2. Kaitsmiseks esitatud doktoritööd. Pre-Theses only

Selle kollektsiooni püsiv URIhttps://hdl.handle.net/10062/38

Vaata ka

Doktoritööd edastab TÜ Kirjastus vastavalt ülikoolisisesele korrale.
Autoril palume hoolikalt jälgida autoriõiguslikke aspekte ja edastada õigeaegselt informatsioon väitekirja nende osade kohta, mille avaldamiseks õigused puuduvad (ilmunud artiklid, graafilised materjalid etc)

Sirvi

Nüüd näidatakse 1 - 7 7

Assembling the phylogenetic tree of northern European macroheteroceran moths
(Tartu Ülikooli Kirjastus, 2025-11-25) Nedumpally, Vineesh; Õunap, Erki, juhendaja; Tammaru, Toomas, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Pole kaugeltki veel lõpuni teada, millised putukaliigid on üksteisele kaugemad, millised lähemad sugulased. DNA järjestustel põhinevate evolutsioonipuude koostamine aitab sellesse küsimusse selgust tuua. Käesolevas uurimistöös koostati ööliblikate sugukondade sirptiiblased (Drepanidae), vaksiklased (Geometridae) ja öölased (Noctuidae) evolutsioonipuud, keskendudes Põhja-Euroopa liikidele. Selleks kasutati Sangeri ja järgmise põlvkonna sekveneerimise teel hangitud andmete kombinatsiooni, mis integreeriti avalikult kättesaadavate genoomiandmetega. Sirptiiblaste puhul kinnitas 37 liigi analüüs, et kõik neli alamsugukonda moodustavad tõesti evolutsioonipuu eraldiseisvad harud. Lisaks näitas analüüs, et sugukonnale iseloomulikud pikenenud tiivatipud on evolutsiooni käigus korduvalt kadunud ning et nii “talveliblikad” kui roosa/oranžikirju tiivakirjaga perekonnad kuuluvad fülogeneetiliselt selgelt eristnud rühmadesse. Vaksiklaste põhjalik fülogeneetiline analüüs, mis tugines 117 liigi enam kui 600 DNA lookusel ning mida täiendati 376 Põhja-Euroopa liigi puhul Sangeri meetodiga sekveneerimise teel saadud andmetega, andis tulemuseks statistiliselt usaldusväärse sugupuu, mis viis mitme muudatuseni süstemaatikas. Sellisteks muudatusteks on muuhulgas uute triibuste Lampropterygini ja Pelurgini kirjeldamine, perekondade Ochyria, Epelis ja Speranza “taaselustamine” ning mitme triibuse piiride täpsustamine nende monofüleetilisuse säilitamiseks. Öölaste puhul andis 333 liigi fülogeneoomiline analüüs statistiliselt hästi toetatud sugupuu, mis kinnitas peamisi sugulussuhteid ja viis mitme taksonoomilise muudatuseni. Need muudatused hõlmasid sünonüümiseerimisi, paaril juhul taksonoomilise taseme ümberhindamist ning mitme perekonna “taaselustamist”. Ajas kalibreeritud analüüs näitas, et triibus juureöölased (Apameini) eristus ligikaudu 8,7 miljonit aastat tagasi – palju hiljem kui seni arvati – ning et röövikute toitumine oma toidutaime sees võis hilises miotseenis toimunud rohumaade laienemise ajal soodustada selle rühma mitmekesistumist.
