Samat juuret, eri ratkaisut : Suomen ja Ruotsin rahapelimonopolit EU-oikeuden painekattilassa.
Bibliographic record
Abstract
Rahapelaaminen on ihmislajin varhaisimpia ajanvietteitä. Sitä on pyritty eri tavoin sääntelemään jo antiikin ajoista lähtien, eikä rahapelaaminen ole koskaan ollut vain ala muiden joukossa. \n \nTässä tutkimuksessa analysoidaan Suomen ja Ruotsin kansallisten rahapelijärjestelmien ja niitä koskevan sääntelyn kehitystä rinta rinnan EU-oikeuden kanssa. Tutkimus vastaa kysymyksiin siitä, miten EU-oikeudessa on eri aikakausina suhtauduttu rahapelaamiseen, miten Suomen ja Ruotsin kansallisen rahapelisääntely on kehittynyt erityisesti 1900- ja 2000-luvuilla ja mitä yhteiskunnallisia, oikeudellisia ja teknologisia syitä näiden muutosten taustalle on paikallistettavissa. Lisäksi analysoidaan, miksi sääntely on kehittynyt niin kuin se on kehittynyt. Tutkimusote on paitsi lainopillinen, myös korostetun oikeushistoriallinen ja oikeusvertaileva. \n \nTutkimuksen keskeisiä havaintoja ovat Suomen, Ruotsin ja Euroopan unionin rahapelejä koskevan sääntelyn jakautuminen kolmeen ajanjaksoon: monopolien kulta-aikaan, online-rahapelejä koskevien linjausten ja Ruotsin järjestelmän murtumisen aikaan sekä oikeuskäytännön teknisten täsmennysten ja kansallisten lainsäädäntömuutosten aikaan. \n \nEU-rahapelioikeuden muodostuminen tapahtui suurelta osin jo 1990-luvun lopulla ja 2000-luvun alussa. Tänä aikana EU-tuomioistuin loi tulkintansa peruspilarit, joita se on sittemmin toistanut myöhemmissä tapauksissa. EU-oikeuden paine kohdistui järjestelmiin kuitenkin toden teolla vasta 2000-luvulla, jolloin EU-komissio aloitti monipuoliset toimet alalla. Tässä paineessa Suomi pystyi korjaamaan järjestelmäänsä niin, että Euroopan komissio katsoi sen olevan sopusoinnussa sisämarkkinalain-säädännön kanssa. Ruotsi sen sijaan joutui useiden rikkomusmenettelyiden kohteeksi ja sen kansallinen rahapelisääntely asettui unioninoikeuden valossa kyseenalaiseksi, johtaen monopolijärjestelmän hallitsemattomaan purkautumiseen. \n \nLainsäädännössä Suomen ja Ruotsin järjestelmien eriytyminen tapahtui vuonna 2019, mutta käytännössä jo huomattavasti aiemmin.
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 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.073 | 0.021 |
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".