Environmental Monitoring using Image Analysis

Tärkeä tehtävä ympäristön tarkkailussa on arvioida ympäristön nykyinen tila ja ihmisen siihen aiheuttamat muutokset sekä analysoida ja etsiä näiden yhtenäiset suhteet. Ympäristön muuttumista voidaan hallita keräämällä ja analysoimalla tietoa. Tässä diplomityössä on tutkittu vesikasvillisuudessa hai vainuja muutoksia käyttäen etäältä hankittua mittausdataa ja kuvan analysointimenetelmiä. Ympäristön tarkkailuun on käytetty Suomen suurimmasta järvestä Saimaasta vuosina 1996 ja 1999 otettuja ilmakuvia. Ensimmäinen kuva-analyysin vaihe on geometrinen korjaus, jonka tarkoituksena on kohdistaa ja suhteuttaa otetut kuvat samaan koordinaattijärjestelmään. Toinen vaihe on kohdistaa vastaavat paikalliset alueet ja tunnistaa kasvillisuuden muuttuminen. Kasvillisuuden tunnistamiseen on käytetty erilaisia lähestymistapoja sisältäen valvottuja ja valvomattomia tunnistustapoja. Tutkimuksessa käytettiin aitoa, kohinoista mittausdataa, minkä perusteella tehdyt kokeet antoivat hyviä tuloksia tutkimuksen onnistumisesta.

Opinion Mining

In this thesis we study the field of opinion mining by giving a comprehensive review of the available research that has been done in this topic. Also using this available knowledge we present a case study of a multilevel opinion mining system for a student organization's sales management system. We describe the field of opinion mining by discussing its historical roots, its motivations and applications as well as the different scientific approaches that have been used to solve this challenging problem of mining opinions. To deal with this huge subfield of natural language processing, we first give an abstraction of the problem of opinion mining and describe the theoretical frameworks that are available for dealing with appraisal language. Then we discuss the relation between opinion mining and computational linguistics which is a crucial pre-processing step for the accuracy of the subsequent steps of opinion mining. The second part of our thesis deals with the semantics of opinions where we describe the different ways used to collect lists of opinion words as well as the methods and techniques available for extracting knowledge from opinions present in unstructured textual data. In the part about collecting lists of opinion words we describe manual, semi manual and automatic ways to do so and give a review of the available lists that are used as gold standards in opinion mining research. For the methods and techniques of opinion mining we divide the task into three levels that are the document, sentence and feature level. The techniques that are presented in the document and sentence level are divided into supervised and unsupervised approaches that are used to determine the subjectivity and polarity of texts and sentences at these levels of analysis. At the feature level we give a description of the techniques available for finding the opinion targets, the polarity of the opinions about these opinion targets and the opinion holders. Also at the feature level we discuss the various ways to summarize and visualize the results of this level of analysis. In the third part of our thesis we present a case study of a sales management system that uses free form text and that can benefit from an opinion mining system. Using the knowledge gathered in the review of this field we provide a theoretical multi level opinion mining system (MLOM) that can perform most of the tasks needed from an opinion mining system. Based on the previous research we give some hints that many of the laborious market research tasks that are done by the sales force, which uses this sales management system, can improve their insight about their partners and by that increase the quality of their sales services and their overall results.

