Asiasana: Tietojenkäsittelytiede

Tämä sivu kokoaa asiasanaan liittyviä sisältöjä.

Pelitutkimuksella olisi paljon annettavaa kuoleman lähestymiseen (Väitös: FM Tomi Suovuo, 22.6.2022, tietojenkäsittelytiede)

Nousussa oleva pelitutkimus tutkii kysymystä siitä, mitä pelit ovat. Digitaalisista sovelluksista esimerkiksi ns. todellisuusoppaista osa on selkeästi pelejä ja osa ei. Moni pelikehitystyökalu olisi kuitenkin tehokkaasti hyödynnettävissä minkä tahansa todellisuusoppaan käytettävyyden ja käyttökokemuksen kehittämiseen.

Tekoäly mahdollistaa tulevaisuuden tehokkaammat raskaudenaikaiset seulontaohjelmat (Väitös: FM Aki Koivu, 1.4.2022, tietojenkäsittelytiede)

Neuroverkkopohjaiset tekoälymallit ovat saavuttaneet riittävän kehitysasteen, että niiden hyödyntäminen raskaudenaikaisessa seulontakäytössä on mahdollista. FM Aki Koivu arvioi väitöskirjassaan näiden mallien soveltuvuutta raskauden haitallisten lopputulemien ennustamiseen, jokaisen asianomaisen näkökulmasta.

Luotettavampia proteiinimäärien mittauksia ja parempia löydöksiä laskennallisten työkalujen avulla (Väitös: FM Tommi Välikangas, 11.2.2022, tietojenkäsittelytiede)

Massaspektrometriaan (MS) pohjautuva proteiinien tunnistus ja mittaus, proteomiikka, on kehittynyt tehokkaaksi työkaluksi, jota hyödynnetään niin biologisessa kuin lääketieteellisessäkin tutkimuksessa. FM Tommi Välikangas vertaili väitöskirjassaan kattavasti MS-datan käsittelyn eri vaiheisiin liittyviä ohjelmallisia työkaluja.

Väittelijä kehitti uusia ääneneristävyyden mittalukuja koetun häiritsevyyden avulla (Väitös: FM Petra Virjonen, 27.8.2021, tietojenkäsittelytiede)

Rakenteiden ääneneristävyyskykyä kuvataan yleensä yksittäisellä luvulla, jota verrataan rakentamismääräyksen mukaiseen tavoitearvoon. FM Petra Virjosen väitöskirjatutkimuksessa kehitettiin uusia ääneneristävyyden mittalukuja, jotka vastaavat nykyisiä mittalukuja paremmin ihmisen kokemusta rakenteen ääneneristävyydestä tavallisilla elinympäristön äänillä.

Koneoppimisella tarkkoja ennustuksia myös sensuroiduissa datajoukoissa (Väitös: FM Markus Viljanen, 5.5.2021, tietojenkäsittelytiede)

Koneoppiminen on yksi tekoälyn menestyneistä osa-alueista, jolle on löydetty monia käytännön sovelluskohteita. Turun yliopistossa väittelevän Markus Viljasen väitöstutkimus ratkaisee sensuroidun datan ongelman tietyillä koneoppimisen sovellusalueilla määrittelemällä parittaiseen dataan perustuvia matemaattisia malleja, joiden avulla koneoppimista voidaan soveltaa ennustustehtävään. Uusilla menetelmillä ennustuksia voidaan tuottaa reaaliajassa.

Matematiikan oppimistulokset nousuun sähköisten tehtävien avulla (Väitös: FM, KM Einari Kurvinen, 11.12.2020, didaktinen tietotekniikka)

FM, KM Einari Kurvinen tutki väitöskirjatyössään opettajien kanssa tiiviissä yhteistyössä kehitettyä matematiikan sähköistä opintopolkua ViLLE-oppimisympäristössä. Tutkimuksen mukaan viikoittainen yhden tunnin matematiikan harjoittelu sähköisessä ympäristössä parantaa oppilaiden oppimistuloksia merkittävästi. Tuloksien avulla voidaan kehittää oppimisanalytiikan ekosysteemiä.