Vakoilu: tunnusmerkistön tarkastelu
Bibliographic record
Abstract
Vakoilu on kaikille tuttu terminä, mutta kuinka moni tosiasiassa tietää minkälaisiin asioihin vakoilu liittyy? Liittyykö oikeassa elämässä tapahtuvaan vakoiluun samanlaista jännitystä kuin mitä viihdeteollisuus antaa meidän ymmärtää. \n \nTämän oikeustieteellisen opinnäytetyön aiheena on rikoslain 12 luvun 5 § vakoilun tunnusmerkistö. Tutkimuksen tarkoituksena on ollut selvittää oikeusdogmaattisen eli lainopillisen menetelmän avulla, miten vakoilun tunnusmerkistö täyttyy nykyisen lainsäädännön mukaisesti sekä miten luvaton tiedustelutoiminnan tunnusmerkistö täyttyy ja miten nämä kaksi säännöstä eroavat toisistaan. \n \nTämän lisäksi opinnäytetyössä on tarkasteltu vakoilua ilmiönä, milloin henkilö syyllistyy vakoiluun sekä miten vakoilurikosten tutkinta eroaa tavanomaisesta esitutkintaprosessista. \n \nTutkimusaineistona opinnäytetyössä on käytetty lainsäädäntöä, lain esitöitä, oikeuskirjallisuutta, aiheeseen liittyvää kirjallisuutta, hovioikeuden ja käräjäoikeuden ratkaisuja. Vakoilun tunnusmerkistö edellyttää, että hankitaan, välitetään, luovutetaan tai ilmaistaan tietoa tarkoituksena hyödyttää vierasta valtioita tai aiheuttaa vahinkoa Suomelle. Tunnusmerkistön täyttyminen edellyttää, että tieto on sellaista, joka pitää sisällään seikkoja liittyen Suomen maanpuolustusta tai poikkeuksellisia oloihin varautumisesta, Suomen ulkomaansuhteista, valtiontaloudesta, ulkomaankaupasta tai energiahuollosta taikka muusta näihin rinnastettavasta Suomen turvallisuuden vaikuttavasta seikasta. Tunnusmerkistön edellytyksenä on, että tiedon tuleminen vieraan valtion tietoon voi aiheuttaa vahinkoa Suomen maanpuolustukselle, turvallisuudelle, ulkomaansuhteille tai kansantaloudelle.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.139 | 0.049 |
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".