Learning Preferences with Kernel-Based Methods

Learning of preference relations has recently received significant attention in machine learning community. It is closely related to the classification and regression analysis and can be reduced to these tasks. However, preference learning involves prediction of ordering of the data points rather than prediction of a single numerical value as in case of regression or a class label as in case of classification. Therefore, studying preference relations within a separate framework facilitates not only better theoretical understanding of the problem, but also motivates development of the efficient algorithms for the task. Preference learning has many applications in domains such as information retrieval, bioinformatics, natural language processing, etc. For example, algorithms that learn to rank are frequently used in search engines for ordering documents retrieved by the query. Preference learning methods have been also applied to collaborative filtering problems for predicting individual customer choices from the vast amount of user generated feedback. In this thesis we propose several algorithms for learning preference relations. These algorithms stem from well founded and robust class of regularized least-squares methods and have many attractive computational properties. In order to improve the performance of our methods, we introduce several non-linear kernel functions. Thus, contribution of this thesis is twofold: kernel functions for structured data that are used to take advantage of various non-vectorial data representations and the preference learning algorithms that are suitable for different tasks, namely efficient learning of preference relations, learning with large amount of training data, and semi-supervised preference learning. Proposed kernel-based algorithms and kernels are applied to the parse ranking task in natural language processing, document ranking in information retrieval, and remote homology detection in bioinformatics domain. Training of kernel-based ranking algorithms can be infeasible when the size of the training set is large. This problem is addressed by proposing a preference learning algorithm whose computation complexity scales linearly with the number of training data points. We also introduce sparse approximation of the algorithm that can be efficiently trained with large amount of data. For situations when small amount of labeled data but a large amount of unlabeled data is available, we propose a co-regularized preference learning algorithm. To conclude, the methods presented in this thesis address not only the problem of the efficient training of the algorithms but also fast regularization parameter selection, multiple output prediction, and cross-validation. Furthermore, proposed algorithms lead to notably better performance in many preference learning tasks considered.

Analysis of Satellite Data for Forest Segmentation

In this work we study the classification of forest types using mathematics based image analysis on satellite data. We are interested in improving classification of forest segments when a combination of information from two or more different satellites is used. The experimental part is based on real satellite data originating from Canada. This thesis gives summary of the mathematics basics of the image analysis and supervised learning , methods that are used in the classification algorithm. Three data sets and four feature sets were investigated in this thesis. The considered feature sets were 1) histograms (quantiles) 2) variance 3) skewness and 4) kurtosis. Good overall performances were achieved when a combination of ASTERBAND and RADARSAT2 data sets was used.

Sairaanhoitajaopiskelijoiden ohjattujen käytännön harjoittelujen aikana ilmenneet eettiset ongelmat

Ethical problems occurring during the practical training period of Finnish nursing students The present study focused on nursing students adopting the professional code of conduct during their supervised practical training. The study was carried out in two phases. During the first phase, the objective was to survey ethical problems occurring in practical training as well as how these problems are detected and resolved by nursing students and their supervisors at different stages of their studies. In the second phase, the capability of the nursing students about to graduate to detect and resolve ethical problems was described and analyzed. The students’ capacity for self-instruction, independent search for information as well as factors related to teaching of ethics were determined within this phase. Further, an extensive literature review was carried out to complement the study. Thus, the main objective of the thesis was to make suggestions for the development of the teaching of ethics and supervision in nursing studies and in practice. In the first part of the empirical phase (2002–2005), the views of the nursing students (n =18) were clarified with themed open essay questions. Furthermore, the views of the supervising nurses (n = 115) were established by utilizing a series of themed questions and group interviews. During the second phase (2006–2007), the data for the analyses were collected from nursing students in their graduating stage (n = 319) by a national Internet-based questionnaire. The results of the first phase were examined with contentanalysis and those of the second phase both statistically and by using content analysis. Ethical problems occurring during supervised practical training were typically connected to a patient or a client, a member of the nursing staff or to a student, while solutions were connected to preparation and the action to solve the problem in question. Ethical dilemmas were classified as legal, ethical comportment and uncertainty problems as well as personal and institutional ones. The solutions for these problems were further grouped as based on facts, instructor/staff/member/specialist or patient/client/relative. The results showed that although the nursing students about to graduate had detected many ethical problems both independently as well as together with the nursing staff during every practical training period, they were able to resolve only few of them. Ethical problems were most frequently encountered during training in psychiatric nursing. On the grounds of their own impressions, the nursing students stated that their ability to detect and solve ethical problems improved during their training period. The primary factors related to this enhancement of their skills were teaching and the students’ readiness for selfinstruction. Gender, orientation of the studies and age were observed to be the most important among the underlying factors influencing the capability to detect and solve ethical problems as well as to engage in self-instruction. Based on the results obtained, suggestions for development as well as topics for further studies are presented through teaching of professional ethics and supervision during practical training.

