Bibliographic record
Abstract
Tämän opinnäytetyön tarkoitus on selventää, millaista on vastuullinen tuonti vaatealalla sekä selvittää sen tulevaisuuden näkymiä Suomessa. Tämä opinnäytetyö on laadullinen tutkimus, jossa aineistoa saadaan teorian avulla sekä yritysten teemahaastatteluista. Opinnäytetyön teoriaosuudessa tarkastellaan yleisesti yrityksen vastuullisuutta sekä tuontia. Tällä opinnäytetyöllä ei ole toimeksiantajaa. Työn empiirisessä osassa on eri yrityksien teemahaastatteluita. Haastatteluita ovat antaneet Eetti ry:n vastuullisuusasiantuntija, Suomen Muoti ja Tekstiili ry:n vastuullisuuden ja kiertotalouden asiantuntija, S-ryhmän vastuullisuuspäällikkö, M.A.S.I Company:n tuotekehitysjohtaja sekä kaksi muuta vaatealan yritystä, jotka ovat halunneet pysyä anonyymeina. Haastatteluissa järjestöiltä Eetti ry ja Suomen Muoti ja Tekstiili ry on kysytty näkökulmia yleisesti Suomen vaatealan yritysten kannalta, kun taas muilta yrityksiltä haastattelussa kysymykset on esitetty heidän omasta näkökulmasta. Tulosten arviointi pohjautuu teemahaastattelujen tuloksiin sekä pohdintaan. Opinnäytetyön teoriaosuus tukee teemahaastattelujen tuloksia. Työn tutkimuskysymyksiin saatiin vastauksia ja tavoitteet saavutettiin. Tulokset tuovat ilmi erilaisia haasteista, joita vastuullisuudessa kohdataan muun muassa etäisyys Suomeen, yritysten läpinäkyvyys ja toimittajien valvominen. Tämän opinnäytetyön tavoitteena on selventää vaatealan yritysten vastuullisuutta tuonnissa. Opinnäytetyö toimii hyvänä tietopankkina aiheesta kiinnostuneille sekä yrityksille, joilla on aikeena lisätä omaa vastuullisuuttaan vaatteidensa maahantuonnissa. Opinnäytetyö sisältää asioita, joita yritysten tulee pitää mielessä omassa vastuullisuudessaan maahantuonnin osalta.
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) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.168 | 0.052 |
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".