Concentration of Daily Newspaper Ownership in Finland
Bibliographic record
Abstract
Tämän diplomityön tarkoituksena oli tutkia suomalaisten päivälehtien omistuksen keskittymistä vuosina 2011–2021. Lisäksi tutkimuksessa selvitettiin omistuksen keskittymisen syitä ja seurauksia. Työn kirjallisuuskatsauksessa kartoitettiin ensin suomalaisen sanomalehtialan historiaa ja nykytilannetta. Osiossa tehtiin myös katsaus eri mediajärjestelmiin sekä lehdistöön Ruotsissa ja Yhdysvalloissa. Sen jälkeen kirjallisuuskatsauksessa selvitettiin omistuksen keskittymiseen johtavia syitä ja keskittymisen mahdollisia seurauksia. Tutkimuksen empiirinen aineisto kerättiin Uutismedian liiton julkaiseman Suomen Lehdistö -lehden vuosittaisista tilastonumeroista. Keskittymistä arvioitiin alan tutkimuksessa yleisesti käytetyillä mittareilla. Lehtitalojen markkinaosuuksia mitattiin kolmella muuttujalla: levikillä, nettomyynnillä ja nimikemäärällä. Puuttuvia levikkilukuja estimoitiin niiden aikaisemman kehityksen perusteella. Syyt keskittymisen taustalla ovat pääasiassa taloudellisia. Digitalisaatio on muuttanut lehdistön toimintaympäristöä ja toisaalta kilpailu muiden median muotojen kanssa on kiristynyt. Keskittyminen uhkaa erityisesti lehdistön monimuotoisuutta, mutta yksiselitteistä näyttöä lehtien laadun heikkenemisestä ei ole. Suomalaisten päivälehtien omistus on keskittynyt tarkastelujaksolla lähes kaikkien tutkimuksessa käytettyjen mittarien perusteella. Erityisen voimakasta keskittyminen oli vuosina 2018–2021. Vuonna 2021 kaksi suurinta toimijaa hallitsivat yhdessä yli puolta Suomen päivälehtimarkkinasta.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".