Machine Learning and Clinical Text. Supporting Health Information Flow

Fluent health information flow is critical for clinical decision-making. However, a considerable part of this information is free-form text and inabilities to utilize it create risks to patient safety and cost-­effective hospital administration. Methods for automated processing of clinical text are emerging. The aim in this doctoral dissertation is to study machine learning and clinical text in order to support health information flow.First, by analyzing the content of authentic patient records, the aim is to specify clinical needs in order to guide the development of machine learning applications.The contributions are a model of the ideal information flow,a model of the problems and challenges in reality, and a road map for the technology development. Second, by developing applications for practical cases,the aim is to concretize ways to support health information flow. Altogether five machine learning applications for three practical cases are described: The first two applications are binary classification and regression related to the practical case of topic labeling and relevance ranking.The third and fourth application are supervised and unsupervised multi-class classification for the practical case of topic segmentation and labeling.These four applications are tested with Finnish intensive care patient records.The fifth application is multi-label classification for the practical task of diagnosis coding. It is tested with English radiology reports.The performance of all these applications is promising. Third, the aim is to study how the quality of machine learning applications can be reliably evaluated.The associations between performance evaluation measures and methods are addressed,and a new hold-out method is introduced.This method contributes not only to processing time but also to the evaluation diversity and quality. The main conclusion is that developing machine learning applications for text requires interdisciplinary, international collaboration. Practical cases are very different, and hence the development must begin from genuine user needs and domain expertise. The technological expertise must cover linguistics,machine learning, and information systems. Finally, the methods must be evaluated both statistically and through authentic user-feedback.

Verenpaineen mittaamisen opettaminen sairaanhoitaja- ja terveydenhoitajaopiskelijoille

Teaching the measurement of blood pressure for both nursing and public health nursing students The purpose of this two-phase study was to develop the teaching of blood pressure measurement within the nursing degree programmes of the Universities of Applied Sciences. The first survey phase described what and how blood pressure measurement was taught within nursing degree programmes. The second intervention phase (2004-2005) evaluated first academic year nursing and public health nursing students’ knowledge and skills results for blood pressure measurement. Additionally, the effect on the Taitoviikko experimental group students’ blood pressure measurement knowledge and skills level. A further objective was to construct models for an instrument (RRmittTest) to evaluate nursing students measurement of blood pressure (2003-2009). The research data for the survey phase were collected from teachers (total sampling, N=107, response rate 77%) using a specially developed RRmittopetus-questionnaire. Quasi-experimental study data on the RRmittTest-instrument was collected from students (purposive sampling, experimental group, n=29, control group, n=44). The RRmittTest consisted of a test of knowledge (Tietotesti) and simulation-based test (TaitoSimkäsi and Taitovideo) of skills. Measurements were made immediately after the teaching and in clinical practice. Statistical methods were used to analyse the results and responses to open-ended questions were organised and classified. Due to the small amount of materials involved and the results of distribution tests of the variables, non-parametric analytic methods were mainly used. Experimental group and control group similar knowledge and skills teaching was based on the results of the national survey phase (RRmittopetus) questionnaire results. Experimental group teaching includes the supervised Taitoviikko teaching method. During Taitoviikko students studied blood pressure measurement at the municipal hospital in a real nursing environment, guided by a teacher and a clinical nursing professional. In order to evaluate both learning and teaching the processes and components of blood pressure measurement were clearly defined as follows: the reliability of measurement instruments, activities preceding blood pressure measurement, technical execution of the measurement, recording, lifestyle guidance and measurement at home (self-monitoring). According to the survey study, blood pressure measurement is most often taught at Universities of Applied Sciences, separately, as knowledge (teaching of theory, 2 hours) and skills (classroom practice, 4 hours). The teaching was implemented largely in a classroom and was based mainly on a textbook. In the intervention phase the students had good knowledge of blood pressure measurement. However, their blood pressure measurement skills were deficient and the control group students, in particular, were highly deficient. Following in clinical practice the experimental group and control group students’ blood pressure measurement recording knowledge improve and experimental groups declined lifestyle guidance. Skills did not improve within any of the components analysed. The control groups` skills on the whole, declined statistically.There was a significant decline amongst the experimental group although only in one component measured. The results describe the learning results for first academic year students and no parallel conclusions should be drawn when considering any learning results for graduating students. The results support the use and further development of the Taitoviiko teaching method. The RRmittTest developed for the study should be assessed and the results seen from a negative perspective. This evaluation tool needs to be developed and retested.

