Sirvi Autor "Habanen, Anette" järgi

Nüüd näidatakse 1 - 2 2

Aine “Sissejuhatus erialasse” organisatoorsete tegevuste automatiseerimine ja õpikogemuse analüüs
(Tartu Ülikool, 2023) Habanen, Anette; Paales, Mirjam, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Bakalaureusetöö käigus valmisid õppeaine “Sissejuhatus erialasse” jaoks skriptid, mis muudavad õppejõudude ja seminarijuhendajate jaoks organisatoorsed tegevused kiiremaks ja automatiseeritavaks. Nende skriptidega luuakse failid, mille põhjal saab märkida Moodle’is tudengite kohalolekut, anda tudengitele ülesannete eest punkte, jagada tudengeid gruppidesse ning analüüsida tudengite tagasisidet. Lisaks sellele uuriti tudengite õpikogemust esimesel semestril. Leiti, et aines läbiviidavatel loengutel, seminaridel ja igapäevase enesejuhtimise ülesandel on positiivne seos aines saadava lõpppunktisummaga. Samuti leidub seos loengus osalemise ning lõputesti eest saadud punktide vahel. Lisaks avastati, et meeleolu ja energia tase ei mõjuta tudengi loengus osalemist. Jälgiti ka tudengite sõprade arvu, mis semestri lõikes pigem tõusis või jäi samaks. Kuna informaatika valdkonnas on naisi vähem, siis uuriti eraldi ka nende õpitulemusi ja -kogemust. Täpsemalt leiti, et selles õppeaines on naistudengite lõpppunktisumma meestest kõrgem ning naiste kuuluvustunne on meeste omaga sama.
Deepfakes for Paper Vote Privacy Defence
(Tartu Ülikool, 2025) Habanen, Anette; Villemson, Jan, juhendaja; Laur, Sven, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
The recent rise of artificial intelligence (AI) solutions has also had a significant impact on electoral processes. Most notably, deepfakes created by generative AI applications can (and have been) used to spread misinformation during the campaigns, but they can also be used for cyberattack automation, biased social media bots, etc. This thesis instead presents a positive use case for generative AI in manipulating video material required as proof of voting by potential coercers. For this, I have created a pipeline that takes a video of a voting ballot and replaces its critical content (in our case, the digits on the ballot). To achieve this, a YOLO model is used to find the digits, a WavePaint image inpainting model is used to cover up the old digits, and a separate image of the new digits is used to place it into the video. Additionally, I have implemented the prototype application in the form of a webpage.