Kasvisruokaa kuntiin – miten kasvisruuan kulutusta edistetään osana kuntien ilmastotavoitteita?
Bibliographic record
Abstract
Ruuantuotanto on globaalisti yksi suurimmista kasvihuonekaasujen aiheuttajista. Erityisen paljon ilmastopäästöjä aiheutuu eläintuotannosta. Keskiverto suomalainen voisi pienentää ruokailunsa aiheuttamia ilmastopäästöjä yli kolmanneksella, mikäli eläinperäisten tuotteiden kulutusta vähennettäisiin selvästi. Suomen 50 suurimman kunnan päästöt kattavat noin kolmanneksen Suomen kaikista ilmastopäästöistä. Kuntien päästövähennystavoitteet ovat oleellisessa osassa Suomen vuoteen 2035 asetettua hiilineutraaliustavoitetta. Työn tavoitteena oli löytää vaikuttavia keinoja edistää kasvisruokailua osana kuntien ilmastotoimenpiteitä. Erityistarkastelussa oli julkinen ruokailu ja sen ilmastokuormituksen vähentäminen. Työssä kartoitettiin keinoja, joita kunnilla on jo nyt käytössä sekä selvitettiin, mitä keinoja voisi käyttää tehokkaammin. Kehittämisosuudessa luotiin politiikkasuositukset, joita seuraamalla kuntapäättäjät voivat aiempaa tehokkaammin edistää kasvisruokailua osana kuntien ilmastotavoitteiden saavuttamista. Työ alkoi kasvisruuan kulukseen ja tarjontaan vaikuttavien tekijöiden kartoituksella. Tämän jälkeen haastateltiin muutamien kuntien keskeisiä näihin päätöksiin vaikuttaneita (kuntapäättäjät) sekä niitä toteuttaneita henkilöitä (ruokapalveluiden työntekijät). Haastateltujen vastaukset analysoitiin laadullisen tutkimuksen menetelmin ja niitä käytettiin kehittämisosuudessa yhdessä teoriatiedon kanssa politiikkasuositusten rakentamiseen. Tuloksissa on havaittavissa, että kasvisruuan lisäämistä kunnissa ei käytetä vielä täydessä potentiaalissaan. Erityisen iso puute on jo siinä, että ruokailun päästöjä ei monenkaan kunnan päästölaskennoissa huomioida, jolloin kannustimet ruokailun ilmastopäästöjen vähentämiselle eivät ole riittäviä. Kehittämistä löytyi myös muun muassa erilaisten tuuppauskeinojen hyödyntämisestä, reseptiikan kehittämisestä ja yhteistyön lisäämisestä. Työ toteutettiin Animalia ry:n toimeksiannosta.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.061 | 0.024 |
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".