Juvan kunnan jätevedenpuhdistamon ympäristöasioiden parantaminen

Diplomityö on osa Mikkelin ammattikorkeakoulun YTI:ssä vuosina 2005 - 2008 toteutettua ”Yritysten ympäristöriskit” EU-osarahoitteista hanketta. Työn tarkoituksena oli tunnistaa, arvioida ja luokittaa Etelä-Savossa, Juvalla toimivan yhdyskuntajätevedenpuhdistamon ympäristöriskit sekä antaa neuvoja löytyneiden riskien hallintaan. Jätevedenpuhdistamon toiminnasta syntyvät mahdolliset ympäristöriskitekijät tunnistettiin kirjallisuusselvitysten sekä haastattelujen avulla. Riskien tunnistamisen jälkeen riskien kartoittamiseen, arviointiin ja luokittamiseen käytettiin osia eri riskianalyysimenetelmistä. Riskit jaettiin viiteen eri riskiluokkaan; vakavasta riskistä merkityksettömään riskiin. Juvan kunnan jätevedenpuhdistamolla esiintyi neljän pienimmän riskiluokan riskejä, ja vakavia riskejä ei kartoituksessa tullut esille lainkaan. Riskejä arvioitiin niin sanotuissa normaalioloissa. Merkittävin yksittäinen riskitekijä jätevedenpuhdistamolla oli haitallisen tai poikkeavan aineen kulkeutuminen jäteveden mukana puhdistamolle. Tämä voisi heikentää puhdistamon puhdistustulosta merkittävästi. Kun laitosta ajetaan ympäristöluvassa asetettujen vaatimusten mukaisesti ja alueella sijaitsevat teollisuuslaitokset noudattavat heille annettuja määräyksiä, ei Juvan jätevedenpuhdistamolta aiheudu merkittäviä päästöjä maa-perään tai pohjavesiin.

A Survey and Classification of Software Testing Tools

Software testing is one of the essential parts in software engineering process. The objective of the study was to describe software testing tools and the corresponding use. The thesis contains examples of software testing tools usage. The study was conducted as a literature study, with focus on current software testing practices and quality assurance standards. In the paper a tool classifier was employed, and testing tools presented in study were classified according to it. We found that it is difficult to distinguish current available tools by certain testing activities as many of them contain functionality that exceeds scopes of a single testing type.

Oliopohjainen konenäkösovelluskehys

Monet teollisuuden konenäkö- ja hahmontunnistusongelmat ovat hyvin samantapaisia, jolloin prototyyppisovelluksia suunniteltaessa voitaisiin hyödyntää pitkälti samoja komponentteja. Oliopohjaiset sovelluskehykset tarjoavat erinomaisen tavan nopeuttaa ohjelmistokehitystä uudelleenkäytettävyyttä parantamalla. Näin voidaan sekä mahdollistaa konenäkösovellusten laajempi käyttö että säästää kustannuksissa. Tässä työssä esitellään konenäkösovelluskehys, joka on perusarkkitehtuuriltaan liukuhihnamainen. Ylätason rakenne koostuu sensorista, datankäsittelyoperaatioista, piirreirrottimesta sekä luokittimesta. Itse sovelluskehyksen lisäksi on toteutettu joukko kuvankäsittely- ja hahmontunnistusoperaatioita. Sovelluskehys nopeuttaa selvästi ohjelmointityötä ja helpottaa uusien kuvankäsittelyoperaatioiden lisää mistä.

Kaupunkialueella toimivan sähkönjakeluverkkoyhtiön siirtohinnoittelun kehittäminen

