The Roles of Cultural, Functional and Value Diversity in Innovativeness and Learning

Tutkielman tavoite on tutkia kulttuurista, funktionaalista ja arvojen diversiteettiä, niiden suhdetta innovatiivisuuteen ja oppimiseen sekä tarjota keinoja diversiteetin johtamiseen. Tämän lisäksi selvitetään linjaesimiesten haastattelujen kautta miten diversiteetti case -organisaatiossa tällä hetkellä koetaan. Organisaation diversiteetin tämänhetkisen tilan tunnistamisen kautta voidaan esittää parannusehdotuksia diversiteetin hallintaan. Tutkimus- ja tiedonkeruumenetelmänä käytetään kvalitatiivista focus group haastattelumenetelmää. Tutkimuksessa saatiin selkeä kuva kulttuurisen, funktionaalisen ja arvojen diversiteetin merkityksistä organisaation innovatiivisuudelle ja oppimiselle sekä löydettiin keinoja näiden diversiteetin tyyppien johtamiseen. Tutkimuksen tärkeä löydös on se, että diversiteetti vaikuttaa positiivisesti organisaation innovatiivisuuteen kun sitä johdetaan tehokkaasti ja kun organisaatioympäristö tukee avointa keskustelua ja mielipiteiden jakamista. Case organisaation tämänhetkistä diversiteetin tilaa selvitettäessä havaittiin että ongelma organisaatiossa ei ole diversiteetin puute, vaan paremminkin se, ettei diversiteettia osata hyödyntää. Organisaatio ei tue erilaisten näkemysten ja mielipiteiden vapaata esittämistä jahyväksikäyttöä ja siksi diversiteetin hyödyntäminen on epätäydellistä. Haastatteluissa tärkeinä seikkoina diversiteetin hyödyntämisen parantamisessa nähtiin kulttuurin muuttaminen avoimempaan suuntaan ja johtajien esimiestaitojen parantaminen.

Information System ProcessInnovation Adoption, Adaptation, Learning, and Unlearning: A Longitudinal Case Study

This thesis examines the history and evolution of information system process innovation (ISPI) processes (adoption, adaptation, and unlearning) within the information system development (ISD) work in an internal information system (IS) department and in two IS software house organisations in Finland over a 43-year time-period. The study offers insights into influential actors and their dependencies in deciding over ISPIs. The research usesa qualitative research approach, and the research methodology involves the description of the ISPI processes, how the actors searched for ISPIs, and how the relationships between the actors changed over time. The existing theories were evaluated using the conceptual models of the ISPI processes based on the innovationliterature in the IS area. The main focus of the study was to observe changes in the main ISPI processes over time. The main contribution of the thesis is a new theory. The term theory should be understood as 1) a new conceptual framework of the ISPI processes, 2) new ISPI concepts and categories, and the relationships between the ISPI concepts inside the ISPI processes. The study gives a comprehensive and systematic study on the history and evolution of the ISPI processes; reveals the factors that affected ISPI adoption; studies ISPI knowledge acquisition, information transfer, and adaptation mechanisms; and reveals the mechanismsaffecting ISPI unlearning; changes in the ISPI processes; and diverse actors involved in the processes. The results show that both the internal IS department and the two IS software houses sought opportunities to improve their technical skills and career paths and this created an innovative culture. When new technology generations come to the market the platform systems need to be renewed, and therefore the organisations invest in ISPIs in cycles. The extent of internal learning and experiments was higher than the external knowledge acquisition. Until the outsourcing event (1984) the decision-making was centralised and the internalIS department was very influential over ISPIs. After outsourcing, decision-making became distributed between the two IS software houses, the IS client, and itsinternal IT department. The IS client wanted to assure that information systemswould serve the business of the company and thus wanted to co-operate closely with the software organisations.