Advancing human-centric counterfactual explanations in explainable AI
(Tartu Ülikooli Kirjastus, 2025-12-02) Domnich, Marharyta; Vicente Zafra, Raul, juhendaja; Barbu, Eduard, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Tehisintellekt (TI) mõjutab üha enam kriitilisi otsuseid erinevates valdkondades, nagu tervishoid, haridus ja rahandus. Mudelite kasvav keerukus ja ulatus muudavad otsustusprotsessid sageli läbipaistmatuks, rõhutades vajadust seletusmeetodite järele, mis suurendaksid nende läbipaistvust ja kontrollitavust. Selle väljakutsega tegeleb seletatava tehisintellekti (XAI) valdkond, arendades seletusi, mis on inimestele tähenduslikud ja arusaadavad. Inimlikud seletusprotsessid on oma olemuselt keerukad ja kontrastiivsed, hõlmates sageli võrdlusi ja hüpoteetilisi stsenaariume. Sellist kontrastiivset mõtlemist väljendavad kõige paremini kontrafaktuaalsed seletused, mis vastavad küsimusele: „Millised minimaalsed muudatused võiksid mudeli otsust muuta?“. Selleks, et kontrafaktuaalsed seletused oleksid tõhusad, peavad need olema kooskõlas inimlike eelistustega – olema tähenduslikud, rakendatavad ja kasutajatele usaldusväärsed. Käesolev doktoritöö edendab inimkeskseid kontrafaktuaalseid seletusi nelja omavahel seotud uuringu kaudu. Uurimistöö tugineb kognitiivteaduse arusaamadele, täiustades seeläbi kontrafaktuaalsete seletuste genereerimist ning hindamist erinevates rakendusvaldkondades. Esimene uuring, mis on inspireeritud inimlikest kognitiivsetest eelistustest, tutvustab difuusse kauguse ja suunatud koherentsuse kasutamist kontrafaktuaalsete seletuste otsingus. Need kaks uuendust võimaldavad luua lihtsamini teostatavaid ja inimkesksemaid seletusi, rõhutades andmeruumi sidusust ning joondades tunnuste muutused inimese mõtlemismustritega. Väljatöötatud lähenemine, nimega Coherent Directional Counterfactual Explainer (CoDiCE), näitab paremat tulemuslikkust seletuste loomisel, mis on praktiliselt rakendatavad ning inimese seletusloogikaga kooskõlas. Teine uuring tegeleb ühe kontrafaktuaalsete seletuste keskse väljakutsega- kuidas neid usaldusväärselt hinnata. Selleks arendatakse välja CounterEval-andmestik, mis koondab inimeste üksikasjalikud hinnangud mitmete seletuslike mõõtmete osas. Üle 200 osalejalt kogutud andmete põhjal luuakse ühtne hindamisraamistik, mis kasutab suurte keelemudelite (LLMid) võimekust ennustada keskmisi ja individuaalseid inimhinnanguid. See pakub skaleeritavat ja järjepidevat viisi seletuste kvaliteedi hindamiseks. Järgnev analüüs uurib, kuidas seletustega seotud rahulolu saab modelleerida teiste seletuslike mõõdikute (nt teostatavus, usaldus, täielikkus ja keerukus) põhjal, andes sügavama ülevaate teguritest, mis kujundavad üldist kasutajate rahulolu. Kolmas uuring näitab kontrafaktuaalsete seletuste praktilist väärtust meditsiinilise pilditöötluse kontekstis, esitades COunterfactual INpainting (COIN) lähenemise nõrgalt juhendatud semantilisele segmenteerimisele. COIN genereerib seletusi, muutes klassifitseerimistulemuse ebanormaalsest normaalseks ning kasutades algse ja muudetud pildi erinevusi nõrkade segmentatsioonimärgistena. Rakendatuna neerukasvajate segmentatsioonile vähendab see meetod oluliselt radioloogide käsitsi märgistamise töökoormust ning võimaldab patoloogiliste piirkondade tuvastamist ka olukordades, kus ulatuslikult märgistatud andmestikud puuduvad. COINi sooritus ületab märgatavalt traditsioonilised atribuutsioonil põhinevad meetodid, demonstreerides kontrafaktuaalsete seletuste potentsiaali tervishoiu rakendustes. Kokkuvõttes panustavad need uuringud seletatava tehisintellekti valdkonda, arendades ja valideerides kontrafaktuaalsete seletuste meetodeid, mis parandavad TI-süsteemide läbipaistvust ja kasutatavust ning on kooskõlas inimlike tunnetusprotsessidega.