Sähkönjakeluverkkoyhtiöllä on sähkön siirtopalveluun alueellinen monopoli. Siirtohinnoittelun reunaehdot tulevat sähkömarkkinalaista ja hintojen kohtuullisuutta valvoo ja sääntelee Energiamarkkinavirasto. Tässä työssä selvitetään Turku Energia Sähköverkot Oy:lle kustannusvastaavat aiheuttamisperiaatteen mukaiset siirtohinnat. Samalla muodostetaan yleis-, yö- ja kausituotteiden perusmaksuihin asiakkaan liittymispisteen pääsulakkeen kokoon perustuva porrastus. Sulakeporrastuksen käyttöönotolla pystytään kehittämään siirtohinnoittelun kustannusvastaavuutta ja noudattamaan aiheuttamisperiaatteen mukaista hinnoittelupolitiikkaa entistä paremmin. Työssä tutkitaan siirtohinnoittelun kehitysnäkymiä myös pidemmällä tähtäimellä. Älykkäiden sähköverkkojen kehittyminen ja erityisesti etäluettavien mittareiden käyttöönotto tulevat luomaan kehitysmahdollisuuksia siirtohinnoitteluun tulevaisuudessa. Laitteista saatavia tarkkoja sähkönkulutus- ja tehotietoja voidaan käyttää kustannusvastaavuuslaskennan taustalla. Jotta verkon käyttö olisi sen mitoitukseen nähden mahdollisimman tehokasta, tulisi kuorman jakautua mahdollisimman tasaisesti ajan suhteen. Verkossa esiintyviä kulutushuippuja pystytään tulevaisuudessa mahdollisesti tasoittamaan esimerkiksi kuorman ohjauksen avulla, jonka tehokeinona voidaan käyttää siirtohinnoittelua. Siirtohinnoilla voidaan mahdollisesti vaikuttaa myös esimerkiksi kulutuksen ja tuotannon ajoittamiseen sekä kannusta asiakkaita loistehon kompensointiin. Siirtotuotteiden täytyy myös kehittyä asiakkaiden tarpeiden kehittymisen rinnalla ja esimerkiksi sähkön laadun tuotteistaminen voi olla eräs keino vastaamaan tiukentuneisiin vaatimuksiin.

Eye Fundus Image Analysis for Automatic Detection of Diabetic Retinopathy

Diabetes is a rapidly increasing worldwide problem which is characterised by defective metabolism of glucose that causes long-term dysfunction and failure of various organs. The most common complication of diabetes is diabetic retinopathy (DR), which is one of the primary causes of blindness and visual impairment in adults. The rapid increase of diabetes pushes the limits of the current DR screening capabilities for which the digital imaging of the eye fundus (retinal imaging), and automatic or semi-automatic image analysis algorithms provide a potential solution. In this work, the use of colour in the detection of diabetic retinopathy is statistically studied using a supervised algorithm based on one-class classification and Gaussian mixture model estimation. The presented algorithm distinguishes a certain diabetic lesion type from all other possible objects in eye fundus images by only estimating the probability density function of that certain lesion type. For the training and ground truth estimation, the algorithm combines manual annotations of several experts for which the best practices were experimentally selected. By assessing the algorithm’s performance while conducting experiments with the colour space selection, both illuminance and colour correction, and background class information, the use of colour in the detection of diabetic retinopathy was quantitatively evaluated. Another contribution of this work is the benchmarking framework for eye fundus image analysis algorithms needed for the development of the automatic DR detection algorithms. The benchmarking framework provides guidelines on how to construct a benchmarking database that comprises true patient images, ground truth, and an evaluation protocol. The evaluation is based on the standard receiver operating characteristics analysis and it follows the medical practice in the decision making providing protocols for image- and pixel-based evaluations. During the work, two public medical image databases with ground truth were published: DIARETDB0 and DIARETDB1. The framework, DR databases and the final algorithm, are made public in the web to set the baseline results for automatic detection of diabetic retinopathy. Although deviating from the general context of the thesis, a simple and effective optic disc localisation method is presented. The optic disc localisation is discussed, since normal eye fundus structures are fundamental in the characterisation of DR.

