Matematiikan ja tietotekniikan tehtävien automaattinen tasoarviointi adaptiivisella testauksella

Tämän diplomityön tavoitteena on ollut kehittää adaptiivista testausta hyödyntävä menetelmä, jonka tuottaman datan avulla voidaan havaita ja ennakoida oppimisvaikeuksia perusopetuksen peruskoulun sekä lukion matematiikan ja tietotekniikan opetuksessa. Tietojen analysointi toteutetaan ohjelmallisesti tilastollisia menetelmiä hyödyntäen anonymisoidusta aineistosta. Adaptiivisuutta hyödynnetään tällöin tehtävien asettelun apuvälineenä sekä tehtäviä suoritettavaksi tarjoavana menetelmänä muiden käytössä olevien tehtäväasettelujen ohella. Opiskelijan osaamista selvitetään joko aikaisempien tehtävien perusteella tai opiskelijan ominaisuuksien perusteella arvioidun tyypillisen profiilin mukaisesti. Tehtävien kategorisointi tasoarviointitehtävien ja yleisten tehtävien välillä tehdään osittain automaattisesti, mutta tehtävien lajittelu käytettävissä olevien tehtävien joukkoon vaatii käsityötä. Selvitettävän aineiston tutkimisen avuksi tarvitaan kategorisoivaa aineistonvalintaa, joka voidaan toteuttaa osin ohjelmallisesti mutta johon tarvitaan myös käyttäjän arviointia. Lähtökohtana käytetään primitiivisiä työvälineitä, joiden jatkokehittämisen tarve tulevaisuudessa on välttämätöntä aineistojen muuttuessa ja tutkittavan joukon laajentuessa.

Ilmiöiden automaattinen ennustaminen hakukonetilastojen avulla

Web-hakukoneiden merkitys tiedonhaussa on noussut merkittävään asemaan viimeisten vuosikymmenten aikana. Vaikka tiedonhaku hakukoneella on hyvin suoraviivaista, ihmiset käyttäytyvät hakukoneissa eri tavoilla. Tämän tutkielman aiheena on tutkia ihmisten hakukonekäyttäytymistä ja yrittää löytää tapoja hyödyntää näitä tutkimustuloksia. Tutkielmassa käytetään aineistona keskeisiä hakukoneiden perusteita käsitteleviä teoksia, joiden avulla käydään läpi hakukoneiden toimintalogiikkaa sekä hakukonetilastojen hyödyntämismahdollisuuksista löytyvää kirjallisuutta. Tutkielman tutkimusosuus hyödyntää Googlen tarjoamia työkaluja, joiden avulla päästään käsiksi ihmisten hakukonekäyttäytymiseen avainsanojen ja näiden hakuajankohtien osalta. Tutkimusosuudessa aiheena on ennustaa vuoden 2015 eduskuntavaalien viiden suurimman puolueen ääniosuudet. Ennustus tehtiin tutkimalla ihmisten hakukonekäyttäytymistä viiden edeltävän vaalin aikana ja suhteuttamalla nämä käyttäytymismallit tiedettyihin vaalituloksiin. Tehtiin hypoteesi, että suurempi hakuvolyymi johtaa suurempaan ääniosuuteen ja valittiin lineaarinen regressio ennustusmalliksi. Ennustusmalli toimi hyvin ja keskimääräinen virhemarginaali ääniosuuden ennustuksessa oli 2,90 %-yksikköä. Perussuomalaisten tulos oli yllätyksellinen ja ilman sitä ennustuksen keskimääräinen virhemarginaali oli 1,34 %-yksikköä. Tutkimustulosten perusteella nähdään hakukonetutkimusten potentiaali. Vaikka vaalitulosten ennustamiseen käytetty tietomäärä oli hyvin suppea, saatiin silti aikaan julkaisukelpoisia tuloksia. Näiden tulosten mukaan näyttää siltä, että Googlen hakutilastojen avulla on mahdollista ennustaa ihmisten valinnoista riippuvia nykymaailman tapahtumia lähitulevaisuuteen.

