Sirvi Autor "Kangur, Uku, juhendaja" järgi

Nüüd näidatakse 1 - 9 9

CircularCheck: A Tool for Detecting Circular Reporting
(Tartu Ülikool, 2025) Kaljuste, Kasper; Kangur, Uku, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
In the modern information landscape, the speed with which news is spread has reached unprecedented levels. This poses significant challenges in ensuring the accuracy and independence of information. Circular reporting is a situation where a piece of information appears to come from multiple independent sources, but in reality comes from only one source. Such practices can be intentional or accidental and contribute to the spread of false information by creating an illusion of corroboration. While circular reporting has been studied in intelligence and scientific literature, its detection in journalism, particularly in a small media ecosystem like Estonia, has received little attention. This thesis addresses the problem of detecting circular reporting in Estonian online news media. We present a system that detects circular reporting by building reference hierarchies and comparing article content across ERR, Delfi, and Postimees. Here we show that using a combination of link-based and text-based methods, it is possible to flag suspicious reference patterns for manual validation. The results show that 47 positive cases were detected by link analysis and 4 by text similarity. Self-referencing structures were the most reliable. These results reveal that although circular reporting is not widespread, it does occur and can be identified with relatively simple heuristics. The system does not attempt to verify the truthfulness of the information but instead focuses on tracing the propagation of references. This allows researchers and journalists to better assess the credibility and independence of sources. In a broader context, the results offer a framework that can be adapted to other media ecosystems and help improve media transparency.
Comparison of toxicity among female and male active politicians in social media
(Tartu Ülikool, 2024) Nesipoglu, Devrim; Kangur, Uku, juhendaja; Sharma, Rajesh, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Toksilisuse analüüs sotsiaalmeedias on vaenu õhutava käitumise ja diskursuse mõistmisel kriitilise tähtsusega. Selle magistritöö eesmärk on võrrelda toksilisuse taset internetipõhises sotsiaalmeedia diskursuses aktiivsete Ameerika mees- ja naispoliitikute näitel. Uuringus kasutatakse mitmekülgset masinõppe lähenemist ja loomuliku keele töötlemise (NLP) tehnikaid. Töös mõõdetakse poliitikute postituste ja kommentaaride sentimenti ning kasutatakse toksilisuse tuvastamise mudeleid, mis klassifitseerivad teksti toksiliseks või mittetoksiliseks. Lisaks eraldatakse andmed meeste ja naiste kategooriatesse, võimaldades soopõhist toksilisuse võrdlust. Seejärel rakendatakse statistilist analüüsi, et hinnata ja võrrelda kahe rühma toksilisuse tasemeid, valgustades võimalikke soopõhiseid erinevusi veebidiskursuses. Tulemuste visualiseerimise ja tõlgendamise kaudu soovime aidata mõista toksilisuse mustreid sotsiaalmeedias poliitilise kommunikatsiooni ja soolise dünaamika osas.
Cross-Lingual Misinformation Detection: Aligning English and Estonian Fake Health News
(Tartu Ülikool, 2024) Merila, Li; Kangur, Uku, juhendaja; Chakraborty, Roshni, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Tervisealane väärinfo kujutab endast märkimisväärset ohtu, kuna see õõnestab usaldust teaduse vastu ja vähendab allumist riiklikele tervisemeetmetele, vähendades seeläbi ühiskonna vastupanuvõimet ennetatavatele haigustele. Käesolev magistritöö keskendub eesti keeles esinevate vale terviseuudiste tuvastamisele, kasutades selleks inglisekeelseid valeuudiste andmestikke. Põhieesmärk on välja töötada usaldusväärne süsteem eesti keeles terviseuudiste tõeväärtuse määramiseks, panustades seeläbi väheuuritud teadusvaldkonda. Loodud meetod, Cross-Lingual Alignment and Confident Prediction Sampling (CAPS), kasutab kahefaasilist hübriidmeetodit, mis hõlmab semantilise sarnasuse mõõtmist artiklite vahel, käsitsi märgendamist, klassifitseerimist masinõppe meetoditega ning usaldusväärsete ennustuste kogumist. Need tehnikad aitasid luua tavatu eestikeelse määratud tõeväärtusega terviseuudiste andmestiku.
Eesti tutvumiskuulutuste analüüs Nelli Teataja näitel
(Tartu Ülikool, 2025) Jaanson, David; Kangur, Uku, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
This bachelor's thesis explores personal advertisements published in Estonian newspapers through a cultural and social analytical lens. The aim of the study is to construct a structured dataset based on dating ads from Nelli Teataja and to examine demographic, character-based, and value-driven patterns within them. Data collection and processing were conducted using natural language processing, machine learning techniques, and statistical analysis. The research focuses on identifying the gender, age, location, partner preferences, and personality traits mentioned by ad authors. Frequently highlighted traits include free, kind, slim, calm, and athletic. The findings indicate that most advertisers are older individuals whose preferences reflect distinct social and cultural values. The analysis also reveals regional and gender-based differences in dating behavior.
