Yritysvastuuta vai vastuun yritystä? : Yritysvastuukehitys Suomen oikeudessa 1990-2022
Bibliographic record
Abstract
Yritysvastuu on 2020-luvulla kuuma puheenaihe. Tutkielman motivaationa toimi vastuullisuuskysymysten ajankohtaisuus, mikä tekee tutkimusaiheesta myös relevantin ja kiinnostavan. Tutkielman tavoitteena oli selvittää oikeushistoriallisen metodin keinoin ensinnäkin Suomen oikeudessa tapahtunutta yritysvastuumuutosta ja toiseksi hahmottaa tämän kehityksen taustalla vaikuttaneita tekijöitä. Yritysvastuu sisältää nykykäsityksen mukaan kolme ulottuvuutta: sosiaalisen vastuun, taloudellisen vastuun ja ympäristövastuun. Vastuullisuusalueiden ala on alati kasvava. Yritysvastuukäsityksen osalta lähdettiin kuitenkin liikkeelle 1990-luvulla huomattavasti suppeammasta käsityksestä ja muutos nykyiseen laajaan yritysvastuukäsitteeseen tapahtui erityisesti vuosituhannen vaihteen jälkeen. Oikeudellinen kehitys painottuu erityisesti kuluneeseen vuosikymmeneen. Tätä tutkielmaa kirjoitettaessa oli valmistelussa sekä EU:n yritysvastuulaki että kansallinen yritysvastuulaki. Iso osa yritysvastuun sääntelystä perustuu kuitenkin edelleen pehmeään sääntelyyn. Yritysvastuukehityksen taustalla vaikuttaa isot kokonaisuudet kuten globalisaatio ja ihmisoikeuskysymykset, mutta myös joukko pienempiä tekijöitä. Yritysvastuu on globaali ilmiö, joten Suomen yritysvastuukehitys seurailee kansainvälistä kehitystä tiiviisti.
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 | 0.002 | 0.002 |
| 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 | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.084 | 0.023 |
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".