Sirvi Autor "Ulst, Anna" järgi

Nüüd näidatakse 1 - 2 2

Kvantifitseeritud mina: terviseandmete jälgimine ja transhumanistlik paradigma
(Tartu Ülikool, 2025) Ulst, Anna; Kikerpill, Kristjan, juhendaja; Tartu Ülikool. Sotsiaalteaduste valdkond; Tartu Ülikool. Ühiskonnateaduste instituut
Tervisetehnoloogia on populaarne ja inimeste igapäevaellu põimund seade, mille abil inimesed koguvad, jälgivad ja tõlgendavad oma terviseandmeid. Selle magistritöö eesmärk oli koguda empiirilisi andmeid selle kohta, kuidas kasutajad ise tõlgendavad seost enda ja tervisetehnoloogia vahel, kuidas see mõjutab nende enesetunnetust, igapäevaseid otsuseid ja tervisekäitumist. Selleks viisin läbi poolstruktureeritud intervjuud 15 inimesega, kes kasutavad tervisetehnoloogiaid ning teadlikult jälgivad selle andmeid. Uurimus näitas, et kuigi tervisetehnoloogia aitab paljudel kasutajatel suurendada teadlikkust oma kehast, käitumismustritest ja trendidest, siis võib see kaasa tuua ka sõltuvust, kus loomulik enesetunnetus jäetakse tagaplaanile ning juhuslik transhumanism (ingl accidental transhumanism) kerkib esile, kus heaolu ja otsused on juhitud tehnoloogia poolt (Akdevelioglu jt, 2022). Tulemustes kerkisid esile tervisetehnoloogia andmetest vähem sõltuvuses olevad kasutajad, kes pigem jälgivad neid huvi pärast, enda käitumise või sportliku arengu optimeerimiseks andmeid tõlgendavad kasutajad, tervisetehnoloogia funktsionaalsust tervisemurede jälgimiseks kasutavad inimesed ning ka kasutajad, kes on mängustuse mehhanismide surve alla sattunud ning on aastaid järjepidevalt igapäevaselt aktiivsuseesmärke täitnud, vahel ka oma ajutise heaolu arvelt. Peamine eesmärk terviseandmete jälgimisel oli suurendada aktiivset liikumist ning populaarseimad jälgitavad mõõdikud olid sammud, aktiivsed kalorid, pulss ja uneandmed. Andmeanalüüsi põhjal joonistusid välja kolm peamist mustrit, mis seletas suhet andmete ja enesetunnetuse vahel: - Jälgija, mitte järgija või kehakuulaja, kes kogub andmeid infoks, kuid heaolu ja otsused põhinevad inimese enesetunnetusel, mitte tervisetehnoloogia andmetel - Neoliberalistlik vastutaja ja - tõlgendaja, kes kasutab andmeid oma harjumuste, käitumise või füüsise optimeerimiseks ning tema otsused võivad olla suunatud tervisetehnoloogia ja selle andmete poolt. Siiski proovib ta asju konteksti panna ning lõplik otsus tervisekäitumise ja heaolu suhtes tuleb kasutaja enda enesetunnetuselt. - Mängustuse fanaatik, kelle heaolu ja igapäevane tervisekäitumine on tugevalt põimunud tervisetehnoloogiaga ning neil on emotsionaalne side andmetega. Kui side tervisetehnoloogiaga ning järjepidevus (ingl streak) peaks katkema, siis tekitaks see neile stressi. Uurimus toob esile, et kuigi tervisetehnoloogia ja selle andmed võimaldavad inimestel elada teadlikumat ja aktiivsemat elu, võib see teatud juhtudel asendada isikliku autonoomsuse hoopis tervisetehnoloogia suunistega. Selline sõltuvus andmetest asetub hästi transhumanistlikusse paradigmasse (Farman, 2022; Ajana, 2017), kus inimene sulandub sujuvalt tehnoloogiaga ühte (Spuskanyuk, 2024). Töö juhib tähelepanu vajadusele säilitada tasakaal tehnoloogia andmete ja inimliku kogemuse vahel. Kui me teadvustame tervisetehnoloogia andmete mõju, siis on meil suurem kontroll iseenda üle.
Review and Comparison of Vision- and LiDAR-based Methods for Autonomous Vehicle Localization
(Tartu Ülikool, 2022) Ulst, Anna; Muhammad, Navid, juhendaja; Kumar, Debasis, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
A robust and accurate vehicle localization is a crucial element in the field of autonomous vehicles. It is needed for trajectory and path planning, tracking, and trajectory prediction. Normally this is achieved by relying on the global navigation satellite systems, but it is not always reliable. Here vehicles sensing modalities step in and take over the task of localization. This can be achieved by detecting features in the surroundings of the vehicle and localizing the vehicle either relatively or globally. Provided, an accurate map exists consisting of expected features, it is possible to match features extracted with sensing modalities to the map and thus the vehicle is able to make sense of the surrounding environment. Another possibility is to localize the vehicle relatively, for example, lane-level localization. Usually, a camera is used as the sensing modality. It is a relatively affordable, simple, and popular sensor. But in recent decades the Light Detection and Ranging (LiDAR) is offering heavy competition to cameras because it has produced more accurate results and can be used to extract more useful information from the environment. The aim of this work is to offer a review and comparison of vehicle localization using cameras and LiDARs as sensing modalities. In most cases, map-based localization is brought out, but in some cases also relative localization is discussed. The focus of the review is on the sensors, how they are used and what are their advantages or disadvantages. The categorization in the comparison chapter is based on features with which the localization is achieved – these include lane markings, road marks, curb detection, traffic signs and landmarks. In the end, the author concludes the work with suggestions for choosing the right sensor for localization of autonomous vehicle in desired operating conditions, based on reviewed papers.