Hallinnollinen sanktiointi

Tausta Suomessa lainsäätäjä reagoi helposti yhteiskunnalliseen häiriötekijään rikosoikeuden keinoin. Tästä on osoituksena se, että syksyllä 2010 varsinaisen rikoslain lisäksi rikoksesta oli säädetty 256 eri laissa. Suomalainen, lähtökohdiltaan maltillinen kontrolli- ja kriminaalipolitiikka on 1970-luvulla linjatun vastaisesti johtanut 2000-luvulle tultaessa rikosoikeudellisen kontrollin lisääntymiseen ja jopa kiristymiseen. Raja rikosten ja rikkomusten välillä on liudentunut ja paikoitellen kadonnut ja erityisesti turvallisuudesta on kehittynyt – käsitteeseen liittyvistä oikeudellisista jännitteistä huolimatta – keskeinen rikosoikeudellisen sääntelyn oikeutusperuste. Rikosoikeuden käyttäminen vähäisten rikosten kontrollointiin on aiheuttanut Suomeen viivästymisen ongelman. Yleisessä tiedossa on se, että Euroopan ihmisoikeustuomioistuin on antanut 2000-luvulla Suomelle kymmeniä tuomioita siksi, että rikosjuttuja on käsitelty viranomaisissa ja tuomioistuimissa liian kauan. Vähemmän on sen sijaan keskusteltu siitä, että myös vähäiset rikokset viivästyvät rikosoikeuden alan laajetessa ja viranomaisten voimavarojen ehtyessä. Suomessa ongelmaa on pyritty hoitamaan rikosoikeudellista toimivaltaa hallintoviranomaisille delegoimalla tilanteen ollessa nyt se, että uuden sakkomenettelylain voimaan tullessa noin 90 % rikosoikeudellisesta kompetenssista on poliisilla ja muilla hallintoviranomaisilla. Se taasen on ongelmallista perustuslain 3 §:ssä säädetyn vallanjakoperiaatteen kannalta. Välttämätöntä on korostaa myös sitä, että pääosin rikosoikeudelliseen kontrolliin perustuva systeemi aiheuttaa rikosoikeuden inflaatiota: rikosoikeuden arvostuksen vähenemisestä aiheutuvia ei-mittavissa olevia kuluja. Rikosoikeuden laajenemista vastaan esitetään kuitenkin harvoin kritiikkiä. Rikosoikeustieteen piirissäkään sille ei ole esitetty vakavasti otettavaa vaihtoehtoa. Esimerkiksi hallinnollisia sanktioita ei ole Suomessa – ei tosin muissa Pohjoismaissakaan – koettu rikosoikeuden vaihtoehtona, vaan usein rikosoikeutta täydentävänä järjestelmänä. Hallinnollisten sanktioiden käyttäminen rikosoikeuden ohessa ei ole ollut yksiselitteistä ja jäsenneltyä, yleisiin oppeihin perustuvaa. Kontrollin erityisille alueille, esimerkiksi sotilaskontrolliin, on lisäksi kehittynyt rikos- ja hallinto-oikeuden sekajärjestelmiä. Tutkimuskysymykset Käsillä olevassa artikkelimuotoisessa väitöskirjatutkimuksessa pyritään hahmottelemaan rikos- ja hallinto-oikeudellisten rangaistusjärjestelmien välisiä eroavaisuuksia Suomessa. Tutkimuksen keskeisin tehtävä on sen pohtiminen, millä tavalla 2010-luvulle tultaessa olisi tutkimuksen empiiriset ja teoreettiset lähtökohdat huomioon ottaen järkevää ja tarkoituksenmukaista rangaista. Tällä perusteella kehitetään yksikertaista hallintosanktiointiteoreettista mallia, että sitä hyväksikäyttäen lainvalmisteluprosessin sanktiointitilanteessa, sanktiosta päätettäessä, olisi mahdollista asettaa oikeusturvan vähimmäistakeet täyttävällä tavalla oikeus- ja muilta vaikutuksiltaan rationaalinen seuraamus sekä säätää sen määräämiseksi yhteiskunnallisilta vaikutuksiltaan tehokas ja riittävän oikeusturvallinen menettely. Tutkimustehtävä on tiivistetysti 1) hallinnollisten sanktioiden ja rikosoikeudellisten rangaistusten ja niiden alan määrittäminen, 2) hallinnollisten