Predicting diffusion of innovations with self-organisation and machine learning

The main subject of this master's thesis was predicting diffusion of innovations. The prediction was done in a special case: product has been available in some countries, and based on its diffusion in those countries the prediction is done for other countries. The prediction was based on finding similar countries with Self-Organizing Map~(SOM), using parameters of countries. Parameters included various economical and social key figures. SOM was optimised for different products using two different methods: (a) by adding diffusion information of products to the country parameters, and (b) by weighting the country parameters based on their importance for the diffusion of different products. A novel method using Differential Evolution (DE) was developed to solve the latter, highly non-linear optimisation problem. Results were fairly good. The prediction method seems to be on a solid theoretical foundation. The results based on country data were good. Instead, optimisation for different products did not generally offer clear benefit, but in some cases the improvement was clearly noticeable. The weights found for the parameters of the countries with the developed SOM optimisation method were interesting, and most of them could be explained by properties of the products.

New kernel functions and learning methods for text and data mining

Recent advances in machine learning methods enable increasingly the automatic construction of various types of computer assisted methods that have been difficult or laborious to program by human experts. The tasks for which this kind of tools are needed arise in many areas, here especially in the fields of bioinformatics and natural language processing. The machine learning methods may not work satisfactorily if they are not appropriately tailored to the task in question. However, their learning performance can often be improved by taking advantage of deeper insight of the application domain or the learning problem at hand. This thesis considers developing kernel-based learning algorithms incorporating this kind of prior knowledge of the task in question in an advantageous way. Moreover, computationally efficient algorithms for training the learning machines for specific tasks are presented. In the context of kernel-based learning methods, the incorporation of prior knowledge is often done by designing appropriate kernel functions. Another well-known way is to develop cost functions that fit to the task under consideration. For disambiguation tasks in natural language, we develop kernel functions that take account of the positional information and the mutual similarities of words. It is shown that the use of this information significantly improves the disambiguation performance of the learning machine. Further, we design a new cost function that is better suitable for the task of information retrieval and for more general ranking problems than the cost functions designed for regression and classification. We also consider other applications of the kernel-based learning algorithms such as text categorization, and pattern recognition in differential display. We develop computationally efficient algorithms for training the considered learning machines with the proposed kernel functions. We also design a fast cross-validation algorithm for regularized least-squares type of learning algorithm. Further, an efficient version of the regularized least-squares algorithm that can be used together with the new cost function for preference learning and ranking tasks is proposed. In summary, we demonstrate that the incorporation of prior knowledge is possible and beneficial, and novel advanced kernels and cost functions can be used in algorithms efficiently.

Towards Innovative Virtual Learning in Vocational Teacher Education: Narratives as a Form of Meaningful Learning

http://www.eurodl.org/.

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.

Näkökulmia kielen oppimisen käytäntöihin. Turun yliopiston kielikeskus 30 vuotta - Perspectives on Language Learning in Practice. University of Turku Language Centre 30-year Celebration

