract
Yksityisyys henkilötietojen käsittelyssä on Euroopan unionin tasolla pyritty suojaamaan henkilötietodirektiivin avulla, Suomessa henkilötietolailla. Euroopan komissio on tammikuussa 2012 ehdottanut Eurooppalaisen tietosuojasääntelyn kattavaa uudistamista asetuksella, joka harmonisoisi lainsäädännön Euroopassa. Tutkimuksessa tarkastellaan ensin oikeusdogmaattisesta näkökulmasta voimassa olevaa tietosuojalainsäädäntöä sekä Euroopan komission ehdotusta uudeksi tietosuoja-asetukseksi. Voimassa olevan lainsäädännön lisäksi tutkielmassa on siten myös tulevaa lainsäädäntöä tutkiva näkökulma. Tutkimuksessa myös pyritään käymään vuoropuhelua oikeusdogmaattisen tutkimuksen ja empiirisen oikeustutkimuksen välillä muodostamalla kehys konkreettisille toimille yritysten valmistautuessa uudistuvaan lainsäädäntöön.\nTutkimuksen ensimmäisenä tuloksena muodostetaan esitys voimassa olevasta tietosuojalainsäädännöstä kytkemällä se kansainvälisen ihmis- ja perusoikeus kehityksen kautta Euroopan unionin ja Suomen lainsäädäntöön. Tutkimuksen toisena tuloksena esitetään uudistuvan lainsäädännön muutokset periaatteiden, yksilön oikeuksien ja rekisterinpitäjien velvollisuuksien osalta. Kolmantena tuloksena tutkimuksessa muodostetaan päätutkimuskysymykseen yritysten valmistautumisesta uudistuvaan lainsäädäntöön kehys kolmen päävaiheen toimintona: tietosuojavastaavan nimittämisenä, tietosuojaohjelman luomisena sekä tietotilinpäätöksen valmistamisena. Asetus velvoittaa yrityksiä aikaisintaan vasta muutamien vuosien päästä, mutta se tuo mukanaan paljon uutta sääntelyä, johon valmiita vastauksia ei ole vielä pystytty määrittämään. Tutkimuksessa kuitenkin tuodaan esille se, että yritysten tulisi jo nyt suunnitella ja käynnistää toimenpiteet velvoitteiden toteuttamiseksi.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.053 | 0.011 |
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".