Operationalising ISRD evidence for youth justice in Estonia: a child‑rights framework for proportionate, least‑restrictive responses
(Tartu Ülikooli Kirjastus, 2025-12-15) Markina, Anna; Soo, Anneli, juhendaja; Luhamaa, Katre, juhendaja; Tartu Ülikool. Sotsiaalteaduste valdkond
Kui noor läheb seadusega pahuksisse – millist reaktsiooni ta päriselt vajab? Iga vanem loodab, et tema laps ei satu kunagi politsei ega kohtu vaatevälja. Ometi proovivad enamik noori teismeeas piire – mõnikord ka seadust rikkudes. Tartu Ülikooli õigusteaduskonnas kaitstud kriminoloogia doktoritöö küsib: kuidas reageerida nii, et noor õpiks, aga talle ei jääks elu alguses „kurjategija“ silti külge? Anna Markina tugineb rahvusvahelise noorte hälbiva käitumise uuringu ISRD andmetele, mida on Eestis kogutud kolmes laines. Küsimustikud näitavad, kui paljud 12–16-aastased on varastanud, kakelnud, tarbinud alkoholi või olnud vägivalla ohvrid – ka siis, kui politsei sellest kunagi teada ei saa. Tulemused kinnitavad: enamik noori „kasvab välja“ väiksematest rikkumistest, eriti kui kodu, kool ja võrgustik pakuvad tuge. Seetõttu ei peaks karistus olema esimene valik. Kui riik vastab ainult karistusega ega paku noorele tuge ja võimalust muutusteks, võib ka väikseim rikkumine saada kriminaalse karjääri alguseks. Töö keskmes on 2018. aasta alaealiste erikohtlemise reform. Selle järel kadusid alaealiste komisjonid ning suurem roll anti prokurörile ja kohtule. Seadus näeb ette, et 14–17-aastast tuleb eelistatult suunata hoiatuse, konfliktivahenduse, sotsiaalprogrammide, ühiskondliku töö ning ravi- ja nõustamisteenuste poole. Vabadusekaotus jääb viimaseks abinõuks. Reformi alguses kardeti, et „leebem“ reageerimine tekitab karistamatuse tunde ja kasvatab kuritegevust, kuid doktoritöö näitab, et seda ei ole juhtunud. Töös võrreldakse Eesti süsteemi lapse õiguste konventsiooni ja Euroopa „lapsesõbraliku õigusemõistmise“ põhimõtetega. Järeldus on ettevaatlikult optimistlik: liigume õiges suunas, kui koolid, lastekaitse, sotsiaal- ja õigussüsteem suudavad hoida noore fookuses. Arukas reageerimine noorte õigusrikkumistele ei küsi ainult, mis tegu tehti, vaid ka seda, milline noor on meie ees ja milline sekkumine aitab tal päriselt eluga edasi minna.
Photoexcited processes in ionic liquid vapors
(Tartu Ülikooli Kirjastus, 2025-12-16) Kook, Mati; Kisand, Vambola, juhendaja; Pärna, Rainer, juhendaja; Nõmmiste, Ergo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Ioonsed vedelikud (IL-id) on üldiselt määratletud kui sulanud orgaanilised soolad, mille sulamistemperatuur on alla 100 °C. IL-id koosnevad orgaanilistest katioonidest, mis on seotud kas orgaaniliste või anorgaaniliste anioonidega. Käesolev väitekiri uurib valitud ioonvedelike elektronstruktuuri aurufaasis, keskendudes sellele, kuidas erinevad aniooni–katiooni kombinatsioonid mõjutavad nende elektronstruktuuri. Ioonvedelikud aurustati kõrgvaakumis kasutades efusioonirakku. Ultraviolett-fotoelektronspektroskoopia (UPS) ja lennuaeg-massispektromeetria (TOF-MS) mõõtmised viidi läbi MAX IV labori uuel FinEstBeAMS kiirekanalil, mille rajamisse ja optimeerimisse panustas ka autor. Ioonvedelike uurimise käigus mõõdeti ja avaldati esmakordselt rohkem kui kümne ioonvedeliku – [EMIM][OTf], [PYR₁₄][OTf], [EMIM][DCA], [PYR₁₄][DCA], [PYR₁₄][TCM], [PYR₁₄][FSI], [PYR14][PF₆], [S₂₂₂][TFSI], [P₄₄₄₁][TFSI] ja [EMMIM][TFSI] UPS-i ning mõnel juhul ka TOF-MS-i spektrid. TOF-MS uurimus [EMMIM][TFSI], [EMIM][OTf] ja [EMIM][DCA] fragmenteerumisest näitas hüdrogeenitud ja dehüdrogeenitud fragmentide esinemist. [EMIM][DCA] elektronstruktuuri uuriti põhjalikult. Näidati, et [EMMIM][TFSI] ja [EMIM][OTf] fragmenteerumismustrid on sarnased.