Tämä julkaisu ilmestyy Turussa 18.–19.5.2009 järjestettävien valtakunnallisten kielikeskuspäivien yhteydessä. Turun yliopiston kielikeskus viettää samaan aikaan 30-vuotisjuhlaansa. Erään luokittelun mukaan 30–45-vuotias elää varsinaista keski-ikäänsä, kun taas joissakin katsotaan, että 28–35 vuoden ikä on vasta ns. jäsentymisen vaihe ja että varhainenkin keski-ikä sijoittuu vasta ikävuosiin 35–42. Voitaneen siis sanoa, että kielikeskus on ainakin ohittanut nuoruusvuodet ja on jäsentymässä tai siirtymässä keski-ikään. Tämä tuo mukanaan tietynlaista kypsymistä, itsensä varaan asettumista, imagon ja profiilin vakiintumista. Tähän kasvuun saattaa liittyä myös jonkinlainen aikuistumisen kriisi. Sen myötä kuitenkin ymmärrys lisääntyy ja oman paikan rakentaminen yliopistoyhteisössä voimistuu. Arvo- ja ajatusmaailmaan tulee uusia kehityspiirteitä: olemassaolon ja toiminnan syvemmät perustelut, illuusioiden väheneminen, hallinnan tunne, tyydytys onnistuneesta toiminnasta ja realistinen voiman tunto. Laitos esittäytyy julkaisussa 13 kirjoituksen välityksellä. Tekstit ovat sisällöltään ja käsittelytavaltaan hyvin erilaisia, mutta juuri sellaisina ne valottavat monipuolisesti laitoksen ja sen henkilökunnan toimintaa ja tuntemuksia. Kuvaukset valaisevat laitoksen erikoisluonnetta ja kuvailevat henkilökunnan erilaisia tehtäviä. Kielikeskus paljastuu dynaamisemmaksi ja heterogeenisemmaksi yksiköksi kuin ensi silmäyksellä saattaa luulla, mutta juuri siinä piilee sen voima ja rikkaus. Juhlakirjaan toivottiin kirjoituksia kielikeskuksen opetukseen tai toimintaan liittyvistä aiheista. Kirjaan sisältyy selontekojen ja kuvausten lisäksi muutamia tiukan tieteellisiä artikkeleita. Joukossa on myös joitakin esseitä, jotka koskettelevat kielen ja kulttuurin välisiä suhteita ja luovat katsauksia kielikeskuksen monikulttuuriseen arkeen. Useassa kirjoituksessa käsitellään kielipedagogisia ja -didaktisia kysymyksiä. Erityisesti tulee esiin kielikeskuksessa viime vuosina tehty uudistustyö opetuksen ja oppimisedellytysten parantamiseksi. Samalla kun muun muassa opetusteknologiaa ja kielen oppimisen käytäntöjä virtuaalisissa oppimisympäristöissä on kehitetty, opettajan rooli on muovautunut uudentyyppiseksi: perinteisen opetushenkilöstön ja muun henkilökunnan tehtävät ja toimenkuva ovat selvästi lähentyneet toisiaan. Tämä suuntaus on jatkunut jo kauan ja jatkunee tulevaisuudessakin. Kolmekymmentä viime vuotta ovat olleet yliopistossa erittäin nopean muutoksen aikaa. Tämä on näkynyt erityisesti kielikeskuksen toiminnan laajenemisessa ja kehityksessä, joissa tosin on ollut notkahduksiakin. Varsinkin nopea kansainvälistyminen, Euroopan yhteisön laajentuminen ja koko maailman avautuminen ovat tuoneet mukanaan uusia haasteita, joihin kielikeskus on heti tarttunut: kielivalikoimaa on laajennettava, kielitaitoa kohennettava ja erilaisia kulttuureja tunnettava ja ymmärrettävä syvällisemmin. Turun yliopiston kielikeskus pyrkii omalta osaltaan täyttämään nämä velvoitteet ja luomaan toiminnallaan mahdollisimman hyvät edellytykset yliopiston kansainvälistymiselle. Nämä seikat on otettu huomioon laitoksen toimintalinjojen suunnittelussa ja kehittämisessä. Kieli-ja viestintäopintojen rakenteiden uudistamista jatketaan yhteistyössä tiedekuntien kanssa. Opintojen valinnaisuutta ja vapaaehtoisuutta pyritään lisäämään sekä turvaamaan kielivalintojen monipuolisuus ja kieliosaamisen laajaalaisuus resurssien mukaan. Toimintaa kehitetään niin, että siinä otetaan entistä paremmin huomioon