Majority co-productions between Finland and Baltic countries: Baltic attraction factors as a co-production country, and the impact of co-production on the regional film industry
Bibliographic record
Abstract
Tämä opinnäytetyö tarkastelee Suomen ja Baltian välisiä enemmistöyhteistuotantoja. Elokuvatuotantojen toteuttaminen kansainvälisinä yhteistuotantoina on yleistynyt. Tähän vaikuttavat kotimaan rahoituksen määrä, erilaiset yhteistuotantoja tukevat rahoitusmallit sekä budjettisäästöt. Baltian maat ovat vetovoimaisia suomalaisille tuotannoille houkuttelevien rahoitusinstrumenttien, kokeneiden ammattilaisten, sekä matalamman hinta - ja palkkatason vuoksi. Yhteistuotannot vaikuttavat maiden elokuvateollisuuden kehittymiseen. Haasteena suomalaisen elokuva-alan näkökulmasta on työpaikkojen katoaminen, ja suomalaisen vastuullisuusvaatimusten noudattaminen, kun palkkauksen hoitaa kolmas osapuoli. Baltian maiden näkökulmasta haasteena on kansainvälisten tuotantojen nostama hintataso, työntekijöiden kysynnän kohdistuminen vain tietyille osastoille, sekä omien kansallisten aiheiden tuotantoon pääsyn haastavuus kansainvälisten toimijoiden kanssa kilpailtaessa. Yhteistuotannot ovat pienempien elokuvamarkkinoiden toiminnan edellytys. Ne mahdollistavat ylikansallisten rahoitusinstumenttien hyödyntämisen, laajemman levityksen, sekä mahdollisuuden kulttuuriseen yhteistyöhön. Opinnäytteessäni tutkin, miten yhteistuotantojen hyödyt saataisiin Suomen ja Baltian välisessä yhteistyössä parhaiten esiin, ja miten voisimme minimoida haittavaikutuksia. Tutkimus toteutettiin tilastojen, kirjallisten lähteiden ja verkkolähteiden avulla. Työn tavoitteena on esitellä Suomen ja Baltian välisten tuotantojen keskeisiä syitä, havainnoida kansainvälisten yhteistuotantojen paikallisia vaikutuksia, ja kulutukseen perustuvien rahoitusmallien laajempaa merkitystä elokuvateollisuuden muovaajana.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
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".