Sirvi Kuupäev , alustades "2017-10-23" järgi

Filtreeri tulemusi aasta või kuu järgi

Nüüd näidatakse 1 - 2 2

Analyzing EEG data and improving data partitioning for machine learning algorithms
(2017-10-23) Korjus, Kristjan; Vicente, Raul, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Doktoritöö käigus valmis uus meetod masinõppe andmete efektiivsemaks kasutamiseks. Klassikalises statistikas on mudelid piisavalt lihtsad, et koos eeldustega andmete kohta, saavad need öelda, kas saadud tulemused on statistiliselt olulised või mitte ehk kas andmetes üldse on signaali, mis oleks mürast erinev. Masinõppe algoritmid, nt sügavad närvivõrgud, sisaldavad sageli sadu miljoneid parameetreid, mis muudab kogu tööprotsessi loogikat. Need mudelid suudavad alati andmed 100% ära kirjeldada – sõltumata signaali olemasolust. Masinõppe keeles on see ületreenimine. Seepärast kasutatakse masinõppes statistilise olulisuse mõõtmiseks teistsugust meetodit. Nimelt pannakse osa algandmeid kõrvale, st neid ei kasutata mudeli treenimisel. Kui kasutatud andmete põhjal on parim mudel valmis tehtud, testitakse seda varem kõrvale jäänud andmete peal. Probleemiks on aga see, et masinõppe algoritmid vajavad väga palju andmeid ning kõik, mis n.ö kõrvale pannakse, läheb mudeli treenimise mõttes raisku. Teadlased on ammu otsinud viise, kuidas seda probleemi leevendada ning kasutusele on võetud mitmeid meetodeid, aga paraku on ka neil kõigil oma puudused. Näiteks ristvalideerimise korral saab kõiki andmeid väga efektiivselt kasutada, ent pole võimalik tõlgendada mudeli parameetreid. Samas kui paneme andmeid kõrvale, on meil see info küll olemas, aga mudel ise on vähemefektiivne. Doktoritöö raames leiutasime uue viisi, kuidas andmete jagamist teha. Antud meetodi puhul jäetakse samuti algul kõrvale andmete testrühm, seejärel fikseeritakse ristvalideerimist kasutades mudeli parameetrid, neid kõrvale pandud andmete peal testides tehakse seda aga mitmes jaos ning igas jaos üle jäänud andmeid kasutatakse uuesti mudeli treenimiseks. Kasutame uuesti küll kõiki andmeid, aga saavutame ka selle, et parameetrid jäävad interpreteeritavaks, nii et me teame lõpuks, kas võitis lineaarne või eksponentsiaalne mudel; kolmekihiline või neljakihiline närvivõrk. Keeruliste andmetega loodusteadustes tihti ongi just seda vaja, et teadusartikli lõpus saaks öelda, milline oli parim mudel. Samas mudeli kaalude kõiki väärtusi polegi tihtipeale vaja. Sellises olukorras on uus meetod meie teada praegu maailma kõige efektiivsem ja parem.
Social construction of sexual harassment in the post-soviet context on the example of Estonian nurses
(2017-10-23) Lamesoo, Katri; Marling, Raili, juhendaja; Tartu Ülikool. Sotsiaalteaduste valdkond
Probleemi kirjeldus. Seksuaalse ahistamise kogemise ulatuse mõõtmine annab riigiti erinevaid tulemusi. Kas sellest võiks järeldada, et ühtedes riikides esinebki seksuaalset ahistamist rohkem kui teistes? Kuigi seksuaalne ahistamine on juriidiliselt defineeritud, on selle tajumine subjektiivne, mis esitab nähtuse uurijatele palju väljakutseid. Selleks, et mõista nähtust sügavuti ja seda just Eesti kontekstis, on käesolevas töös kasutatud kvalitatiivseid uurimismeetodeid. Töö põhineb peamiselt süvaintervjuudel meditsiiniõdedega. Tulemus ja kasutegur. Rahvusvahelises plaanis on uurimistöö väärtuslik, kuna näitab konkreetse konteksti, antud juhul postsotsialistliku Eesti konteksti mõju seksuaalse ahistamise konstrueerimisele. Viimane on oluline õenduse kontekstis, kus ristuvad institutsionaalsed ja soolised hierarhiad, mille tähendust oluliselt mõjutab kohalik ajaloolis-ühiskondlik kontekst. Töös tulevad esile viisid, kuidas ahistamist esitatakse nähtamatu või olematu kategooriana. Seksuaalsest ahistamisest rääkides positsioneerisid õed ennast ühtaegu nii võimu omavate kui ka mitteomavatena. See tegi nähtavaks võimu ambivalentsuse ja dünaamilisuse, millest seni on ahistamise kontekstis räägitud pigem teoreetiliselt kui seda näitlikustatud empiiriliselt. Analüüsi tulemused näitavad, kuidas naiste püüdlused positsioneerida ennast professionaalses kontekstis võimukana ebaõnnestusid, kuna professionaalset identiteeti oli raske leida. Kontekstis, kus naistel puudub sooteadlik keel, mis võimaldaks neil ära tunda enda võimutust haigla süsteemis, tuginetakse diskursusele, mis Eesti kontekstis võimaldab neil saada osa diskursiivsest võimust, asetades ennast naise positsiooni. Õdede enesepositsioneerimine naisena võimaldab neil hoiduda iseenda asetamisest ohvripositsiooni, mis käib paratamatult kaasas seksuaalse ahistamise ja teiste soolise diskrimineerimisega seotud nähtustega. Uurimuse käigus tehakse nähtavaks viisid, kuidas subjekti positsiooni võtmine võimaldab naisel diskursiivselt positsioneerida ennast võimukana ja vältida ohvripositsiooni. Taotledes professionaali subjektipositsiooni, on õed sunnitud silmitsi seisma võimutusega, enda positsioneerimine naisena on aga üks viis enese võimustamiseks