yhteiskunnan monikulttuuristuminen ja Euroopan komission tavoite, jonka mukaan jokaisen EU- kansalaisen tulisi osata oman äidinkielensä lisäksi vähintään kahta yhteisön kieltä. Samalla otetaan huomioon globalisaation tuomat uudet haasteet tukemalla tärkeimpien Euroopan yhteisön ulkopuolisten kielten opetusta (mm. venäjä, kiina, japani, arabia). Edelleen kielikeskus seuraa tarkoin keskustelua Suomen kielikoulutuspolitiikan perusteista ja tavoitteista ja ottaa toimintansa suunnittelussa huomioon valtakunnalliset suositukset Suomen kielikoulutuksen uudistamiseksi vastaamaan nykypäivän ja tulevaisuuden tarpeita ja tavoitteita. Se että kielikeskus on viime vuosina selvästikin vakiinnuttanut asemansa yliopiston strategisesti tärkeänä yksikkönä, ei tarkoita sitä, että nyt voitaisiin turvautua pelkästään vanhoihin toimintamalleihin ja rutiineihin. Päinvastoin, koko maailmassa, suomalaisessa yhteiskunnassa ja yliopistojen toiminnassa tapahtuneet ja tapahtuvat suuret muutokset edellyttävät kielikeskustoimintojen vireää kehittämistä ja uudistusmieltä. Laitos onkin ilmoittanut tulossopimuksessaan tukevansa opetuskokeiluja ja innovatiivisia ratkaisuja. Opettajajohtoisen opetuksen ohella on voimakkaasti kehitetty myös ohjattua itseopiskelua, monimuotoopetusta sekä vaihtoehtoisia ja uudentyyppisiä oppimismuotoja. Uutta opetusteknologiaa käytetään tehokkaasti hyväksi ja kehitetään edelleen. Opetuksessa ja ohjauksessa käytetään suomalaisten ja ulkomaisten opiskelijoiden työpanosta. Laitoksen suunnittelu- ja kehittämistyössä opiskelijat ovat toimineet viime vuosina aktiivisesti ja ansiokkaasti: yhteistyö ylioppilaskunnan kanssa toimii erinomaisesti, ja sitä on tarkoitus vielä tehostaa. Laitos on saanut runsaasti kiitosta korkealaatuisesta toiminnastaan: muun muassa v. 1998 ja 2008 Turun yliopiston vuoden opettajan palkinnon, v. 1999 Turun yliopiston parhaan koulutusyksikön palkinnon ja v. 2007 vuoden opintojaksopalkinnon. On toivottavaa, että tämä tuloksellinen työ jatkuisi ja entisestäänkin paranisi tulevina vuosina. Hyvät tulokset on saavutettu kovilla ponnistuksilla ja tiukalla sitoutumisella työhön. Aina se ei ole ollut aivan helppoa nopeiden muutosten myllerryksessä, tiukentuneessa resurssitilanteessa ja vaatimusten ja odotusten ristiriidoissa. Toivon, että pääosin hyvin sujunut yhteistyö yliopiston johdon, tiedekuntien ja opiskelijoiden kanssa sekä henkilökunnan keskuudessa voisi säilyä ja kehittyä ja että alkava vuosikymmen kielikeskuksen historiassa voisi olla entistä parempi. Hyvä yhteistyö on hyvien tulosten edellytys. Suurten uudistusten vuosi 2010 sisältää mahdollisuuden parempaan, mutta se on samalla myös riski ehkä hyvinkin paljon muuttuvassa toimintaympäristössä. Lainaan lopuksi roomalaisen historioitsijan Sallustiuksen sanat: Concordia res parvae crescunt, discordia maximae dilabuntur. Yksimielisyys saa pienetkin asiat kukoistamaan, eripura suuretkin tuhoaa. Turun yliopistolla on hyvä kielikeskus, jota kannattaa vaalia ja tukea. Kiitän kaikkia kirjoittajia ja juhlajulkaisun toimittajia Minna Maijalaa, Timo Hulkkoa ja Jane Honkaa tämän julkaisun synnystä. Samoin esitän kiitokset kielikeskuksen kirjallisen viestinnän lehtoreille, Markus Lahdelle ja Arja Lampiselle, jot ka ovat nähneet vaivaa tekstien kielellisinä korjaajina. Koko kielikeskuksen nykyistä ja aikaisempaa henkilökuntaa kiitän työstä, jota laitoksen hyväksi on tehty kuluneiden 30 vuoden aikana. Erityisen kiitoksen ansaitsee laitoksen juhlatoimikunta kaikista juhlavuoden järjestelyistä.