sanktioiden sääntelymallien valintaperusteluiden selvittäminen, 3) hallintosanktioteoreettisen mallin kehittäminen lainvalmisteluprosessia varten sekä 4) de lege ferenda -suositusten tekeminen rangaistavuuden hyväksyttävyyden ja joutuisuuden parantamiseksi. Menetelmä ja aineistot Tutkimus kytkeytyy teoreettisen rikosoikeustieteen, hallinto-oikeustieteen ja prosessioikeustieteen alalle ja se on luonteeltaan ongelmakeskeinen. Tieteenalojen väliset painotukset ja niiden vaikutus vaihtelevat tutkimuksessa. Vaikka tutkimus on monella tavalla luonteeltaan teoreettinen, siinä rakennetaan nimenomaan lainsäädäntötyötä ja lainvalmistelua tukevaa tutkimusta ja teoriaa. Tältä osin näkökulma liittyy kriminalisointiteoreettisessa tutkimuksessa hahmotettuun lainsäätäjän oikeuslähdeoppia koskevaan uuteen näkökulmaan, jolla on yhteyksiä lainsäädäntötutkimukseen ja oikeusteoriassa hahmotettuun legisprudence-tutkimusuuntaukseen, näkökulman suuntautuessa lainsäädäntötasolle. Tutkimuksen lähteistä suurin osa on oikeustieteellistä kirjallisuutta, jonka pääosa muotoutuu suomalaisesta oikeustieteellisestä kirjallisuudesta. Myös pohjoismaalaista, saksalaista ja hieman myös anglosaksista kirjallisuutta on käytetty. Kansainvälisten kirjallisuuslähteiden merkitys ei ole ollut merkittävä, koska kattava eurooppalainen näkemys aihepiiristä on pyritty saamaan Euroopan ihmisoikeustuomioistuimen ratkaisukäytäntöä hyödyntäen. Tutkimuksen lähteinä on käytetty laajasti myös kansallista lainvalmisteluaineistoa, erityisesti hallituksen esityksiä ja perustuslakivaliokunnan lausuntokäytäntöä. Johtopäätökset Kriminaali- ja/tai kontrollipolitiikassa on juuri nyt tärkeää pohtia, millä tavalla 2010-luvulle tultaessa on järkevää ja tarkoituksenmukaista rangaista. Tähän voisi olla mahdollista vastata tutkimuksessa kehitettävällä hallintosanktiointiteoreettisella mallilla. Mallin kehittäminen on edellyttänyt yhteiskunnallisten sanktiokäytäntöjen oikeusvaltioopillista tarkastelua, jolloin sanktioiden yhteiskunnalliseen merkitykseen pureutuminen kuvailee myös sitä, millainen modernin oikeusvaltion tila tällä hetkellä on. Perinteisten oikeusvaltioiden paradigmojen käyttäminen ei välttämättä edistä relevantin oikeusvaltiollisen sanktiointiteoreettisen mallin kehittämistä. Voi olla niinkin, että klassinen oikeusvaltio-oppi ja oletetunlaiset rikosoikeuden erityiset elementit eivät enää vastaa yhteiskuntatodellisuutta. Näin rankaisemisen yleiset opit voivat nousta kehittämisen kohteeksi oikeusvaltiollisuuden elementtien toteuttamiseksi valtavasta kasvaneessa hallintoyhteiskunnassa – hallinto-johtoisessa yhteiskunnallisessa todellisuudessa. Suomen rikoslaki sisältää laajassa merkityksessä sadoittain erilaatuisia kriminalisointeja, joiden merkitys on usein hallinnon toimintaa subventoiva, symbolinen tai jonkin toisen kriminalisoinnin vaikutusta tehostamaan pyrkivä. Tällainen rikoslaki on tehtävänsä, vaikuttavuutensa ja hyväksyttävyytensä kannalta ongelmallinen. Suomalainen hallinnollisten sanktioiden järjestelmä ei sekään ole järkevä ja tarkoituksenmukainen, yleisiin oppeihin perustuva systeemi. Myös yleiseurooppalainen kehitys näyttäisi viittaavan siihen, että Suomessa on tarve kehittää sekä rikosoikeutta että sille vaihtoehtoista hallintosanktioiden järjestelmää, sanktio-oikeutta. Tämä edellyttää lainsäädäntöuudistuksia.

