MétaCan
Menu
Back to cohort
Record W7034898343

Vuoden 1993 yrityssaneerauslaki oikeudellisena siirrännäisenä Suomessa

2019· other· fi· W7034898343 on OpenAlexaboutno aff

Bibliographic record

VenueUTUPub (University of Turku) · 2019
Typeother
Languagefi
FieldEarth and Planetary Sciences
TopicEvolution and Paleontology Studies
Canadian institutionsnot available
Fundersnot available
KeywordsQuarter (Canadian coin)Data collectionGovernment (linguistics)
DOInot available

Abstract

fetched live from OpenAlex

Tässä tutkielmassa tutkitaan yrityssaneerauslain Suomen oikeusjärjestykseen oikeudellisena siirrännäisenä sekä yrityssaneerauksen mukautumista insolvenssioikeudellisena instituutiona suomalaiseen insolvenssikulttuuriin. Tutkimus pyrkii vastamaan kysymyksiin: mistä yrityssa-neeraus on saapunut Suomeen ja minkälaisena oikeudellisena siirrännäisenä se on otettu Suo-messa käyttöön. Tutkimuksen metodi on pääosin oikeushistoriallinen, mutta mukautumista tutkittaessa käytetään myös osittain lainopillista systematisointia yrityssaneerauslain muutok-sia arvioitaessa. 
\nTutkielmassa esitellään ensin oikeudellisia siirrännäisiä koskevaa teoriaa ja siitä esitettyjä kan-nanottoja. Tämän jälkeen luodaan historiallinen katsaus maksukyvyttömyysoikeuden tilasta Suomessa ja maailmalla. Tutkimuksessa pyritään löytämään potentiaalisimmat vaikuttajat Suomen yrityssaneerausmenettelylle sekä taustat että syyt yrityssaneerauksen säätämiselle Suomessa. Itse yrityssaneerausmenettely esitellään pääpiirteissään.
\nYrityssaneerauslakia on muutettu voimassaolonsa aikana useasti, mutta merkittävin uudistus tapahtui vuonna 2007. Näiden uudistusten avulla tutkitaan, kuinka yrityssaneeraus on mukau-tunut Suomen oikeusjärjestykseen ja miten yrityssaneerauksesta on tullut tärkeä osa suomalais-ta insolvenssikulttuuria konkurssin vaihtoehtona, minkä seurauksena esitellään lopuksi insol-venssimenettelyistä syntyneitä hybridejä sekä erillismenettelyjen välistä suhdetta.
\nTutkimuksen lähdeaineistona on käytetty oikeuskirjallisuutta, lainvalmisteluasiakirjoja sekä empiirisiltä osiltaan tilastokeskuksen tietoja. Tutkielma ei käsittele tarkemmin yksityishenkilön velkajärjestelyä tai konkurssimenettelyä kuin on tutkimuksen kannalta välttämätöntä.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.252
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0440.013

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.

Opus teacher head0.015
GPT teacher head0.183
Teacher spread0.168 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueUTUPub (University of Turku)Same topicEvolution and Paleontology StudiesFrench-language works237,207