Suomen elinaikakerroin - tulevaisuudennäkymät pohjoismaisessa valossa
Bibliographic record
Abstract
Tämän tutkielman tarkoituksena on arvioida kolmen eri tulevaisuudennäkymän kautta, miten Suomen lakisääteisten eläkkeiden arvoa automaattisesti sopeuttava elinaikakerroin kehittyy vuoteen 2060 mennessä. Tutkielma vertailee myös pohjoismaisten vertailumaiden (Ruotsi ja Norja) eläkejärjestelmiä ja elinajanodotteeseen sidottujen lakisääteisten eläkkeiden automaattisia sopeuttamismekanismeja Suomen vastaaviin. Tutkielman kolme tarkastelumaata kuuluvat kaikki ns. pohjoismaisen hyvinvointimallin ryhmään. \n\nPohjoismaisen mallin kivijalat koostuvat asumisperusteisesta perusturvasta, oikeudesta julkisiin palveluihin ja toimeentuloturvaan sekä kattavista hyvinvointipalveluista. Euroopan väestö elää kuitenkin yhä pidempään eikä eläkkeellesiirtymisikä ole pidentynyt merkittävästi. Siksi eläkejärjestelmien kestävyys on tulevaisuudessa entistä kovemmalla koetuksella. \n\nMonissa Euroopan maissa eläkkeiden suuruutta onkin pyritty hillitsemään eliniänodotteen kasvun tahdissa. Niin Suomi, Ruotsi kuin Norjakin ovat siis ottaneet käyttöön eläkkeiden tasoa hillitsevät automaattiset mekanismit. Suomessa on käytössä elinaikakerroin, Ruotsissa laskennallinen tilijärjestelmä ja Norjassa jakoluku. \n\nSuomen eläkejärjestelmän automaattisena vakautusmekanismina on toiminut vuodesta 2010 alkaen niin sanottu elinaikakerroin. Kerroin lasketaan 62-vuotiaiden eliniänodotteen perusteella. Eläkettä määrättäessä kertynyt kuukausieläke kerrotaan elinaikakertoimella, joka on kasvavan eliniän oloissa alle 1. \n\nEläkejärjestelmien kestävyys on pinnalla mediassa, mutta faktatietoa Suomen elinaikakertoimesta tarjotaan niukalti. Tämä viittaa siihen, ettei elinaikakerrointa tunneta kummemmin. Tässä tutkielmassa pyritään lisäämään elinaikakertoimen tunnettavuutta.
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 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.030 | 0.012 |
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".