Bibliographic record
Abstract
Parlamendisaadikute poolt algatatud seaduseelnõud moodustavad parlamentaarsetes demokraatiates reeglina kogu seadusloomest väikese osa. Enamikes sellistes süsteemides domineerivad seadusandluses seadusandliku võimu üle tegelikult valitsuse algatatud eelnõud. Sellest hoolimata on saadikud üsna aktiivsed eelnõude esitajad. Antud uuringus on vaatluse all Eestis 1999-2007 esitatud 328 ja Soomes 2003-2007 esitatud 665 sellist eelnõud. Eesti puhul võeti antud perioodil seadustena vastu 37.9% ja Soomes 4.5% neist eelnõudest. Seega esineb selge vastuolu madala edukuse ja suure algatamise sageduse vahel. Nende numbrite taustal tekib küsimus miks saadikud nii ebaratsionaalselt käituvad ja kulutavad oma aega eelnõude esitamiseks, mis suure tõenäosusega kunagi midagi reaalselt reguleerima ei hakka, sest need kas hääletatakse maha või jäävad toppama menetlusprotsessi teatud faasi ja aeguvad koos parlamendikoosseisu ametiaja lõpuga. Doktoritöö sisuks on saadikute esitatud eelnõude esitamise, sisu ja menetluse põhjalikum vaatlemine ja statistiline analüüs, mille abil püütakse anda vastus nii antud vastuolule käitumises kui ka hinnata selle võimalikke tagajärgi eelnõude sisule ja menetlemisele täiskogus. Põhiline seletav mehhanism mille kehtivust testitakse on personaalse hääle soodustamine valimissüsteemi poolt, mis motiveerib poliitikuid individualistlikult käituma tagasivalimise tõenäosuse suurendamiseks. Personaalse hääle efekt ilmnes selgelt esitamise puhul ehk saadikud kelle valimisel on see suurema tähtsusega on aktiivsemad saadikute eelnõude esitajad Eelnõude enda sisu ja hilisem menetlusprotsess sõltub aga reeglina algataja kuulumisest kas koalitsiooni või opositsiooni ridadesse. Valimissüsteemi sisene variatsioon seega struktureerib käitumist eelnõude esitamise sagedus näol, samas ei ole efektid nii tugevad, et avaldaksid mõju seadusloome etappides, mis järgnevad eelnõude esitamisele.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.083 | 0.025 |
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".