Aligning training loss to evaluation metrics in deep learnin
(Tartu Ülikooli Kirjastus, 2025-12-29) Komisarenko, Viacheslav; Kull, Meelis, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Viimaste aastate edusammud masinõppes on kiirendanud masinõppesüsteemide kasutuselevõttu paljudes valdkondades ning tulemused ületavad sageli nii algoritmilisi baastasemeid kui ka mõnel juhul inimsooritust. Selle arengu on võimalikuks teinud mitmed vastastikmõjus olevad tegurid, sealhulgas suurte ja üha kvaliteetsemate andmestike kättesaadavus, rikkalikke kõrgemõõtmelisi esitusi võimaldavad tehisnärvivõrgude arhitektuurid ning optimeerimisprotseduurid, mis on praktikas piisavalt skaleeruvad. Optimeerimisvalikute hulgas on keskne roll kaofunktsioonil, mida võib vaadelda kui mõõdikut, mis määrab trahvi suuruse ennustava mudeli igale eksimusele. Kaofunktsioon defineerib optimeerimismaastiku ja selle abil määratakse, kuidas mudeli kaalusid treenimise käigus muudetakse. Klassifitseerimisel on kaofunktsiooni vaikevalikuna kasutatud näiteks ristentroopiat. Kui aga suuri mudeleid treenitakse ristentroopiaga, võib mudeli ennustustes ilmneda liigne enesekindlus, ning see halvendab mudeli usaldusväärsust nendele ennustustele tuginevates rakendustes. Kuna masinõppesüsteemid on üha enam põimitud otsustusprotsessidesse, on konkreetses rakendusvaldkonnas olulise hindamismõõdiku alusel sooritust parandava kaofunktsiooni valimine muutunud oluliseks praktiliseks väljakutseks. Lisaraskusi tekitab asjaolu, et sooritust hinnatakse lõpuks hindamismõõdikutega, mis võivad olla katkevuspunktidega, mitte-diferentseeruvad või väga ülesandespetsiifilised. Sellised mõõdikud ei ole sageli treenimiseks otseselt sobivad, mistõttu kasutatakse asenduskaofunktsioone, nagu näiteks ristentroopia. See võib aga tekitada ebakõla treeningul optimeeritava eesmärgi ja lõpprakenduses olulise eesmärgi vahel. Klassikalistest mõõdikutest, nagu täpsus, paljudes kaasaegsetes rakendustes ei piisa, mistõttu toetuvad praktikud üha enam hinnatundlikele mõõdikutele, mis kaaluvad vigu vastavalt nende tähtsusele, ja kalibreerituse mõõdikutele, mis mõõdavad tõenäosuslike ennustuste kvaliteeti. Need mõõdikud kajastavad usaldusväärsuse aspekte, mida täpsus üksi väljendada ei suuda, ning on seetõttu muutunud olulisteks tööriistadeks soorituse hindamisel praktilistes rakendustes. Käesolev väitekiri koosneb kolmest omavahel seotud uurimusest, mille eesmärk on parandada treenimisel kasutatavate kaofunktsioonide ja praktikas oluliste hindamismõõdikute vahelist joondatust. Esimene uurimus käsitleb kaofunktsiooni valikut hinnatundlikus klassifitseerimises, kus hindamismõõdik kaalub iga veatüüpi klassispetsiifiliste kuludega, mis on tavaliselt saadud valdkonna ekspertidelt. Praktikas on need kulud harva täpselt teada; selle asemel esinevad need ebakindlate hinnangutena, mis võivad aja jooksul ja kasutustingimuste muutudes teiseneda. Selle ebakindluse modelleerimiseks käsitleme klassispetsiifilisi kulusid etteantud jaotusega juhuslike suurustena ja tuletame kaofunktsioonide perekonnad, mis on matemaatiliselt samaväärsed vale klassifitseerimise eeldatava kuluga antud määramatuse korral. Tuvastame praktikas mugavad jaotuste perekonnad, näiteks beeta-jaotused kuluproportsioonide ja gamma-jaotused toorkulude jaoks, ning näitame, kuidas nende parameetrid määravad keskmist kulu, asümmeetriat ja ebakindlust. Katsed mitmete