Siirtymät ja kansalaisuus kansainvälisen liikkuvuuden maailmassa
Bibliographic record
Abstract
Yksi keskeinen aikakautemme piirre on lisääntyvä työvoiman liikkuvuus sekä liikkuvuuden vaatimukset niin kansallisesti kuin kansainvälisestikin. EU-jäsenyyden jälkeen ulkomaille on muuttanut noin 47 000 korkeasti koulutettua Suomen kansalaista. Paluumuuttaneita, korkeakoulututkinnon suorittaneita Suomen kansalaisia on tällä ajanjaksolla ollut hieman vähemmän, 32 000. Työvoiman vapaata liikkuvuutta Euroopassa on perusteltu erityisesti taloudellisilla syillä; työmarkkinoiden joustavuuden parantamisella ja korkeammalla tuottavuudella. Vapaa liikkuvuus ja työmarkkinoiden joustavuuden kasvu nähdään Euroopan kilpailuvaltteina. Tässä julkaisussa podimme erilaisia työmarkkinoiden siirtymiä ja joustavuusilmiöitä, niiden ilmenemismuotoja ja eritasoisia merkityksiä. Spatiaalinen kansalaisuus Euroopan työmarkkinoilla -hanke kokosi yhteen yhteiskuntatieteiden ja oikeustieteiden tutkijoita tarkastelemaan rajat ylittävää liikkuvuutta sekä sen vaikutusta työelämään, työntekijöiden oikeuksiin sekä ulkomailla työskentelevien ihmisten elämänpiiriin. Hanke oli osa Suomen Akatemian Työn ja hyvinvoinnin tulevaisuus -tutkimusohjelmaa (WORK 2008–2011). Tutkimushankkeessa paneuduttiin hyvinvoinnin, työn ja muiden elämänpiirien muuttuviin suhteisiin tarkastelemalla kolmea työn perässä liikkuvaa ryhmää: Suomesta töitä hakevia maahanmuuttajia, korkeasti koulutettuja suomalaisia, jotka muuttavat Euroopan Unionin sisällä sekä Intiaan työkomennukselle lähetettyjä, etuoikeutettuja muuttajia.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.115 | 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".