Parisuhdeväkivallan vaikutukset naisten taloudelliseen asemaan
Bibliographic record
Abstract
Suomi on jo vuonna 2014 määritelty yhdeksi EU:n kärkimaista parisuhdeväkivallan yleisyyttä koskevissa tilastoissa. Tämän lisäksi Suomessa todettujen parisuhdeväkivaltatapauksien määrä on yhä viime vuosina kasvanut. Myös maailmanlaajuisesti parisuhdeväkivalta koskettaa noin 28 prosenttia naispuolisesta väestöstä eli yhteensä lähes joka kolmatta naista. Lukuja voivat selittää osittain parisuhdeväkivaltaa koskevat asenteet: jopa kolmasosa maailman naisista ajattelee miehen vaimoonsa kohdistavan väkivallan olevan joissakin tilanteissa hyväksyttävää. Lisäksi on todennäköistä, että parisuhdeväkivaltaa tarkastelevat tilastot eivät heijasta parisuhdeväkivallan todellista yleisyyttä, sillä parisuhdeväkivallan tilastoimiseen ja mittaamiseen liittyy lukuisia haasteita. Parisuhdeväkivaltaan liittyy fyysisen väkivallan lisäksi myös muita väkivallan muotoja, joita ovat esimerkiksi seksuaalinen, henkinen, sosiaalinen ja taloudellinen väkivalta. Parisuhdeväkivallan onkin havaittu aiheuttavan sen uhreille myös lukuisia muita kuin fyysisiä seurauksia: uhrit kärsivät parisuhdeväkivallan eri muotojen seurauksena esimerkiksi mielenterveysongelmista sekä merkittävistä taloudellisista haasteista. Tämän kandidaatintutkielman tarkoituksena on tarkastella parisuhdeväkivallan taloudellisia vaikutuksia sen uhreiksi joutuvien naisten näkökulmasta. Tutkielmassa tarkastellaan parisuhdeväkivallan taloudellisia vaikutuksia esimerkiksi naisten kohtaamien työllisyysvaikutuksien sekä ansiotulojen muutosten näkökulmasta. Viimeaikaisen tutkimuksen perusteella parisuhdeväkivallan voidaan havaita vaikuttavan merkittävästi sen uhriksi joutuvien naisten taloudelliseen asemaan: tutkimuksesta riippuen näiden negatiivisten taloudellisten vaikutuksien voidaan havaita alkavan jo ennen väkivallasta tehtyä virallista ilmoitusta. Havaitut vaikutukset omat linjassa myös esimerkiksi työpaikkaväkivaltaa tarkastelevissa tutkimuksissa tehtyjen havaintojen kanssa, sillä myös näissä tutkimuksissa naisiin kohdistuvan väkivallan havaitaan vaikuttavan kielteisesti naisen kohtaamaan taloudelliseen kehitykseen. Tällaisten havaintojen perusteella voidaan todeta, että parisuhdeväkivalta on laaja ja jatkuva ongelma, jolla on uhrien näkökulmasta merkittäviä yhteiskunnallisia vaikutuksia.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.113 | 0.034 |
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".