Freedom House'i demokraatia indeksi ühtsuse analüüs BERT keelemudeliga
(Tartu Ülikool, 2024) Kostabi, Karl Hans; Vits, Kristel, juhendaja; Kangur, Uku, juhendaja; Tartu Ülikool. Sotsiaalteaduste valdkond; Tartu Ülikool. Johan Skytte poliitikauuringute instituut
This research examines Freedom House’s democracy index, Freedom in the World (FITW). Academic literature has shown, that there are a lot of problems with academic literature. They have found to be biased and to have poor aggregation rules. The study investigates FITW using a machine learning-trained BERT language model, exploring how machine learning has been utilized in social sciences and its potential for further applications. BERT is used to create embeddings, that a vectorial representation of texts. Embeddings allow for a qualitative examination of the any texts. Since FITW index uses descriptive texts, these descriptive texts can be examined. Hence, this research examined, how FITW descriptions are tied to their scores. A hypothesis was created, that descriptive texts, that are most similar to one another, are also the ones with the highest scores. The empirical findings demonstrate, that texts and score are indeed linked. This was done through creating a score difference index for all questions. Next, the score difference between the top 1% most similar texts was done. Through this it was shown that the score and texts are most strongly linked, when the score are high, and linked the weakest, when the scores are low. T-SNE method was used to show embeddings in 2-d projections. Through this the score were also proven to be linked visually. Visualizations were also used to show, that texts from the same regions of the world cluster together. Further geographical analysis revealed, that countries generally cluster according to their geographical locations, especially in the Americas and Europe. Overall, the study concludes that FITW descriptions strongly correlate with high scores but weaken as scores decrease. Geographically, FITW descriptions are most consistent in the Americas and Europe, while the index is less uniform in Africa.
Political Stance Detection in Estonian News Media
(Tartu Ülikool, 2024) Lüüsi, Lauri; Kangur, Uku, juhendaja; Chakraborty, Roshni, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Veebiuudiste hulk on kasvamas, mistõttu on üha olulisem kontrollida, et meedias avaldatud teave oleks esitatud õiglaselt ja kallutamata. Käesoleva töö eesmärk on katsetada ja tuvastada tunnuseid, mis osutavad poliitilistele hoiakutele Eesti uudistekstides. Töös kirjeldatakse poliitiliste hoiakute tuvastamise tähtsust ja tutvustatakse varasemaid uurimistöid ning lähenemisviise. Analüüsitakse ka ingliskeelsetele tekstidele kohandatuid tunnuseid ning pakutakse välja uusi tunnuseid poliitiliste hoiakute tuvastamiseks Eesti uudistekstidest.
Studying bias in Twitter (X) Community Notes
(Tartu Ülikool, 2024) Kuuse, Simon Fox; Kangur, Uku, juhendaja; Chakraborty, Roshni, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Faktikontrolle vajava sisu pidevast kasvust tingituna on pakutud välja uusi ühisloomel põhinevaid lahendusi. Selle töö eesmärk on ühes sellises lahenduses, nimelt Twitteri poolt loodud Community Notedes, potentsiaalse kallutatuse tuvastamine. Töö läbiviimiseks koguti kaks andmestikku, mis koosnevad Community Notedest ja allikate kallutatusest. Töös kasutatakse keelelist analüüsi, meelestatuse analüüsi, ajalist analüüsi ja võtmesõnade eraldamist. Tulemused näitavad korrelatsiooni kallutatuse ning meelestatuse vahel ja samuti kallutatuse ning päriselu sündmustele reageerimise vahel, mis võib viidata potentsiaalsele kallutatusele Community Notedes.
Topics of Fact-Checking on Twitter Community Notes
(Tartu Ülikool, 2024) Kupri, Jaan; Roshni, Chakraborty, juhendaja; Kangur, Uku, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Kogukonnamärkmed on Twitter-i platvormi funktsioon, mis võimaldab panustajatel lisada konteksti, näiteks faktikontrolle tehtud postituse alla. Bakalaureusetöö eesmärk on uurida Twitter-i kogukonna märkmete andmestikku ning nende märkmete sisu. Selleks on märkmed jagatud teemadeks kasutades teemamudelit ning seejärel analüüsitud kasutades kolme meetodit, analüüs poliitiliste erakondade baasil, mis hõlmab sagedusgraafikut ja oluliste märksõnade analüüsi, ning ajaline analüüs. Kokkuvõttes viitavad tulemused sellele, et enamik märkmeid käsitleb Donald Trump-i ja Joe Biden-i vastasseisu seoses käimasolevate 2024. aasta USA presidendivalimistega, kus mõlemad poliitikud on presidendikandidaadid.
Understanding Toxicity of Estonian Politicians Facebook Posts Comments
(Tartu Ülikool, 2024) Vesilind, Liina; Kangur, Uku, juhendaja; Sharma, Rajesh, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Eesti poliitikud jagavad palju teavet oma sotsiaalmeedia platvormidel. Käesolevas uurimuses analüüsitakse, kui toksilised on kommentaarid Eesti poliitikute ametlike Facebooki lehekülgede postituste all, kasutades toksilisuse klassifikaatorit. Uuringus koguti, analüüsiti ja võrreldi 10 naissoost ja 10 meessoost Eesti parlamendi poliitiku Facebooki postituste kommentaare. Tulemused näitavad, et kommentaarid naispoliitikute postituste all sisaldavad rohkem toksilist keelt võrreldes meespoliitikute postituste all olevate kommentaaridega. Lisaks tutvustatakse käesolevas uurimuses Eesti toksiliste sõnade andmebaasi ja toksilisuse klassifikaatorit, mis aitavad kaasa edasistele uurimustele Eesti veebisuhtluse valdkonnas.