Yhteiskunnallinen yritys innovatiivisessa arvonluonnissa
Bibliographic record
Abstract
Yhteiskunnalliset yritykset ovat vielä suhteellisen uusi ja tuntematon ilmiö Suomessa. Maailmalla yhteiskunnalliset yritykset on nähty ratkaisuna yhteiskunnan ”ilkeisiin” ongelmiin, kuten työttömyyteen, syrjäytymiseen tai ympäristöongelmiin. Yhteiskunnallinen yritys on laajempi käsite kuin Suomen lainsäädännössä määritelty sosiaalinen yritys, joka kohdistuu sosiaaliseen työllistämiseen. Yhteiskunnallisen yrittämisen ilmiön alkuperästä ja käsitteen määrittelystä on olemassa eri näkemyksiä. Yhteiskunnallinen yritys on 2000-luvun käsite, mutta ilmiön juuret ovat pidemmällä ajassa. \nTämä LUT-yliopiston raportti pohjautuu ”Yhteiskunnallinen yrittäjyys innovatiivisessa arvonluonnissa” -projektissa (SOCENT, 2013–2014) tehtyyn tutkimukseen. Projekti oli Tekesin rahoittama ja sen toteuttivat LUT:n kauppatieteellisen ja tuotantotalouden tiedekunnan tutkijat Lappeenrannasta ja Lahdesta. SOCENT-projektin tavoitteena oli lisätä ymmärrystä yhteiskunnallisen yrittäjyyden toimintaympäristöstä ja erityispiirteistä eri tasoilla, tarjota osallistavaa innovaatiotukea yhteiskunnallisille yrityksille sekä tuoda panos yhteiskunnallisissa yrityksissä ja niiden työntekijöissä piilevän käyttämättömän tai alihyödynnetyn aineettoman pääoman kehittämisen ja hyödyntämisen tukemiseen tähtäävien politiikkojen ja strategioiden suunnitteluun.
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 | 0.008 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.064 | 0.020 |
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".