Saksan opiskelijasta saksan opettajaksi. Aineenopettajaopiskelijan ammatillinen kasvu ohjatussa harjoitttelussa

Tutkimuksessani tarkastelin, miten ammatillinen kasvu ilmenee saksan opetusharjoittelijoiden näkemyksissä ja toiminnassa opettajan pedagogisiin opintoihin kuuluvan ohjatun harjoittelun aikana. Keräsin tutkimusaineiston lukuvuosina 2007–2010 kaikilta saksan opetusharjoittelijoilta, jotka suorittivat ohjatussa harjoittelussa vähintään 15 op Turun normaalikoulussa. Tutkimusaineistona käytin henkilökohtaisia harjoittelusuunnitelmia (HOPS) ja reflektiovihkoja, jotka ovat ohjatun harjoittelun normaaleja työvälineitä. Täydensin aineistoa ohjatun harjoittelun alussa toteutetulla kyselyllä ja harjoittelun päätteeksi tehdyllä puolistrukturoidulla teemahaastattelulla. Toimin tutkimuksen aikana Turun normaalikoulussa saksan opettajana ja aineryhmän harjoittelusta vastaavana opettajana. Tutkimuskysymykset tarkentuivat aineistolähtöisesti. Ensimmäinen tutkimuskysymys liittyi siihen, miten harjoittelijoiden ideaalit hyvästä vieraan kielen opetuksesta ja henkilökohtaiset tavoitteet toteutuivat ohjatun harjoittelun aikana. Alkukyselyn pohjalta ideaaleiksi nousivat vuorovaikutus ja monipuoliset työtavat, kulttuurin opettaminen, tavoitekielen käyttö luokkakielenä sekä selkeä kieliopin opetus. Tutkimuksessa kävi ilmi, että alkukyselyssä esiin tullut hyvän opettajan tai vieraan kielen opetuksen ideaali ei välttämättä näy opettajaksi opiskelevan HOPSeihin kirjatuissa henkilökohtaisissa tavoitteissa tai toteudu hänen harjoitustunneillaan. Parhaiten opetusharjoittelijat kokivat onnistuneensa vuorovaikutuksen luomisessa oppilaisiin ja opiskelijoihin sekä monipuolisten työtapojen käytössä. Eriyttäminen ja oppimaan oppimisen ohjaaminen koettiin hankalina. Suurin osa harjoittelijoista oli tyytyväisiä siihen, miten he onnistuivat tuomaan kulttuuria opetukseensa, kun taas tavoitekielen käyttö luokkakielenä ja kieliopin opetus koettiin haasteellisiksi. Toisessa tutkimuskysymyksessä tarkasteltiin, millainen ammatillinen näkemys vieraan kielen opiskelijalla on ohjatun harjoittelun jälkeen. Opetusharjoittelijat korostivat opettajan kasvatustyötä ja opettajien välistä yhteistyötä. Ajatus toimia saksan tai vieraan kielen opettajana oli vahvistunut pedagogisten opintojen aikana. Kolmas tutkimuskysymys kohdistui sen selvittämiseen, miten HOPS ja reflektiovihko toimivat harjoittelijoiden kasvun tukena. Harjoittelijoiden kirjallinen itsereflektio vaihteli syvällisistä pohdinnoista niukkiin merkintöihin. Suurimmassa osassa reflektiovihoista harjoittelijat olivat miettineet palautteissa esille tulleita asioita. HOPS ja reflektiovihko ovat tämän tutkimuksen perusteella toimivia harjoittelun ohjauksen välineitä, kunhan harjoittelijoita ohjataan niiden käytössä. Itsereflektion merkityksen puolesta puhuu se, että harjoittelijat, jotka olivat myös kirjallisesti pohtineet saksan käyttöä luokkakielenä, olivat muita tyytyväisempiä siihen, miten he kokivat onnistuneensa luokkakielen käytössä.

Bankruptcy prediction using fuzzy methods

In this thesis, a classi cation problem in predicting credit worthiness of a customer is tackled. This is done by proposing a reliable classi cation procedure on a given data set. The aim of this thesis is to design a model that gives the best classi cation accuracy to e ectively predict bankruptcy. FRPCA techniques proposed by Yang and Wang have been preferred since they are tolerant to certain type of noise in the data. These include FRPCA1, FRPCA2 and FRPCA3 from which the best method is chosen. Two di erent approaches are used at the classi cation stage: Similarity classi er and FKNN classi er. Algorithms are tested with Australian credit card screening data set. Results obtained indicate a mean classi cation accuracy of 83.22% using FRPCA1 with similarity classi- er. The FKNN approach yields a mean classi cation accuracy of 85.93% when used with FRPCA2, making it a better method for the suitable choices of the number of nearest neighbors and fuzziness parameters. Details on the calibration of the fuzziness parameter and other parameters associated with the similarity classi er are discussed.