andmestike ja kulustsenaariumidega näitavad, et mõned tuletatud kaofunktsioonid saavutavad vastavatel hinnatundlikel mõõdikutel järjepidevalt tugeva soorituse, pakkudes põhimõttekindlat alternatiivi \emph{ad-hoc} kaalumisskeemidele. Teine uurimus uurib mudeli kalibreeritust, mis iseloomustab seda, kui hästi vastavad ennustatud tõenäosused tegelikele tinglikele klassitõenäosustele. Mudeli kalibreeritus on hädavajalik mudeli praktilisel rakendamisel, kus ennustatud tõenäosuste põhjal tehakse praktilisi otsuseid. Eriti tähtis on kalibreeritus ohutuse või kulude seisukohalt kriitilistes olukordades. Kuigi ristentroopia on rangelt korralik kaofunktsioon ja teoreetiliselt soodustab kalibreeritud tõenäosusi, on sellega treenitud sügavad tehisnärvivõrgud sageli valesti kalibreeritud. Seevastu fokaalse kaofunktsiooni puhul on korduvalt täheldatud, et see annab paremini kalibreeritud mudeleid isegi ilma hilisema \emph{post-hoc} kohandamiseta. Doktoritöös on seda nähtust uuritud ja näidatud, et fokaalset kaofunktsiooni saab väljendada kahe komponendi kompositsioonina: korralik kaofunktsioon, mida minimeerivad tegelikud klassitõenäosused, ja fikseeritud kalibreerimisfunktsioon, mis sarnaneb temperatuuri skaleerimisega. See dekompositsioon selgitab, miks fokaalne kaofunktsioon on praktikas sageli hästi kalibreeritud, kuna see seob korraliku kaofunktsiooni treenimise ajal rakendatava sisseehitatud kalibreerimisteisendusega. Seda dekompositsiooni on laiendatud laiale lahutuvusomadusega kaofunktsioonide klassile ning on tuletatud valemid nendega seotud korralike komponentide ja kalibreerimisfunktsioonide jaoks. Need tulemused võimaldavad disainida uusi kaofunktsioone, millel on soovitud kalibreerimis- ja eristusomadused. Mitmed töös tuletatud uued kaofunktsioonid koos nende juurde kuuluvate kalibreerimisfunktsioonidega saavutavad täpsuse ja kalibreerituse osas tulemusi, mis on konkurentsivõimelised või paremad kui standardsed baastasemed. Kolmas uurimus käsitleb lõhet treenimisel kasutatavate hindamismõõdikute ja rakendusepõhiste kasufunktsioonide vahel, kus kasufunktsioonid kvantifitseerivad mudeli ennustustel põhinevate otsuste domeenispetsiifilist väärtust. Rakendusepõhised kasufunktsioonid võivad sõltuda kontekstist tulenevatest teguritest, mis pole treenimise ajal kättesaadavad, ning nende hindamine võib olla kulukas, nõudes mõnikord simulatsiooni või füüsilisi eksperimente. Kui rakendusepõhist kasu ei saa suures mahus arvutada, muutub mudelite valimine keeruliseks. Selle probleemi leevendamiseks on töös välja pakutud meetod, milles valideerimisandmetel treenitud väike närvivõrk aitab treenimisel kasutatavat hindamismõõdikut paremini joondada rakendusepõhise kasufunktsiooniga. Töös on analüüsitud tingimusi, mille korral sellised teisendused säilitavad korralikkuse, ja demonstreeritud meetodi rakenduvust mitmes ülesandes, sealhulgas laoseisu optimeerimise probleemi korral. Selle meetodiga saab rakenduse jaoks hästi sobiva mudeli valida ka olukorras, kus rakendusepõhise kasufunktsiooni otsene hindamine on ebapraktiline. Kokkuvõttes näitavad selle väitekirja tulemused treenimisel kasutatava kaofunktsiooni ja hindamismõõdiku joondamise olulisust. Töös on uuritud, kuidas erinevad kaofunktsiooni valikud kujundavad treenitava mudeli ennustuslikku käitumist, ning loodud meetodeid mudelite soorituse parandamiseks rakendusvaldkonnas olulistel mõõdikutel.