Matematiikan ja tietotekniikan tehtävien automaattinen tasoarviointi adaptiivisella testauksella

Tämän diplomityön tavoitteena on ollut kehittää adaptiivista testausta hyödyntävä menetelmä, jonka tuottaman datan avulla voidaan havaita ja ennakoida oppimisvaikeuksia perusopetuksen peruskoulun sekä lukion matematiikan ja tietotekniikan opetuksessa. Tietojen analysointi toteutetaan ohjelmallisesti tilastollisia menetelmiä hyödyntäen anonymisoidusta aineistosta. Adaptiivisuutta hyödynnetään tällöin tehtävien asettelun apuvälineenä sekä tehtäviä suoritettavaksi tarjoavana menetelmänä muiden käytössä olevien tehtäväasettelujen ohella. Opiskelijan osaamista selvitetään joko aikaisempien tehtävien perusteella tai opiskelijan ominaisuuksien perusteella arvioidun tyypillisen profiilin mukaisesti. Tehtävien kategorisointi tasoarviointitehtävien ja yleisten tehtävien välillä tehdään osittain automaattisesti, mutta tehtävien lajittelu käytettävissä olevien tehtävien joukkoon vaatii käsityötä. Selvitettävän aineiston tutkimisen avuksi tarvitaan kategorisoivaa aineistonvalintaa, joka voidaan toteuttaa osin ohjelmallisesti mutta johon tarvitaan myös käyttäjän arviointia. Lähtökohtana käytetään primitiivisiä työvälineitä, joiden jatkokehittämisen tarve tulevaisuudessa on välttämätöntä aineistojen muuttuessa ja tutkittavan joukon laajentuessa.

Peltipoliisi hengenpelastajana!

todistettu, että mitä suuremmat ajonopeudet, sitä useampia kuolonkolareita. Siksi pieniinkin ylinopeuksiin puututaan. Automaattivalvontakameroita tulisikin kutsua liikenneturvallisuuskameroiksi tai jopa hengenpelastajiksi, koska niiden liikenneturvallisuusvaikutukset ovat kiistattomia.

Automatisoitu datan kerääminen mobiiliapplikaatioissa

Internetin suosion myötä tiedonkeruusta on tullut osa jokapäiväistä elämäämme. Siitä huolimatta moni internetin käyttäjä ei ole tietoinen kuinka paljon ja mitä heidän tietojaan kerätään. Tutkimusryhmämme tehtävänä Turun Yliopistossa oli kehittää automaattinen tiedonkeruujärjestelmä Number Navigation Game -nimiseen opetuspeliin. Pelaajien pelisuorituksesta kerätään tietoa, joka lähetetään palvelimellemme tutkimustarkoituksia varten. Tässä tutkielmassa esitetään monia testejä, joita voidaan toteuttaa automaattisen tiedonkeruun avulla, kuten pelimekaniikka-, pelinetenemis-, grafiikka – sekä musiikkitestejä. Puhumme myös tiedonkeruusta liiketoimintana, sekä käymme läpi kuinka yleistä se on. Tiedonkeruun eettinen puoli voi usein olla epäselvä ja käyttäjien on hyvä tietää kuinka laaja ilmiö tiedonkeruu nykyään on. Iso osa tätä työtä pohjautuu Number Navigation Game -pelin datankeruusysteemien parissa tehtyyn tutkimukseen Turun Yliopistosa 2015-2016. Peliin, ja sen parissa tehtyihin testauksiin, viitataan useaan otteeseen tutkimuksen aikana. Esitämme myös tiedonkeruun avulla kerättyä tutkimusdataan teorioiden tueksi.

Data Mining in Promoting Flight Safety

The incredible rapid development to huge volumes of air travel, mainly because of jet airliners that appeared to the sky in the 1950s, created the need for systematic research for aviation safety and collecting data about air traffic. The structured data can be analysed easily using queries from databases and running theseresults through graphic tools. However, in analysing narratives that often give more accurate information about the case, mining tools are needed. The analysis of textual data with computers has not been possible until data mining tools have been developed. Their use, at least among aviation, is still at a moderate level. The research aims at discovering lethal trends in the flight safety reports. The narratives of 1,200 flight safety reports from years 1994 – 1996 in Finnish were processed with three text mining tools. One of them was totally language independent, the other had a specific configuration for Finnish and the third originally created for English, but encouraging results had been achieved with Spanish and that is why a Finnish test was undertaken, too. The global rate of accidents is stabilising and the situation can now be regarded as satisfactory, but because of the growth in air traffic, the absolute number of fatal accidents per year might increase, if the flight safety will not be improved. The collection of data and reporting systems have reached their top level. The focal point in increasing the flight safety is analysis. The air traffic has generally been forecasted to grow 5 – 6 per cent annually over the next two decades. During this period, the global air travel will probably double also with relatively conservative expectations of economic growth. This development makes the airline management confront growing pressure due to increasing competition, signify cant rise in fuel prices and the need to reduce the incident rate due to expected growth in air traffic volumes. All this emphasises the urgent need for new tools and methods. All systems provided encouraging results, as well as proved challenges still to be won. Flight safety can be improved through the development and utilisation of sophisticated analysis tools and methods, like data mining, using its results supporting the decision process of the executives.