Venäjän hyökkäyssota Ukrainaan ja sen vaikutus Suomen talouteen
Bibliographic record
Abstract
Tämän opinnäytetyön tarkoituksena oli tutkia millaisia vaikutuksia Venäjän aloittamalla suurhyökkäyksellä Ukrainaan vuonna 2022 on ollut Suomen talouteen. Tutkimuksessa myös selvitettiin, millaisia ennusteita Suomen taloudesta on tehty tulevaisuudelle. Tutkimus toteutettiin Suomen talouden näkökulmasta ja se rajattiin koskemaan Venäjä-Ukraina sodan vaikutuksen alla olevaa Suomen talouden tilaa ja vaikutuksien näkymistä kotitalouksille ja yrityksille. \n \nAineistolähteinä käytettiin suuriltaosin viranomaisten tuottamia verkkosivuja, raportteja ja artikkeleita, myös muita luotettaviksi luokiteltuja lähteitä käytettiin joiltain osin. Tarkoituksena oli käyttää mahdollisimman tuoreita ja ajantasaisia lähteitä, ottaen huomioon kehittyvät tilanteet ja mahdollisten ennusteiden muuttuminen. Lähdeaineisto koostui tekstijulkaisuista, jonka vuoksi aineiston tiedonkeruun- ja käsittelyn menetelmäksi valikoitui dokumenttianalyysi. \n \nTutkimuksen perusteella Venäjä-Ukraina sota on vaikuttanut Suomen talouteen kaiken kaikkiaan negatiivisesti. Suomen talouskasvu ja investoinnit ovat hidastuneet, hinnat ja korot ovat nousset ja ne taas ovat vaikuttanut inflaation kehittymiseen. Useissa ennusteissa Suomen talouden tilasta tulevaisuudessa ollaan kuitenkin tällä hetkellä sitä mieltä, että taantuma jäisi lyhyeksi ja jo vuoden 2024 lopussa nähtäisi talouden tilassa kasvua. Ennusteet kuitenkin voivat muuttua, ottaen huomioon sen, että tätä opinnäytetyötä tehdessä sota on vielä käynnissä Venäjän ja Ukrainan välillä. Mitään tarkkoja arvioita ei siis voida vielä tehdä, eikä niitä tietenkään ole saatavillakaan siitä, miten tai kuinka nopeasti Suomen talous tulee taantumasta nousemaan. Erilaisten skenaarioita kautta voidaan kuitenkin tehdä tietynlaisia ennusteita tulevasta.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.013 |
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".