Inter organizational learning within and by innovation networks

The thesis deals with the phenomenon of learning between organizations in innovation networks that develop new products, services or processes. Inter organizational learning is studied especially at the level of the network. The role of the network can be seen as twofold: either the network is a context for inter organizational learning, if the learner is something else than the network (organization, group, individual), or the network itself is the learner. Innovations are regarded as a primary source of competitiveness and renewal in organizations. Networking has become increasingly common particularly because of the possibility to extend the resource base of the organization through partnerships and to concentrate on core competencies. Especially in innovation activities, networks provide the possibility to answer the complex needs of the customers faster and to share the costs and risks of the development work. Networked innovation activities are often organized in practice as distributed virtual teams, either within one organization or as cross organizational co operation. The role of technology is considered in the research mainly as an enabling tool for collaboration and learning. Learning has been recognized as one important collaborative process in networks or as a motivation for networking. It is even more important in the innovation context as an enabler of renewal, since the essence of the innovation process is creating new knowledge, processes, products and services. The thesis aims at providing enhanced understanding about the inter organizational learning phenomenon in and by innovation networks, especially concentrating on the network level. The perspectives used in the research are the theoretical viewpoints and concepts, challenges, and solutions for learning. The methods used in the study are literature reviews and empirical research carried out with semi structured interviews analyzed with qualitative content analysis. The empirical research concentrates on two different areas, firstly on the theoretical approaches to learning that are relevant to innovation networks, secondly on learning in virtual innovation teams. As a result, the research identifies insights and implications for learning in innovation networks from several viewpoints on organizational learning. Using multiple perspectives allows drawing a many sided picture of the learning phenomenon that is valuable because of the versatility and complexity of situations and challenges of learning in the context of innovation and networks. The research results also show some of the challenges of learning and possible solutions for supporting especially network level learning.

The Connectivity of Musical Aptitude and Foreign Language Learning Skills: Neural and Behavioural Evidence

Given the structural and acoustical similarities between speech and music, and possible overlapping cerebral structures in speech and music processing, a possible relationship between musical aptitude and linguistic abilities, especially in terms of second language pronunciation skills, was investigated. Moreover, the laterality effect of the mother tongue was examined with both adults and children by means of dichotic listening scores. Finally, two event-related potential studies sought to reveal whether children with advanced second language pronunciation skills and higher general musical aptitude differed from children with less-advanced pronunciation skills and less musical aptitude in accuracy when preattentively processing mistuned triads and music / speech sound durations. The results showed a significant relationship between musical aptitude, English language pronunciation skills, chord discrimination ability, and sound-change-evoked brain activation in response to musical stimuli (durational differences and triad contrasts). Regular music practice may also have a modulatory effect on the brain’s linguistic organization and cause altered hemispheric functioning in those who have regularly practised music for years. Based on the present results, it is proposed that language skills, both in production and discrimination, are interconnected with perceptual musical skills.

Blended learning and student time-use in engineering education

Aiheen laajempi artikkeli on julkaistu konferenssi-CD:llä.

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.

Knowledge Sharing in a Virtual Learning Community

The focus of this Master’s Thesis is on knowledge sharing in a virtual Learning community. The theoretical part of this study aims at presenting the theory of knowledge sharing, competence development and learning in virtual teams. The features of successful learning organizations as well as enablers of effective knowledge sharing in virtual communities are also introduced to the reader in the theoretical framework. The empirical research for this study was realized in a global ICT company, specifically in its Human Resources business unit. The research consisted of two rounds of online questionnaires, which were conducted among all the members of the virtual Learning community. The research aim was to find shared opinions concerning the features of a successful virtual Learning community. The analysis of the data in this study was conducted using a qualitative research methodology. The empirical research showed that the main important features of a successful virtual Learning community are members’ passion towards the community way of working as well as the relevance of the content in the virtual community. In general, it was found that knowledge sharing and competence development are important matters in dynamic organizations as well as virtual communities as method and tool for sharing knowledge and hence increasing both individual and organizational knowledge. This is proved by theoretical and by empirical research in this study.