Vaikuttaako korruptio Suomen talouden kehitykseen?
Bibliographic record
Abstract
Suomi on jo pitkään komeillut kansainvälisten tilastojen kärjessä lähes korruptiosta vapaana maana, mutta vastoin yleistä käsitystä myös Suomessa on korruptiota. Suomessa korruptio ei niinkään ole katutasolla tapahtuvaa lahjontaa, vaan se on rakenteellista korruptiota, jossa käytetään hyväksi yhteiskunnan rakenteista löydettäviä porsaanreikiä. Huolenaihetta ovat erityisesti herättäneet Suomessa toimivat epäviralliset verkostot, joita kutsutaan hyvä veli -verkostoiksi. \n \nTutkimusten mukaan korruptio on haitallista yhteiskunnalle monella eri tapaa, mutta korruption vaikutuksista talouden kehitykseen ei ole vielä päästy yhteisymmärrykseen. Toisaalta sen nähdään vaikuttavan siihen positiivisesti, toisaalta negatiivisesti. Tässä tutkimuksessa korruption vaikutusta talouden kehitykseen tarkastellaan erityisesti ylijäämäntavoittelun (engl. rent-seeking) teorian näkökulmasta. Sen mukaan korruptio on haitallista talouden kehitykselle etenkin pitkällä aikavälillä, sillä korruptio rajoittaa kilpailua, kasvattaa julkisen sektorin kokoa, vähentää yksityistä investointia ja innovointia sekä lisää eriarvoisuutta. Korruption on myös todettu heikentävän instituutioiden luotettavuutta. Mutta vaikuttaako korruptio myös Suomessa talouden kehitykseen? \n \nTällä tutkimuksella pyritään vastaamaan edellä esitettyyn kysymykseen korruption suhteesta talouden kehitykseen Suomessa. Tutkimuksen aineisto kerättiin teemahaastattelujen muodossa eli tutkimus toteutettiin laadullisena. Laadullinen tutkimusmenetelmä valittiin tutkimukseen kahdesta eri syystä: Suomessa esiintyvästä korruptiosta ei ole saatavilla riittävästi määrällistä aineistoa ja tutkimuksella haluttiin ymmärtää syvemmin korruption suhde talouden kehitykseen Suomessa. \n \nTutkimuksen johtopäätöksenä todettiin, että myös Suomessa korruptio vaikuttaa talouden kehitykseen. Tällä hetkellä korruptio ei kuitenkaan uhkaa talouden kehitystä Suomessa merkittävästi, mutta tulevaisuudessa se voi kuitenkin muodostua suuremmaksikin uhaksi, jos ongelmaan ei puututa ajoissa. Korruptiota tulisikin torjua jo hyvissä ajoin.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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".