Koetun elämänlaadun alueelliset erot ja Suomen sisäinen muuttoliike : Siirtolaisuusinstituutin alueellisen elämänlaatu- ja muuttokyselyn keskeiset havainnot
Bibliographic record
Abstract
Minkälaiselta Suomen alueellinen maantiede näyttäytyy, jos sitä ei tarkastele perinteisten aluekehitysmittarien valossa, vaan koetun elämänlaadun näkökulmasta? Mikä yksilötason vaikutus maan sisäisellä muutolla on muuttajan koettuun elämänlaatuun? Siirtolaisuusinstituutin alueellinen elämänlaatu- ja muuttokysely täyttää tätä tietämyksen aukkoa. Kyselyyn otti osaa yli neljätuhatta suomalaista, joista reilu tuhat oli kyselyä edeltäneen kahden vuoden aikana muuttanut maakunnasta toiseen. Aineiston mukaan koetun elämänlaadun ja taloudellisen kehityksen maantieteelliset alueet eroavat Suomessa toisistaan. Suuret, vauraat ja dynaamiset kasvukeskukset eivät kykene tuottamaan asukkailleen korkeinta mahdollista elämänlaatua. Sen sijaan koettu elämänlaatu on korkeampaa maaseutuvaltaisilla alueilla ja pienemmillä paikkakunnilla. Muuttamalla kyetään parantamaan omaa elämänlaatua, oli muuton suunta mikä tahansa. Koetun elämänlaadun positiivinen muutos oli merkittävintä niillä muuttajilla, jotka muuttivat suuremmalta seudulta pienemmälle, joskin myös vastakkaiseen suuntaan muuttaneilla elämänlaatu koheni enemmän kuin heillä, jotka eivät muuttaneet.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.080 | 0.030 |
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".