Deep neural networks for microscopy images
(Tartu Ülikooli Kirjastus, 2025-12-29) Majoral López, Daniel; Parts, Leopold, juhendaja; Vicente Zafra, Raul, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Edusammud tehisintellekti vallas on suurendanud arvutite võimalusi. Doktoritöös uuritakse, kuidas rakendada tehisintellekti mikroskoobi kaudu vaadeldud rakkude piltidele. Töö põhineb kolmel teadusartiklil. Esimeses artiklis käsitletakse, kuidas tuvastada rakke mikroskoopiapiltidel, mis on saadud valge valgusega valgustades. Sellist valgustust nimetatakse heledate väljadega mikroskoopiaks ning see on lihtne ja odav, kuid saadud piltidel on raske rakke näha. Autorid leidsid, kuidas kasutada tehisintellekti, et näha rakke nendel piltidel, ja annavad praktilisi nõuandeid, et ka teised inimesed saaksid seda teha. Teises artiklis arendatakse tehisintellekti meetodit spermaks muunduvate rakkude tuvastamiseks. Rakk on keerulises protsessis spermaks muutumisel läbib palju muutusi, tehisintellekt suudab öelda, millises seisus see protsess on. Viljatus mõjutab 10-15% paaridest ja loodetavasti aitab tehisintellekti piltide analüüs välja selgitada paari mõjutavat probleemi. Kolmandas artiklis kirjeldatakse uut algoritmi nimega Kaizen, mis kasutab tehisintellekti rakkude tuvastamiseks mitmekesistel mikroskoopiakujutistel. Rakkude tuvastamise asemel genereerib Kaizen mikroskoopiapildist üksikute rakkude pilte. Üksikute rakkude pildid liidetakse liitpildiks. Seda liitpilti võrreldakse seejärel mikroskoopiakujutisega, mis võimaldab tuvastada vigu ja mittesooritavaid objekte. Need kolm artiklit näitavad, kuidas tehisintellekt võib parandada mikroskoopiakujutiste analüüsi. Loodetavasti on tehisintellekt lähiaastatel esirinnas läbimurdeid rakustruktuuride ja haigusmehhanismide mõistmisel, et parandada inimeste olukorda.
Using programming-process data of introductory programming courses: finding solver types, giving feedback, and detecting plagiarism
(Tartu Ülikooli Kirjastus, 2025-12-29) Taveter, Heidi; Lepp, Marina, juhendaja; Tõnisson, Eno, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Aja jooksul on programmeerimisest kujunenud oluline oskus, mida õpivad erineva tausta ja eelneva programmeerimiskogemusega üliõpilased paljudelt erialadelt. Samas on jätkuvalt probleemiks suur väljalangevus. Seetõttu on oluline välja selgitada, kuidas üliõpilaste lähenemised erinevad programmeerimise õppimisel, ning leida tõhusaid viise nende toetamiseks, eriti kursuse alguses. Selle doktoritöö eesmärk oli välja selgitada, kuidas saab programmeerimisprotsessi andmeid kasutada üliõpilaste lahendajatüüpide leidmiseks, nende toetamiseks sissejuhatavatel programmeerimiskursustel ja plagiaadijuhtumite tuvastamiseks. Uurimistöö näitas, et üliõpilasi saab jaotada lahendajatüüpidesse programmeerimise käitumismustrite põhjal ning mustrid on sarnased nii algajate kui ka mittealgajate seas. Oluline tulemus on hilise programmi käivitamisega alustamise seos madalamate kontrolltöö tulemustega. Samas said mõned lahendajatüübid sarnaseid tulemusi hoolimata erinevatest käitumismustritest, mis viitab mitmekesisusele. Oluline on märkida, et erinevalt esimesest kontrolltööst ilmnesid gruppide vahel suuremad erinevused teise kontrolltöö tulemustes ning kuulumine lahendajatüüpidesse ei ole kursuse kestel püsiv. Lisaks selgus, et programmeerimisprotsessi logide põhjal antud tagasiside lühendas märgatavalt algajate ülesannete lahendamise aega ja parandas kontrolltöö testi tulemusi, mis kontrollib koodi lugemise oskust. Logide põhjal plagiaadi tuvastamiseks sobivad püsivuse tõttu üldised stiilitunnused. Programmeerimiskeele süntaksiga seotud valikud aga ei ole püsivad. Doktoritöö tulemuste põhjal on oluline soovitus kasutada õpetamisel lähenemist, mis julgustab üliõpilasi oma programme sageli käivitama, nii et see oleks loomulik osa koodi kirjutamise protsessist. Algajate koodi lugemise oskuste parandamiseks on tõhus kasutada logidel põhinevat tagasisidet. See on eriti oluline tehisintellekti ajastul, mil tugevate koodi lugemise oskuste arendamine on üha vajalikum.

Sirvi

Sirvi 2. Kaitsmiseks esitatud doktoritööd. Pre-Theses only Kuupäev järgi