Kotimaisen elokuva-alan rakenteet ympäristövastuullisuuden edessä
Bibliographic record
Abstract
Tämä taiteen opinnäytetyö käsittelee kotimaisen elokuva-alan rakenteita suhteessa ympäristövastuullisiin tuotantotapoihin. Työ pyrkii vastamaan kysymykseen siitä, miksi ekologisten tuotantojen tekeminen Suomessa on yhä haastavaa, vaikka käytännön tapoja päästövähennyksiin on olemassa. Työ pohjautuu pitkälti alan julkaisuihin ja tutkimuksiin maailmalta sekä omiin kokemuksiini kotimaiselta työkentältä viime vuosien ajalta. Työ valottaa joitakin niitä käytännön keinoja, joita ala on ottanut käyttöönsä viimevuosina siirtyessään ekologisemman tuotantomuodon äärelle, kuten päästölasku-reiden ja ekokoordinaattorien käyttöä ja ennen kaikkea purkaa niitä rakenteita, jotka ovat tämän toivotun kehityksen tiellä. Näihin esteisiin lukeutuu muun muassa luotettavan ja tasavertaisen datan keräys ja toisaalta puute, sekä Suomen hajanainen työkulttuuri, vapaaehtoisuuteen perustuva kestävyysajattelu sekä vihreään tuotantoon tähtäävän rahoituksen pula ja kansainvälisten yhteistuotantojen rahoitusmalli. Työ purkaa lyhyesti myös Suomen elokuvasäätiön vuoden 2020 ekokyselyn tuloksia ja heijastelee niitä alan todelliseen työkulttuuriin ja tahtotilaan. Lisäksi työ käsittelee ekologisuutta ja kestävän kehityksen ideologiaa teoreettisella tasolla suhteessa taiteen tekemiseen, koulutukseen ja toivottuun av-alan kasvuun. \n \n \nTyön tuloksena alasta rakentuu kokonaiskuva, jossa edelleen ympäristötoimien sisällyttäminen tuotantoihin, saatikka koko alalle, on sekavaa ja epämääräistä. Tahtotilaa teoriassa on, mutta toiminnan sijaan se jää useimmiten ainoastaan suunnitelmien ja puheiden tasolle. Pienellä alallamme on vaikutusvaltaa, mutta sen hyödyntäminen on vaikeaa, kun yhteistä säätelyä ei ole olemassa. Samaan aikaan kilpailemme pienistä resursseista ja tuotantoyhtiöille ei ole kannattavaa priorisoida vihreämpää tuotantomallia ilman, että yhtiöiden tuottavuus tai sisällön laatu vaarantuisivat. Kun suoraa taloudellista hyötyä tai edes jonkinasteista kannattavuutta ei ole tarjolla, siirtyvät teot sanoiksi ja vastuu vieritetään yrityksiltä yksilöille. Alallamme tuntuu olevan huutava pula selkeästä ohjeistuksesta, joka määrittäisi miten toimia kestävän kehityksen mukaisesti, miten se rahoitetaan ja miten se pystytään kääntämään alan sisäiseksi standardiksi, joka sitoisi kaikkia mukanaolevia osapuolia
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) | 0.003 | 0.004 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.005 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.043 | 0.394 |
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".